近年来,二化螟成为影响水稻产量的主要害虫,由于其潜隐性很难判断出水稻受二化螟的侵染程度,这导致了化学药剂的不合理甚至大量使用。所以为了减少这种情况的发生,必须诊断出二化螟早期对水稻的侵害。本文提出了利用高光谱成像技术结合图像处理方法对正常和虫害的水稻进行区分,并再结合化学计量学方法对感染不同程度二化螟幼虫的水稻建立定性和定量检测模型,来达到对感染不同程度的水稻进行精准施药目的,具体的研究内容和结论如下:（1）基于高光谱图像实现对正常和受二化螟幼虫侵染的水稻进行区分。首先对正常的水稻茎秆和虫孔较小的被二化螟幼虫侵染的水稻茎秆进行光谱分析,确定了500-1000 nm范围的光谱区域。然后利用主成分分析（PCA）和最小噪声分离（MNF）这两种图像数据降维方法分别得到前五个图像,通过各自比较选取了PC1和MN3的图像,根据PC1和MN3图像的特征信息进行波段与权重系数分析,选取了750 nm波长下的单波段图像作为第一个特征图像;对于混合距离的方法,将光谱区域划分为575-750nm的可见光光谱区域和750-1000 nm的近红外光谱区域,在可见光区域选取了混合距离最大的689.9 nm波段,在近红外波段选取了混合距离最大的778.4 nm波段,通过比较这两个波段和其组合波段的灰度图像,选取778.4 nm处的单波段图像作为第二个特征图像。最后利用全局阈值分割和迭代阈值分割两种算法对两个特征图像进行处理,其中使用基于迭代阈值分割方法对778.4 nm波段处的单波段图像进行分割效果最佳,误判数为3个,整体检测正确率为96.3%。结果表明,通过高光谱图像能够达到快速、精准区分出正常和受二化螟幼虫侵染的水稻,为高光谱成像技术在线检测提供理论和方法依据。（2）基于高光谱成像技术实现对二化螟幼虫侵染水稻程度进行定性识别。首先获取了正常、轻度感染、中度感染和重度感染的水稻茎秆样品各80个,分别提取光谱特征和图像特征,其中图像特征包括颜色特征（9个颜色矩值）和纹理特征（5个灰度共生矩阵值）。然后运用样本划分KS算法按照3:1比例划分为建模集和预测集,利用SPA和CARS从全光谱数据中选取了19个和20个特征波长,通过将全波段光谱、特征光谱、灰度共生矩阵和颜色矩作为PCA模型的输入变量进行分析。最后将全光谱、SPA、CARS、灰度共生矩阵、颜色矩、图像特征（灰度共生矩阵和颜色矩）、SPA与图像特征和CARS与图像特征,这些数据分别作为PLS-DA和SVM的输入,最优的是基于SVM的RBF核函数结合波段筛选算法CARS和图像特征的融合特征建立的模型,其总误判数为1个,正确率为99.69%,RMSEC为0.3098,Rc为0.9809,RMSEP为0.3444,Rp为0.9763。结果表明,高光谱成像系统能够检测出二化螟幼虫对水稻侵染的程度,且能快速找到早期受二化螟幼虫侵染的水稻,来及早进行防治。（3）基于高光谱成像技术实现对二化螟幼虫侵染水稻程度进行定量模型研究。首先测定了正常、轻度感染、中度感染和重度感染的水稻茎秆样品的叶绿素含量,通过对水稻叶绿素含量和二化螟幼虫的感染程度进行单因素和多因素相关性分析,并对四类叶绿素含量进行了分布规律分析。然后运用SPXY算法得到建模集有240个样本和预测集有80个样本,采用S-G平滑、MSC、1stderivative、SNV、Baseline等方法对光谱进行预处理。最后将全光谱、颜色矩、融合特征（全光谱和颜色矩）,这些数据分别作为PLS和SVR模型的输入,最优的是基于PLS结合融合特征建立的模型,主因子数为9时,得到较低的均方根误差。此时,RMSEC为4.3387、RMSEP为4.9510、Rc为0.8649、Rp为0.8546。结果表明,高光谱成像技术可以结合叶绿素含量对二化螟幼虫侵染水稻程度进行定量检测,达到精准施药的目的。