柑橘黄龙病是柑橘生产中最具毁灭性的病害之一,极大地制约了柑橘产业的健康持续发展。目前尚未研制出治疗黄龙病的有效药剂,只能尽早发现病树,予以移除,避免病害的进一步传播。故及时准确检测柑橘黄龙病,在控制其蔓延、保障柑橘产业的健康发展方面,具有重要的现实意义。当前,传统的黄龙病检测方法需破坏样品、成本高、周期长,很难在实际生产中普及应用。利用高光谱成像技术,研究柑橘染病叶片主要理化性状的光谱和图像响应特性,探索一种无损、精准的柑橘黄龙病检测方法,为高光谱成像技术应用于精准农业领域提供支持。本论文的主要研究内容如下:1.阐明了基于高光谱成像技术的柑橘黄龙病无损检测机理,分析了3类不同病害程度柑橘叶片主要理化指标含量的变化规律。即理化指标含量变化与光谱吸收之间存在一定线性关系:正常叶片叶绿素含量均值最高,缺素叶片最低;而黄龙病叶片可溶性糖和淀粉含量均值较正常叶片高,分别为31.23±12.81和9.24±3.71 mg/g。2.运用现代科学仪器和实验分析方法,研究了图像感兴趣区域选取、光谱预处理方法和光谱特征变量等对柑橘染病叶片光谱判别模型的影响。得出了图像最佳的感兴趣区域位于叶片叶脉左侧中间且像素面积大小为100个,同时二阶导的预处理方法结合连续投影算法选择光谱特征变量最好。研究表明连续投影算法选择27个变量的偏最小二乘判别模型对正常、轻度黄龙病、中度黄龙病、重度黄龙病和缺素5类叶片判别效果最优,误判率为5%。3.探索了基于光谱信息的柑橘黄龙病叶片叶绿素、可溶性糖和淀粉的无损检测方法,建立了线性和非线性数学模型。研究得出730 nm处黄龙病叶片的光谱特征峰值低于正常叶片。结果表明组合样品构成的建模集结合二阶微分光谱构建数学模型可用于预测3项理化指标。线性模型预测结果最佳,叶绿素、可溶性糖和淀粉指标的模型相关系数分别为0.86、0.74和0.82,预测均方根误差分别为8.86、9.75和1.42。4.提出了可用于柑橘染病叶片可视化判别的分块灰度共生矩阵算法,提取了柑橘黄龙病识别敏感的特征波长,建立了基于纹理特征的判别模型。结果显示SPA提取9个光谱特征波长下图像纹理特征的PLS-DA模型效果最好,误判率最低为3.12%。构建基于MB-GLCM的可视化判别模型,实现了柑橘黄龙病可视化诊断。