Este estudo tem como objeto de pesquisa o milho, abordando o problema da insuficiente precisão no monitoramento do teor de nitrogênio sob condições de cultivo em regiões frias. Após comparar vários métodos de pré-processamento, adotou-se um método combinado de transformação por wavelet discreta (DWT) e transformação de variáveis normais padrão (SNV). Foram sistematicamente comparados algoritmos de seleção de características, incluindo o algoritmo adaptativo competitivo de reponderação (CARS), algoritmo de eliminação de variáveis não informativas (UVE), algoritmo de projeção sequencial (SPA), algoritmo genético (GA) e algoritmo genético-SPA (GA-SPA), juntamente com modelos de regressão como regressão por mínimos quadrados parciais (PLSR), regressão por vetores de suporte (SVR), máquina de aprendizado extremo com kernel (KELM), máquina de aprendizado extremo profunda (DELM), gradient boosting extremo (XGBoost) e rede neural convolucional unidimensional (1D-CNN) para avaliação abrangente do desempenho da inversão hiperespectral do teor de nitrogênio no milho. Os resultados mostram que a modelagem de banda completa apresentou alta aderência no conjunto de treinamento, mas baixa precisão preditiva no conjunto de teste, indicando um claro sobreajuste. A introdução da seleção de características melhorou significativamente o desempenho do modelo, sendo o algoritmo GA-SPA o melhor na extração de características e na supressão de redundância. A melhor predição foi alcançada combinando as características selecionadas pelo GA-SPA com o modelo DELM, com R² de teste de 0,8111 e RMSE de 0,4930, superando significativamente outras combinações; além disso, o GA-SPA manteve alta estabilidade preditiva nos modelos PLSR, KELM e SVR. Os resultados indicam que a estrutura de modelagem DELM baseada no pré-processamento DWT+SNV e na otimização de características GA-SPA pode melhorar eficazmente a precisão e a capacidade de generalização da inversão do teor de nitrogênio no milho, fornecendo suporte técnico confiável para o monitoramento nutricional e fertilização precisa do milho em regiões frias.

milho; teor de nitrogênio; tecnologia hiperespectral; GA-SPA; DELM