In smart agriculture, computer vision is applied to identify rice seeds instead of being investigated by experts. In this paper, we considered three types of feature descriptors, such as Local Binary Patterns (LBP), Histogram of Oriented Gradients (HOG) and Gradient Domain Image Stitching (GIST) to characterize rice seed images. However, this method raises the problem of dimensional phenomena and it is necessary to select the relevant features to have a compact and better representation. A new combination of feature selection methods is proposed to represent all the relevant information from different single feature selection methods. The experimental results show that our approach outperforms the results from the state-of-the-art.Trong nông nghiệp thông minh, người ta sử dụng thị giác máy tính để nhận dạng hạt lúa giống thay vì cần các chuyên gia thực hiện. Trong bài báo này, chúng tôi đã xem xét ba loại mô tả đặc trưng, như Local Binary Patterns (LBP), Histogram of Oriented Gradients (HOG) và Gradient Domain Image Stitching (GIST) để mô tả hình ảnh hạt lúa giống. Tuy nhiên, cách tiếp cận này làm nảy sinh vấn đề về hiện tượng số chiều và cần phải lựa chọn các đặc trưng liên quan để có một mô hình biểu diễn nhỏ gọn và tốt hơn. Một quần thể lựa chọn đặc trưng mới được đề xuất để đại diện cho tất cả các thông tin hữu ích được thu thập từ các phương pháp lựa chọn đặc trưng đơn lẻ khác nhau. Các kết quả thử nghiệm trên phương pháp đề xuất của chúng tôi đã cho thấy được hiệu quả về độ chính xác.