作物逆境胁迫(水分、氮素缺乏,病虫害等)对作物的生长及产量具有重要影响。快速、高效、无损地检测作物的生理状况如衰老、受伤害程度、环境胁迫以及其它矿质营养缺乏是实施农业精细管理的先决条件。光谱技术以其快速、无损、无污染及成本低的优点成为近年来农业生产领域发展最为快速的现代分析技术。本文以光谱分析、高光谱成像等无损检测技术为基础研究了冬小麦营养状况测量的仪器装置及方法,柑橘黄龙病早期识别方法及不同成熟度的蓝莓果实的分类辨别及产量估测方法。以期对农田水肥管理、病虫害防治以及作物产量估测提供基础的理论探索。主要研究内容为：(1)基于近红外光谱的植物生化组分测量仪的研制。研发了一种多功能型便携式植物组分无损检测仪器,主要用于冬小麦水分及叶绿素含量测量。基于双波长法的原理,设计了一种由双LED,滤光片,透镜以及光电接收器组成的整体式叶片夹具,保证了光路传输的稳定性,进而提高了仪器数据采集的准确性。硬件部分主要包含微控制系统,光源驱动电路,光电转换及信号调理电路和LCD显示电路等。另外,仪器主体结构保留开放式数据接口,可极为方便地与叶片夹具对接,以实现野外对作物不同组分(叶绿素测量选择特征波长680nm,940nm,水分测量选择特征波长970nm,880nm)的实时、快速、无损测量。经标定实验,仪器性能稳定,易用。(2)基于光谱分析的冬小麦水分及叶绿素含量检测。基于可见-近红外光谱研究了不同生长阶段冬小麦叶片水分与叶绿素含量。比较了不同的光谱预处理方式如归一化(Normalization),阶导数(First derivative),移动平滑,Savitzky-Golay平滑(SG),多元散射校正(MSC),变量标准化校正(SNV)等对定量模型预测精度的影响；比较了基于全波段,主成分,优选特征波段的多元线性回归(MLR),偏最小二乘回归(PLSR)及人工神经网络(ANN)等预测模型的预测能力。研究表明,基于多种预处理混合的反射光谱对冬小麦水分及叶绿素含量预测精度较高,基于主成分及优选波段的MLR及PLS预测能力较强。(3)基于光谱技术及高光谱成像技术的柑橘黄龙病的识别。基于可见-近红外光谱对柑橘叶片黄龙病的光谱特性进行了研究。在光谱特征选择中提出了判别值(Discriminability)的概念,有效地降低了分类模型的标准偏差,经过Fisher线性判别分析与分类树(Classification Tree)判别分析,基于特征值的分类模型正确识别率都超过了88%。与传统分类方法k近邻分类法(KNN),朴素贝叶斯分类法(Naive Bayes)相比较,特征值作为输入变量的分类结果明显要优于原始光谱,证实了特征值选取的正确性与重要性。基于高光谱图像技术,分析了应用光谱特征值与纹理特征值对柑橘黄龙病识别的研究。基于叶片图像灰度直方图及灰度共生矩阵的纹理特征能够显著提高黄龙病的识别率,表明同时包含光谱信息及空间纹理信息的高光谱图像在柑橘黄龙病识别中具有很大的发展潜力。(4)基于高光谱图像技术的不同成熟度蓝莓果实识别。体积小而背景复杂一直是蓝莓果实检测的一大难题。本文采集了野外不同天气条件下不同品种的蓝莓高光谱图像,利用大气校正,背景扣除,多元回归等多种方法进行预处理,使之转化为归一化的反射光谱图像。再结合支持向量描述(SVDD)与k-menas聚类联合算法对不同成熟度蓝莓果实进行多次对象检测,以对同一簇不同生长阶段的果实进行识别分类。与经典检测方法KNN,光谱角度匹配(SAM)等相比较,SVDD对复杂背景更适应,检测准确度更高。其对三种不同生长阶段(成熟,中等成熟,未成熟)的蓝莓果实识别准确率分别为89.5%,85.9%和84.1%,显示了良好的检测潜力,为果农田间管理及产量估测提供了必要的依据。