柑橘黄龙病（Citrus Huanglongbing,HLB）是柑橘最具有破坏力的病害之一。染病植株出现产量降低、寿命缩短且会充当传染源,导致黄龙病疫情进一步在果园中扩散。及时诊断染病植株并挖除被认为是最有效的管理措施之一。因此,实现柑橘黄龙病田间快速检测迫在眉睫。波谱成像技术具有快速、无损、操作简便等优点,在植物病虫害快速检测方面有广阔的应用前景。本文以柑橘叶片为研究对象,研发便携式检测设备用于柑橘叶片波谱图像的采集,探究黄龙病对柑橘叶片叶绿素荧光动力学特性和光谱反射特性的影响,结合深度学习和迁移学习,构建轻量化卷积神经网络（Mobile Net V3）的快速识别模型,从而实现柑橘黄龙病的快速检测。本研究的内容如下:首先,本文基于前期对柑橘黄龙病的研究,开发了一款便携式柑橘黄龙病检测设备。设备能够同时采集柑橘叶片的680 nm的动态叶绿素荧光图像;F440、F520、F690和F740多光谱荧光图像;460 nm、520 nm、680 nm、740 nm、840 nm和940 nm的多光谱反射图像。通过与实验室仪器（V10E,Isuzu Optics Corp,China）对比结果表明,两台仪器采集的数据趋势一致。其次,探究柑橘叶片在黄龙病侵染下光合作用和光谱反射率的变化规律。分析动态叶绿素荧光图像表明,当荧光达到稳态时,染病叶片的叶绿素荧光强度高于健康叶片;进一步分析柑橘多光谱荧光图像,染病未显症和显症叶片的F440和F520荧光强度均高于健康叶片,分别是健康叶片的1.05倍、1.14倍、1.41倍和1.83倍,相同的结果在另一个品种椪柑也可以发现;分析460 nm、520 nm和680 nm的光谱反射率可知,染病和缺素的脐橙和椪柑叶片的反射率均高于健康叶片,在近红外光谱反射率区域,缺镁的脐橙叶片高于健康叶片,而缺氮的椪柑叶片低于健康叶片。本文分别基于动态叶绿素荧光图像、多光谱荧光图像和多光谱反射图像,构建了柑橘黄龙病快速识别模型,模型的总体识别率分别为73.78%、85.06%和91.46%。最后,融合动态叶绿素荧光成像技术、多光谱荧光成像技术和多光谱成像技术,从不同角度上获取与柑橘黄龙病相关的生理信息和结构信息,并建立多源图像融合的柑橘黄龙病快速识别模型。结果表明,融合多光谱荧光图像和多光谱反射图像建立的轻量化卷积神经网络模型判别效果最佳,总体识别的准确率达到92.07%,黄龙病的漏判率降至12.19%。虽然总体准确率略高于单独使用多光谱荧光图像或者多光谱反射图像,但是漏判率下降了11.59%。针对不同品种柑橘黄龙病诊断时为了提高模型的泛化性,引入迁移学习算法（Transfer Learning）。在基于脐橙样本建立的模型基础上,使用调预训练模型（Fine-tuning）的迁移学习方法。再加入46个椪柑样本后模型的总体识别准确率为96.50%,漏判率为4.70%。研究结果表明,采用自研的设备获取柑橘叶片的多光谱荧光图像和多光谱反射图像结合轻量化卷积神经网络可在田间实现不同品种柑橘黄龙病的快速检测。