新疆是我国棉花的主要产区。在棉花生长过程中常受到棉蚜危害,影响植株的生长发育,造成减产。传统棉蚜信息监测需要人工观察棉蚜危害棉花叶片变化,统计棉蚜数量,费时费力,并且由于统计的延时性造成虫情信息滞后,不利于棉蚜危害的精准防控。农田传感器的普及使棉蚜信息快速获取成为可能,因此,探究一种棉蚜危害快速识别方法,以提高虫情获取效率。本研究针对目前棉蚜危害监测依靠田间人工调查、布置装置采集等方法而导致虫情信息获取时效性差、覆盖面小等一系列问题,以高光谱成像仪获取健康、受蚜虫危害的棉花叶片样本高光谱数据与图像数据,提取光谱特征、图像特征,以特征数据作为输入构建机器学习模型,完成基于高光谱成像的棉花蚜虫危害判别模型与棉花蚜虫危害程度识别模型的建立,并依据棉花蚜虫危害程度识别模型,基于安卓系统自主研发了棉花蚜虫危害程度诊断系统,实现棉蚜危害的诊断,为农业生产提供棉蚜防控提供技术支持。主要研究结果如下:1.基于高光谱成像的棉蚜危害识别模型建立研究本研究基于新陆早45棉花叶片受棉蚜危害后光谱反射率、图像纹理特征变化,通过不同降维方法提取光谱特征值与纹理特征,以此为判别依据输入机器学习模型,建立棉蚜危害判别模型,实现基于图谱融合技术的棉蚜危害叶片识别。结果表明:随机蛙跳-偏最小二乘判别法(RF–PLS–LDA)模型效果最好,预测集识别率达到91.49%。由于模型输入数据量较大,导致建模效率低,通过减少模型输入数据对模型进行优化。逐一以纹理特征二阶统计量作为输入建立判别模型,其中主成分载荷-偏最小二乘-能量法(PCA–Loading–PLS–LDA–Energy)模型性能最好,预测集识别率达到92.55%。2.基于高光谱成像的棉蚜危害程度诊断模型建立研究本研究基于高光谱技术通过提取健康、受蚜虫危害的鲁棉研24棉叶高光谱特征,基于高光谱特征、蚜虫危害时间、蚜虫数量划分健康、轻度蚜害、重度蚜害三个蚜害程度,最终经过皮尔森相关性分析得出高光谱特征与三者皆呈现显著相关性。研究选择相关性最高的蚜害程度作为输入指标,以高光谱指数模型与偏最小二乘法为模型基础,构建棉蚜危害程度识别模型,其中连续投影-偏最小二乘法(SPA-PLSR)模型估算精度最佳,模型决定系数R2达到0.5258,最小均方根误差为0.4021。3.基于高光谱成像的棉蚜危害程度监测系统建立与应用基于安卓平台,本研究基于棉蚜危害程度诊断模型的模型编写棉蚜危害程度识别系统。该系统以特征波长光谱反射率作为输入,棉蚜危害程度作为输出,系统总识别率达到96%,提高了系统的泛用性。该系统在石河子总场的实践应用中取得初步成效,实现了基于高光谱成像技术的棉蚜快速监测,为农田虫情监测提供技术支持。