本文研究了大田植物病害快速识别方法,开发了烟叶病害早期诊断识别的实时感知系统。应用380—1030nm的高光谱图像数据,实现了烟叶病害在人眼未识别前的早期检测。试验采用了8盆烟叶,其中4盆接种了黑梗病,用于健康和染病烟叶的建模。应用ENVI和Unscrambler软件进行高光谱图像的主成分分析和处理,并通过光谱反射特性获得了烟叶黑梗病病害程度判别的最优波长。结果表明：随着病害程度的增加,烟叶可见和近红外的光谱反射率均显著下降。确定了730nm,790nm和283—330nm是烟叶黑梗病病害程度的区分的特征波长。通过ENVI软件中"Agricultural Stress tool"功能,应用烟叶高光谱反射光谱数据进行了烟叶水分含量的分析,结果表明健康叶片显示了很低程度的胁迫,而染病叶片呈现了较强程度的肋迫。对平均反射光谱进行一阶导数处理,通过主成分分析得出630,680,750,790,840和880nm是最为有效的波长。而前三个主成分的累积贡献率为96%。主成分分析的得分图显示染病叶片样本主要分布在PC1×PC2得分坐标负方向上,健康叶片样本主要分布在PC1×PC2得分坐标正方向,居中分布的样本多为健康和染病样本反射率居中的样本。结果表明：光谱特性与植物病害响应有着显著的相关关系,对生产的精细化管理和作业具有重要意义。