马铃薯营养丰富,是世界第三大经济型农作物,也是我国的四大主粮之一。我国总种植面积已居世界首位,但平均亩产量远低于世界平均水平。晚疫病是制约我国马铃薯生产的重要因素之一。晚疫病传播快,是一种世界性的流行性病害,疫病爆发时常常导致绝收,对农户和国家造成了不可估量的经济损失。快速准确的病害识别,是控制晚疫病发展的关键技术之一,针对传统晚疫病检测依靠有经验的人工,操作复杂、具有破坏性等现状,设计研制了精度高、稳定可靠的晚疫病检测装置。论文的主要研究内容及结论如下:（1）提出了基于光谱和抗逆性酶的晚疫病早期预测方法。在近红外波段（400-1100nm）下,使用支持向量机法（SVM）和偏最小二乘法（PLS）,建立了基于全光谱的抗逆性酶预测模型;基于SPA算法分别提取了对抗逆性酶活性敏感的特征波长,建立了基于特征波长的抗逆性酶活性值预测模型,提高了预测准确度并减少了预测时间;结合抗逆性酶活性值随染病时间变化的规律,分析了酶活性值随染病时间的变化规律,结合基于光谱的酶活性预测模型,实现了利用光谱对晚疫病的早期检测。（2）提出了基于图像的晚疫病早期预测和对染病程度分类识别方法。以感染不同程度晚疫病的马铃薯叶片高光谱图像作为研究对象,构建了一个10层的CNN病害检测模型,模型识别率达到92%。弥补了基于光谱的病害检测方法,需要通过酶活性间接判断植物是否染病,以及检测缺乏可视化不能体现病害空间差别等缺陷。（3）设计实现了病害检测装置的硬件系统。根据我国西北地区的马铃薯种植环境,和上述检测方法,设计并研制了病害检测装置的硬件系统。系统分为三大模块,分别是:系统控制模块、数据采集模块、供电模块。设计了履带式田间移动检测平台,使用不锈钢骨架和履带行走机构,满足检测装置田间行驶的平稳性需求。在数据采集模块中,使用光纤探头和RGB高清摄像头,通过Web服务器的远程控制,实时采集叶片的光谱数据和图像信息。采用12V锂电池组为L298N电机驱动控制器供电,220V蓄电池组为光纤光谱仪和树莓派供电。用Raspberry Pi作为检测装置的中央控制器,接收来自手机热点的wifi信号,实现远程数据采集和无线传送。（4）使用Python语言设计开发了基于Django服务器的人机交互远程控制软件。系统采用层次化、模块化的设计思想,分为:用户管理、叶片管理、装置控制、采集信息管理和智能显示五大模块。系统具有良好的兼容性,通过网络通信完成检测装置的实时图像传输和运动控制,完成光谱数据和RGB图像的实时采集传输。通过数据管理和挖掘,实现了对马铃薯健康状态的自动化监测、晚疫病早期检测和病情分级,达到了病害预警的目的。（5）完成了检测装置的功能验证和性能测试试验。在西北农林科技大学校园内搭建模拟马铃薯生长的测试环境,对检测装置的功能和性能进行了检验。结果表明系统能够有序地按照规定的流程完成各自的功能。系统在不同的网络环境下都能顺利登录,界面运行良好。检测装置能够在实际环境运行。并且常用功能的平均响应均不超过3秒。模型的整体识别准确率达到89%,其中,对晚疫病早期状态的识别为80%。