设施农业是我国农业的重要支撑产业。温室内部温度适宜、相对湿度大、叶片较湿润,极易导致病虫害的爆发。由于大部分温室管理者缺乏科学系统的植物病理学知识,难以对作物病虫害爆发状况的严重程度做出准确的判断;同时,管理者盲目的农药喷洒会导致了农药残留与病虫害难以有效地抑制,从而造成农作物减产及环境污染问题。为了对温室中病虫害现象进行虫害现象的预测及病害程度的快速判定,本试验以温室中常见虫害与病害为研究对象,采用逻辑回归的方法,建立了基于温湿度变化趋势的虫害逻辑回归预测模型;对黄瓜叶片病害特征进行了光谱信息分析,最后采用可见光光谱与太赫兹光谱融合的方法对病害叶片进行自动分级检测。主要研究结果为:(1)在收集温室环境信息与病虫害样本的基础上,分析了全年各月的虫害爆发天数与五月份温室温湿度及虫害发生数量的日变化,建立了基于温湿度变化趋势的虫害预警模型。根据病害的实际统计状况可以发现:虫害的发生随月份呈现出先上升后下降的趋势;除7、8月份以外,传感器预测的虫害爆发天数的变化趋势与实际统计趋势一致。五月份,白粉虱、潜叶蝇、和蚜虫的变化趋势与温湿度变化趋势一致,且白粉虱的数量最多。基于机器学习中常用的逻辑回归预测的虫害预警模型结果表明:三种虫害的验证集的预测正确率均在87.5%以上,且测试集的预测正确率均在77.5%以上,预测精度较高,可以应用于温室虫害的监测预警当中。(2)对采集到的病害叶片进行分类后,进行可见光光谱成像扫描实验。使用了逐步回归法与PCA算法对获取的数据进行特征波长的提取,得出白粉病的特征波长为690.5 nm、555 nm、420.9 nm、614 nm、467.8 nm;黄瓜霜霉病的特征波长为425.6 nm、700.8 nm、575.3 nm、635.1 nm、487.8 nm,与黄瓜霜霉病与白粉病的各前五个主成分。基于支持向量机算法建立了可见光光谱病害程度分级系统,测试集结果表明结果证明逐步回归法提取的特征模型较PCA效果更优,分类正确率分别高达77.27%与69.70%以上,Sigmoid函数在4种核函数中具有最高的分类正确率。(3)基于获取的太赫兹数据分析了病害叶片的时域光谱响应信息,进行了太赫兹系统病害检测分类的可行性分析。采用SPA与SCARS两种算法提取病害太赫兹敏感波段,并基于主成分分析法进行了太赫兹特征的提取。建立了基于太赫兹信息的病害SVM分类模型,并进行了测试验证,其中SPA算法的分类正确率达到了69.70%(白粉病)与71.43%(霜霉病);结果表明:采用SPA法构建的太赫兹特征模型识别效果要优于SCARS法。(4)基于获取到的黄瓜病害叶片的高光谱及太赫兹特征信息,进行了多源信息的特征层融合,并通过支持向量机的多分类方式,合理的划分训练集和测试集后进行后续的多核函数的分类实验。结果表明,基于Sigmoid核函数和线性核函数的虫害分类识别具有较高的分类精度,其中多源信息融合的分类检测精度达到了94.42%(白粉病)与93.88%(霜霉病)。可用于黄瓜霜霉病与白粉病的病害程度自动识别,且多源信息融合的测试分类精度要高于单一信息模型的测试分类。