随着信息技术的不断发展,图像处理在众多领域的应用越来越深入。同时,近年来随着苹果产业的蓬勃发展与苹果种植面积的不断扩大,各种病害对苹果生长的影响也不断增大,严重影响着苹果的产量和质量,继而影响果农的经济收入。经研究发现,大部分病虫害都会影响苹果叶片的生长,不同的病害在叶片上呈现的形状、颜色、纹理也各不相同。病害的有效识别和预防,是保证果农经济收入首要解决的问题之一。但目前苹果叶片病害识别主要依靠观察人员的经验进行判断,无法确保即时准确的识别。因此,本文应用图像处理技术对苹果叶片病害图像进行预处理,提取病害特征,然后采用极限学习机模型对提取到的特征进行分类识别。本文主要研究内容有:(1)苹果病害叶片图像预处理。针对苹果叶片病害图像特点,首先采用可以保留图像边缘信息的中值滤波结合小波变化的方法对图像进行滤波去噪处理,然后采用直方图均衡化技术进行图像增强,最后采用阈值分割算法与最大类间方法差(OTSU)的分割算法进行图像分割,实现了病斑的有效分割。(2)苹果叶片病害图像的特征提取。针对图像病害特征的不同,采用颜色矩法提取病斑颜色特征,利用灰度共生矩阵提取病斑纹理特征,采用Hu不变矩的方法提取病斑形状特征,最终选择能量、相关性、似圆率等具有明显差异的12种特征作为识别参数。(3)叶片病害分类。应用极限学习机模型实现苹果叶片的病害检测,通过激活函数的实验对比,选取Sigmoid函数作为模型激活函数,针对隐含层节点数影响准确率的问题进行实验,结果表明当节点数为600时,综合效果最好。(4)设计并测试苹果叶片病害检测系统。在Matlab2016a与Visual Studio2013环境下,应用Matlab与C#混合编程技术实现苹果病害检测系统。实验结果表明,系统检测率可达到96.8%。