赣南脐橙荣获“中华名果”等称号,是中国国家地理标志产品,已成为江西赣州农业的第一支柱产业。然而,黄龙病、衰退病等病害给脐橙产业造成极大的经济损失。因此,病害早期检测在果园防控中显得尤为重要,而传统的理化方法难以实现病害的快速检测。基于此,研究提出基于近红外光谱技术和高光谱图像技术的赣南脐橙典型病源光谱学快速无损检测方法。以健康、黄龙病、缺素和衰退病四类赣南脐橙新鲜叶片为研究对象,测定分析四类赣南脐橙叶片中主要化学物质含量的差异,并利用近红外光谱技术和高光谱图像技术对四类叶片进行判别分析,以实现赣南脐橙典型病源的快速无损检测。主要结果如下:（1）赣南脐橙黄龙病叶片的鉴定及四类叶片主要化学物质含量测定分析。试验对赣南脐橙样叶中总基因组DNA进行提取、PCR体系优化,并测定分析了赣州不同果园7月份和9月份赣南脐橙叶片中多种化学物质含量。结果表明,利用擎科生物植物基因组DNA提取试剂盒提取总基因组效果最佳;选用LAA2/LAJ5引物对,目的片段浓度为1.70×10-3 ng/L时能高灵敏度扩增出清晰可见的目的条带,可实现赣南脐橙样叶黄龙病的PCR检测。相比正常赣南脐橙叶片,感染黄龙病越严重,叶绿素含量的下降以及可溶性糖的累积也越严重;缺素叶片中叶绿素、可溶性糖含量均降低且缺乏金属元素（7月份的缺乏Zn,9月份的缺乏K和Zn）;衰退病叶片中叶绿素和可溶性糖等化学组分含量均有不同程度的降低。（2）赣南脐橙叶片主要化学组分含量的近红外光谱定量测定。试验在测定四类赣南脐橙叶片中叶绿素、可溶性糖、总氮和总磷含量基础上,采集各叶片样本对应的近红外光谱数据,经光谱预处理后,利用联合区间偏最小二乘法（siPLS）优选出各化学组分的相关特征光谱区间;将优选出的相关特征子区间变量与脐橙叶片不同组分含量相关联并分别构建siPLS和反向传播神经网络（BPNN）模型。结果表明,采用siPLS方法可以优选出与叶绿素、可溶性糖、总氮和总磷含量相关的特征光谱变量,运用siPLS和BPNN模型都可以实现对叶片中叶绿素等组分含量的同时定量预测,且BPNN模型对赣南脐橙叶片中叶绿素、可溶性糖和总氮等组分含量的总体测定效果均优于siPLS模型。其对叶绿素、可溶性糖和总氮在测试集中的预测均方根误差（RMSEP）分别为0.311 mg/g、5.302 mg/g、0.158%,相关系数（R）分别为0.887、0.840和0.773;而siPLS模型对总磷含量测定效果优于BPNN模型,其在测试集中的RMSEP为0.205 mg/g,R为0.892。（3）赣南脐橙典型病源的近红外光谱快速判别。试验采集了健康、黄龙病、缺素和衰退病四类叶片样本的近红外光谱,利用主成分分析（PCA）去除冗余光谱信息,取前15个主成分对比构建线性判别分析（LDA）、k邻近法（KNN）、支持向量机（SVM）和反向传播神经网络（BPNN）模型。结果表明,利用PCA-BPNN模型对四类叶片的判别效果优于其它模型,当PCs为12,隐含层数为16时,PCA-BPNN模型在训练集、验证集和测试集中的判别准确率分别为100.00%、97.50%和95.00%,总体准确率达到98.13%。（4）赣南脐橙典型病源的高光谱图像技术绿色检测。试验采集了健康、黄龙病、缺素和衰退病赣南脐橙叶片样本的高光谱图像数据,比较采用主成分分析（PCA）和独立分量分析（ICA）对高光谱图像数据进行降维处理,分别优选出5个特征波长图像,对每个特征波长图像提取基于统计矩阵和灰度共生矩阵的10个特征变量,同时对光谱数据进行分析提取特征变量,运用PCA结合BPNN算法构建判别模型。结果表明,PCA对高光谱三维图像降维效果优于ICA处理,基于单一图像信息的BPNN模型对四类赣南脐橙叶片总体判别准确率为91.75%,基于单一光谱信息的BPNN模型总体判别准确率为92.00%,融合高光谱图像信息与光谱信息的总体判别准确率可提高到93.50%。本研究为光谱法对赣南脐橙黄龙病、衰退病等典型病源的早期快速检测提供了方向,对光谱学在农业生产中的植物病害检测及应用提供数据基础和技术支持。