樱桃,别称“含桃”,落叶果树类中属成熟最早的树种,其果实晶莹饱满,果肉营养丰富,深受消费者喜爱。然而由于种植过程会引发多种病虫害,容易造成产量下滑以致经济效益不高。传统病虫害检测大多依靠种植户的经验判断和农业机构的专业检测,费时费力,实时性差,难以满足现代化农业的发展需求。因此实现樱桃病虫害的精准、快速检测是非常必要的,可最大限度地减少产量与经济的损失。基于上述背景,本文依托樱桃智慧种植项目,设计开发了樱桃病虫害智能检测系统,实现对樱桃的病虫害图像智能识别和病情快速诊断。其主要研究内容、方法和结果总结如下:（1）建立基于樱桃的病虫害知识库。通过爬虫技术、查阅书籍和基地现场调研等途径搜集了樱桃病虫害的详细介绍、所属类型、症状、主要为害部位、发病规律、防治措施以及病情图片等信息。并利用My SQL、Neo4j数据库工具构建对应数据库。（2）研究樱桃病虫害图像识别算法。本文针对樱桃28种病虫害,以数据增强技术为基础,通过迁移学习方法微调VGG16、Inception V3、Res Net101三个比较流行的卷积神经网络模型,通过对模型准确率进行比较选定了对于樱桃病虫害识别结果最好的Res Net101模型,为后续的系统开发中病虫害图像识别功能提供算法支撑。（3）针对项目实际需求开发了樱桃病虫害智能检测系统。系统包括微信小程序端与Web端两部分,应用（2）中训练的算法模型,最终实现了病虫害图像识别、基于知识图谱的病虫害诊断、樱桃多方位数据展示以及各类樱桃种植数据的综合管理等功能。经系统测试和算法实验验证,本文实现的樱桃病虫害智能检测系统满足设计诉求,为樱桃种植者提供方便快捷的病虫害检测,对有效提高樱桃产量、降低经济损失发挥相应作用。另外本文的主体对象虽为樱桃这一作物,但当中的模式与方法可扩展到其他多数作物的智慧种植过程中,在提高农业效率方面具备一定应用价值。