作物病害的无损检测是保证作物产量和质量的关键环节。对及时发现疾病、指导农药使用、减少经济损失具有重要作用。本文介绍了用于作物病害检测的高光谱成像技术的原理。从支持向量机、偏最小二乘回归和深度学习识别算法等方面总结了2017～2021国内外高光谱成像技术在作物病害检测方面的研究进展。分析了作物病害高光谱图像识别算法的原理和分类过程。比较了三种深度学习算法：[深度置信网络（DBN）]基于自编码网络（AE）的栈式自编码网络（SAE）和卷积神经网络（CNN）]在作物病虫害高光谱图像识别中应用的优缺点。阐述了常用深度学习分类指标的计算过程和原理。指出了作物病害高光谱检测与识别面临的问题：异物同谱、数据预处理、复杂的特征提取过程、数据量小、训练数据不均衡，并对这些问题提出了未来的研究方向。