中国是世界上柿树种植最多的国家,但由于柿树病害的发生,导致柿树枝枯、梢焦、结果少,对柿子的产量和品质造成严重的影响。柿树叶部病害的防治工作主要根据病害类型和发病程度采取合理的防治措施。果农识别病害类型和发生程度存在易出错、不及时等问题。目前深度学习在农业领域的应用取得了较好的进展,利用基于深度学习的图像分割方法可以精准的分割病斑区域,根据病斑面积科学判定病害发生程度。利用基于深度学习的图像识别方法可以快速、准确的识别病害种类。为人工智能在柿树叶部病害早期防治提供了强有力的技术支持。本文对图像分割与图像识别方法进行研究,设计并实现了基于深度学习的柿树叶部病害图像分割与识别系统,为果农实现病害的早期智能诊断提供一种新的方法。主要研究工作如下:（1）针对柿树叶部病害病斑区域大小形状随发生时期、发生程度变化,卷积神经网络感受野固定,对较大或较小的病斑分割能力较差的问题,提出一种基于自注意力机制和可变形卷积的UNet模型,用于柿树叶部病害图像分割。利用可变形卷积根据输入样例自动调整卷积核的特性,以适应不同大小的病斑。利用自注意力机制学习特征之间的关系,获取空间信息和上下文信息,减少连续下采样造成小病斑信息丢失。实验结果表明,提出的模型MPA和MIo U分别为89.18%和83.58%,分割效果优于UNet。（2）针对柿树叶部病害病斑区域大小、位置不固定的问题,提出了一种基于条件卷积的胶囊网络。利用胶囊网络的空间向量可以表示目标的姿态、位置、方向的特性,解决柿树病害位置不固定的问题。同时在胶囊网络中引入条件卷积,利用条件卷积对每个输入样例定制特定卷积核的特性,提高胶囊网络的特征表示能力,使胶囊网络适应不同大小的柿树叶部病害。实验结果表明,提出的模型识别准确率、精度、召回率和F1值分别为88.44%、88.86%、88.44%和88.65%,识别效果优于胶囊网络。（3）设计并实现了柿树叶部病害图像分割与识别系统。系统由病害图像分割识别APP和病害信息管理系统组成。病害图像分割识别APP包括图像获取、图像裁剪、图像预处理、病害图像分割、病害图像识别、病害分级、病害防治和种植问答功能。病害信息管理系统包括病害信息管理、种植问答信息管理和用户信息管理功能。该系统旨在为果农提供一种便捷工具,辅助果农进行柿树病害的早期诊断和防治。