柑橘是世界上最大种植量的水果之一,也是我国南方地区最主要的经济作物之一。黄龙病（HLB）是柑橘产业的癌症,蔓延速度快和不可治愈给柑橘产业带来毁灭性的破坏,给果农带来巨大的经济损失。目前尚未有治愈黄龙病的方法,及早发现及时挖除是最有效的防治手段。目前对黄龙病的检测手段分为田间人工诊断和实验室生化分析两大方面,此类手段检测成本昂贵,对检测员要求高,因此基于图谱技术快速无损检测柑橘黄龙病的研究日益开展。随着无人机高光谱遥感技术的成熟和逐渐应用,为解决大面积柑橘果园种植管理带来不方便,本文基于无人机高光谱遥感技术获取柑橘果园遥感影像,通过无人机影像预处理、高光谱数据预处理、柑橘植株冠层光谱特征挖掘、支持向量机和神经网络建模等技术,开展黄龙病高光谱特征挖掘和构建黄龙病检测模型的研究。首先,同步采集地面与空中的高光谱数据,以Hand Held2（HH2）地物光谱仪数据为基准对空中高光谱数据进行质量评价,通过相关性分析表明HH2与S185采集的柑橘冠层高光谱数据相关性显著,决定系数~2超过0.96。第二,分析比较了冠层光谱样本的提取方式,基于单像素提取冠层光谱样本能够保障样本的多样性,增加检测模型的鲁棒性,通过孤立森林检测异常样本并剔除,又能使样本避免干扰,提高模型的检测能力。第三,Savitzky-Golay算法和Daubechies小波算法均能较好实现高光谱数据的平滑去噪,但Daubechies小波算法在平滑去噪过程考虑噪声类型和特征重构,通过粒子群算法优化阈值的选取方式,使处理效果在平滑噪声的同时突出保持光谱样本特征。第四,柑橘黄龙病光谱与健康光谱相比,存在“绿峰”较高,近红外较低,红边前移等特征。通过改进选择算子的遗传算法提取的特征波段为468nm、504nm、512nm、516nm、528nm、536nm、632nm、680nm、688nm、852nm,采用特征波段计算的植被指数建立的检测模型分类准确率更高。最后,发现随着模型的输入数据特征性越强,构建的黄龙病检测模型效果更明显。基于多特征输入的柑橘黄龙病检测模型对训练集的分类准确率为99.33%,损失为0.0783,验证集分类准确率为99.72%,损失为0.0585。使用该模型对试验区域的柑橘植株进行检测,结果表明该模型能够有效检测出试验区域的黄龙病植株,并且能够有效输出病害在冠层的分布情况,进而可以判断植株的病害等级。本文探究了无人机高光谱遥感技术对柑橘黄龙病检测的可行性,该技术将助力果园的智能化生产,大大提高果园管理和生产的效率,有效降低果园在种植生产中的经济损失,为尽快实现柑橘果园精准农业现代建设贡献力量。