月季作为我国重要的观赏植物,在我国及全球花卉园艺市场中占重要比重。黑斑病是由蔷薇双壳（黑斑）菌引致的一种全世界广泛分布的病害,会严重影响月季品质及产量,从而危害到整个月季产业。对于月季黑斑病,传统的检测方法主观性强、耗时繁琐且检测成本高。因此,本文以月季为研究对象,采用高光谱成像技术和深度学习提出了准确、快速的月季黑斑病检测方法,并进行了生化实验,测定叶片中各主要成分及代谢物变化,进而探究染病月季细胞内部机理。主要研究内容如下所述:（1）人工对不同抗性健康月季叶片接种黑斑菌,采集健康和感染黑斑病叶片的光谱信息,提取每个样本的平均光谱。通过Savizky-Golay和连续投影等预处理方法在400-1000nm分别筛选了9、20个特征波段。（2）分别基于全波段和特征波段构建基于光谱信息的月季黑斑病早期检测模型。对比几种预处理及特征提取方法下不同模型检测结果,通过主成分分析筛选特征波段,构建最小二乘支持向量检测模型。对比讨论得出,LS-SVM模型表现最优,训练集准确率达到99.17%,测试集准确率达到98.33%。（3）分别基于光谱信息、图像信息和图谱融合信息构建月季黑斑病卷积神经网络（CNN）检测模型。基于光谱数据集构建Alex Net网络检测模型,采用优化器算法评价不同参数下的检测结果;基于图像数据集构建VGG16检测模型;基于图谱融合数据集设置NDDR层提高网络处理精度和效率,构建NDDR-VGG16检测模型。对比分析得出,NDDR-VGG16模型表现最优,训练集准确率达到100%,测试集准确率达到99.58%。（4）通过生化方法检测染病过程中叶片内叶绿素、维生素C、过氧化物酶（POD）和超氧化物歧化酶（SOD）4种重要理化成分及代谢物的含量及活性变化,观察其变化规律并从感染天数、感染程度和品种抗性三个角度分析变化原因,进而探究月季细胞感染黑斑菌后的染病机理,讨论各个成分在植物抗逆过程及光谱表现中起到的作用。因此,本文论证了高光谱成像技术在月季黑斑病检测中的可行性和有效性,对比传统方法,该技术具有速度快、精度高等优点,并进一步分析了染病月季细胞的机理变化,为实现植物病害快速无损检测和设计相关检测设备提供了理论支撑。