智能手机因其价格低廉、学习使用门槛低、农民对视频信息易于理解，而成为农民经常使用的信息获取工具。鉴于手机获取视频信息受到数据流量、带宽、资费的限制，以及农业视频检索粗糙、视频内容冗长、农业视频隐藏规律的挖掘等缺乏个性化、多样性和专业性等视频服务问题，针对适用于农业领域的视频镜头检测、视频标注方法等关键技术的缺乏，本文以蔬菜病害视频为研究对象，研究了蔬菜病害知识视频的语义挖掘问题：首先对蔬菜病害视频进行多模态融合的镜头分割，建立蔬菜病害视频镜头库；结合蔬菜病害知识中文词典，基于多模态的目标识别方法对蔬菜视频镜头进行文本标注；对三种模态的识别结果进行基于知网的语义相似度度量，构建基于语义相似度的蔬菜病害视频场景检测模型，通过度量相邻镜头的相似度对语义上相近的镜头进行语义场景聚类，使聚类后的视频场景更适合基于内容的视频检索，以解决传统视频检索粗糙、视频内容冗长、农业视频隐藏规律的挖掘等问题。