马铃薯作为一种健康美味的食物,备受人们喜爱。最近几年,马铃薯在全国范围内的种植量以及消费量都大幅提升,我国已经发展成为马铃薯种植业以及制造业最大的国家,但大面积的马铃薯种植业的发展面临新的难题与挑战。在马铃薯生长过程中,由于受种植地区的土壤、温度、空气等影响,导致马铃薯生长过程中很容易产生病虫害,这就给马铃薯产业的发展带来了阻碍。如何简单快捷地诊断马铃薯病虫害并及时治疗是亟需解决的问题。图像识别技术是在信息高速发展、智能化水平不断提升的环境下而产生并不断发展的一项重要技术,图像识别的主要原理是由计算机代替人工劳动去发现和处理生产需要的大量信息,从而达到提高劳动生产率、将劳动者从可替代性的工作中解放出来,更大程度的实现生产智能化。基于图像识别技术进行的马铃薯病虫害检测是利用图像识别技术检测出马铃薯在生长过程中出现病虫害的过程。将图像识别技术应用到马铃薯疾病诊断可以简化识别过程、提高识别准确率,从而推动马铃薯产量的增加。本文将图像识别技术应用到马铃薯的病虫害检测主要分为三个步骤:(1)使用opencv技术对图像进行灰度化、二值化、去噪等图像预处理;(2)使用滑窗的方式在图像上提取设定的特征值,每个滑动窗口提取20个特征值。使用遗传规划算法对特征集进行特征选择,得到最优特征子集;(3)使用KNN、SVM、随机森林、逻辑回归分类算法对马铃薯的病虫害进行识别,得出识别结果。为了验证本文提出的方法的有效性,选出被病虫害侵蚀的图片,共72个样本,三种不同的疾病,划分为两类,类别为得病、未得病,并进行了两组对比实验。第一组实验分别使用KNN、SVM、随机森林、逻辑回归等分类算法对未进行过特征选择的特征集上进行实验,其中,在SVM算法上测试的准确率为90.52%,KNN的准确率为88.70%。第二组实验使用C4.5算法对已经进行特征选择的特征集上进行分类,准确率为90.20%。通过实验可以看出,各分类算法对基于马铃薯叶片图像进行疾病诊断的效果较理想,特征选择后可以减少特征的数量,提高分类识别的准确率。利用图像识别可以简单、快捷的实现马铃薯疾病诊断,从而制定马铃薯病虫害预防与诊治方案,从而提高马铃薯增长增收,促进马铃薯产业的快速、健康的发展。