苹果炭疽病是苹果常见的疾病之一,在感染早期,感染性状不明显,但随着感染时间变长,感染区域性状与青霉病、碰伤果实类似,感染区域失水并且颜色变深,如果不能对早期感染炭疽病的苹果及时检测,感染的果实会很快地传染其他优质果实;并且根据苹果炭疽病果实感染时间不同,可以推断感染原因,进而更科学、环保地使用不同浓度、容量的农药进行防治。本论文通过高光谱成像技术采集苹果炭疽病、青霉病、碰伤和健康样品以及不同感染时间的苹果炭疽病样品数据,结合化学计量学方法,分别建立定性判别模型,完成对早期苹果炭疽病染病及染病时间的判别。本论文的主要研究内容和结论如下:（1）对苹果炭疽病、青霉病、碰伤果和健康果的感兴趣区域提取光谱,后对四类样品的所有光谱求平均光谱,从平均光谱的波形上看四类样品在光谱上的差异;分别对光谱进行Baseline、MSC、SNV、Normalize、一阶导数及S-G平滑光谱预处理,用K-S算法按3:1的比例划分建模集和预测集,对不同光谱预处理方法的数据进行PLS-DA、PCR、LS-SVM及RF模型的建立,对比所有模型,得出对早期苹果炭疽病、青霉病、碰伤以及健康果判别的最优模型为经过一阶导数光谱预处理的RF模型,整体判别正确率为99.1%。（2）对染病时间为24h、48h、72h以及96h的苹果炭疽病染病样品提取颜色特征和纹理特征,融合两个特征,基于不同的数据预处理方法建立了不同的定性判别模型;对比所有模型判断正确率,利用图像特征对炭疽病不同染病天数的判别效果不是很理想,基于颜色、图像纹理特征的苹果炭疽病染病时间判别最佳模型为经过Normalize预处理的PCR模型,模型判别正确率为65%。（3）通过提取炭疽病不同染病时间的光谱,取四类样品的平均光谱进行差异性对比,后对光谱进行不同类型的光谱预处理,用K-S算法对光谱数据划分建模集和预测集,对预处理完的光谱通过CARS、UVE、SPA进行特征波长筛选,最后建立LS-SVM、PLSDA和PCR模型。对比所有模型得出结论,基于高光谱光谱特征的不同苹果炭疽病染病时间最优判别模型为UVE-RAW-LS-SVM模型,整体判别正确率为95.8%。研究结果表明:高光谱可以较好地对早期苹果炭疽病染病及不同染病时间做出判别检测,对苹果品质的分选和果品质量的提高有很重要的意义。