虫害检测算法研究是开展虫害快速、准确监测,　制定精准森防检疫措施的重要基础.以毛竹叶片为研究尺度,　基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结,　选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66～898.56　nm值　(ρ733.66～898.56)　、一阶微分光谱的562.95～585.25　nm值　(ρ′562.95～585.25)　与706.18～725.41　nm值　(ρ′706.18～725.41)　等理化参数,　随机划分实验组　(63组)　和验证组　(37组)　并设计5次重复实验;分别运用Fisher判别分析、　BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型,　从检测精度、　Kappa系数及R2等指标对模型的检测效果予以分析和比较.结果显示,　Fisher判别分析、　BP神经网络、随机森林的检测精度分别为69.19％,　65.41％,　83.78％,　Kappa系数分别为0.576　9,　0.532　4和0.778　8,　R2分别为0.722　2,　0.582　6和0.870　9,　总体而言,　三种方法均具备刚竹毒蛾危害的检测能力,　随机森林的检测效果最优,　Fisher判别分析次之,　再次为BP神经网络;从分等级来看,　随机森林的检测精度亦优于Fisher判别分析与BP神经网络,　但3种方法对中度危害等级的检测精度均有所不足.该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考,　并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础.