本文结合国家水稻产业技术体系与国家高技术研究发展计划(863)计划两项课题开展工作。在综述国内外研究现状的基础上,从多光谱视觉技术检测植物病害的理论入手,对稻瘟病的检测技术进行了研究。本文首次将虚拟仪器技术与多光谱视觉技术相结合,开发了功能可扩展的多光谱视觉软件,该软件可以实现实验室和田间两种环境下的水稻秧苗的自动识别和多光谱图像信息的统计分析;在所开发的软硬件视觉平台上,通过对多光谱图像信息的筛选,选择了稻瘟病检测模型所需要的特征参数,并分别应用概率(PNN)神经网络和支持向量机(LibSVM)技术建立了病害程度分级检测模型;稻瘟病侵染后,水稻秧苗的多光谱图像信息会随时间的推移而发生不同程度的变化,不同时间点上的多光谱图像信息存在相关性,因此,选择了时间序列分析方法研究稻瘟病的早期检测技术。本文所做的稻瘟病检测关键技术研究工作为变量防治和稻瘟病病害的预测预报提供了理论基础和技术支持,为植物病害检测技术提供了一条新思路。