1.一种水稻种子的无损检测方法，其特征在于，包括以下步骤：S1、利用高光谱相机采集当前种子图像；

S2、对当前种子图像进行预处理，根据最新种子图像的纹理梯度值确定各个像素点的空间纹理特征；

S3、根据最新种子图像的空间纹理特征，确定水稻种子是否存在杂质；

所述S2包括以下子步骤：

S21、对当前种子图像进行去噪处理；

S22、获取去噪处理后最新种子图像中各个像素点的哈里斯矩阵；

S23、根据最新种子图像中各个像素点的哈里斯矩阵，为最新种子图像生成纹理梯度值；

S24、根据最新种子图像的纹理梯度值，提取最新种子图像中各个像素点的空间纹理特征；

所述S3包括以下子步骤：

S31、将像素点的空间纹理特征作为像素点的随机变量；

S32、基于各个像素点的随机变量，利用马尔科夫随机场确定最新种子图像中是否存在杂质。

2.根据权利要求1所述的水稻种子的无损检测方法，其特征在于，所述S23包括以下子步骤：S231、将各个像素点的哈里斯矩阵的行列值作为像素点的梯度系数；

S232、根据各个像素点的梯度系数，为最新种子图像生成纹理梯度值。

3.根据权利要求2所述的水稻种子的无损检测方法，其特征在于，所述S232中，最新种子图像的纹理梯度值 的计算公式为：；

式中， 表示以2为底的对数函数， 表示第 个像素点的梯度系数， 表示最新种子图像的像素点总量，表示最新种子图像的所有像素点的梯度系数的标准差。

4.根据权利要求1所述的水稻种子的无损检测方法，其特征在于，所述S24包括以下子步骤：S241、将最新种子图像的纹理梯度值作为混合核函数的权重；

S242、提取像素点的四邻域像素点的哈里斯矩阵，并将四邻域像素点的哈里斯矩阵求和，作为相关矩阵；

S243、根据混合核函数的权重、像素点的哈里斯矩阵以及相关矩阵，构建混合核函数，利用混合核函数，确定各个像素点的空间纹理特征。

5.根据权利要求4所述的水稻种子的无损检测方法，其特征在于，所述S243中，混合核函数 的表达式为：；

式中， 表示混合核函数的权重，表示核带宽参数，表示像素点的哈里斯矩阵， 表示像素点的相关矩阵，表示指数， 表示F1范数运算。