我国作为世界第一大蔬菜消费国,蔬菜的病害常使国家经济和人民生活遭受严重损失,已经成为制约蔬菜高效、安全生产的主要原因,而灰霉病是一种严重威胁保护地蔬菜生产的真菌病害,不仅在植株生长期间严重发生,而且在产后的储藏、运输过程中也可继续造成严重危害。本研究提出以城乡居民主要消费蔬菜之一的番茄作为研究对象,以引致蔬菜灰霉病的半知菌亚门葡萄孢属作为病原物,采用高光谱图像结合成像检测技术提取并理解植株染病后叶面、冠层的图像特征信息,建立基于高光谱成像技术的番茄灰霉病的早期检测模型,形成对番茄灰霉病进行早期、准确、非破坏性诊断的一种新的理论和方法。这对提高我国植物抗病机制的研究,控制保护地蔬菜灰霉病的危害,促进植物病理学发展具有重要的意义。主要创新性成果有：(1)提出了利用植物特有的红边现象对植物和非植物实现可见近红外高光谱图像背景分离,通过对高光谱图像中680-740nm波段图像进行方差分析,建立二值化图像,有效分离番茄叶片与背景,有效分离番茄冠层与背景土壤、背景托盘以及其他背景信息。提出了利用利用近红外1350-1500nm波段植物特有的光谱特性实现近红外高光谱图像的背景分离,有效分离番茄叶片与背景,有效分离番茄冠层与背景土壤以及其他背景信息。(2)提出了光谱数据预处理-预处理图像--特征波长提取-特征波段图像和特征波段融合图像提取--建模预测的高光谱成像检测的技术路径,由此建立了基于高光谱成像的番茄叶片灰霉病的早期检测模型。系统地研究了原始光谱(Raw)和7种光谱预处理方法,选择了变量标准化(SNV)方法为番茄叶片灰霉病检测的可见近红外波段高光谱图像预处理方法,选择了标准化(Nomalize)作为番茄叶片灰霉病检测的近红外波段高光谱图像预处理方法,并应用独立软模式法(SIMCA)中的区别能力(Discrimination power)参数在可见短波近红外光谱区提取特征波长401nm,491nm,550nm,625nm,649nm,687nm和743nm,在近红外光谱区提取特征波长1355nm,1446nm和1608nm,再利用特征波段建立基于线性的多项式PLSDA分类器,基于统计参量的BayesC以及LDC分类器和基于自适应学习的BPNN以及SVC分类器,建立相应模型后,比较分类表明基于统计参量的分类器为最佳。(3)提出了采用特征融合波段图像提取番茄叶片灰霉病的检测和提取方法,利用获得的特征波段分别在可见短波近红外波段和近红外波段建立了多元线性回归(MLR)预测模型,并由此得到波段融合方程建立新的波段融合图像,在可见短波近红外波段结合680-740nm波段的方差图和分割图像,系统研究了多种边缘提取的方法,选择拉普拉斯锐化结合Sobel算子的边缘提取的方法去除了分割图像中的阴影信息,提取有效叶片信息；同时也系统研究了基于空域和频域的5种图像锐化方法,选择高频强调滤波锐化方式在特征融合图像中提取有效病斑信息,计算出叶片的病斑面积和病斑面积比。在近红外光谱波段结合1530nm波段信息,系统研究了五种图像锐化方法,采用巴特沃斯高通滤波的锐化方式有效提取了番茄叶片信息,并通过特征融合图像提取有效病斑信息,计算出叶片的病斑面积和病斑面积比。(4)提出了基于高光谱成像技术的番茄冠层灰霉病的早期检测方法,研究利用MSR光照补偿和小波融合算法实现减少番茄冠层图像中由于高度差出现的光照不均匀现象,并通过计算对应波段图像的方差、信息熵、清晰度、扭曲指数、相关系数、偏差指数等统计量判断融合后图像是否可以表征原数据信息;系统研究了多种不同预处理方法的输入数据对番茄叶片灰霉病冠层早期检测模型的影响,选择标准化(Normalize)预处理方法作为可见短波近红外高光谱图像和近红外高光谱图像的预处理方式;研究了植被指数特征图像提取方式、PCA变换特征图像提取方式以及利用统计公式的特征图像提取方式,在基于可见短波近红外高光谱图像的番茄冠层灰霉病的早期检测中采用740-900nm的方差统计图作为特征图像,实现番茄灰霉病的早期可视化检测；在基于近红外高光谱图像的的番茄冠层灰霉病的早期检测中采用1300-1450nm的标准方差统计图作为特征图像,实现番茄灰霉病的早期可视化检测。