葡萄是我国最常见的水果之一,随着生活质量的提高,葡萄酒的销量也在不断增加,然而大规模的种植最怕的就是病虫害的危害。传统的葡萄叶部病害检测方法,是果农们依靠自身长期累积的经验对葡萄病害类别进行判断,这种方式主观性强,诊断效果较差,容易误判。本研究以葡萄叶片为目标,以其常见的5种病害为研究对象,将形态学操作与特征提取相结合,选取合适的阈值对复杂背景下的葡萄叶片进行去背景处理,将特征融合与病斑匹配相结合,在自适应融合策略的监督下,完成葡萄叶部病害的检测。主要研究内容如下:(1)提出了一种多特征融合的病斑分割算法。对病斑的各个特征进行提取,选择对病斑分割影响较大的特征因子,将多个因子进行融合并将融合后的单色背景病叶用于图像的分割中,实验表明该方法对葡萄5种常见病害的错分率均低于1.90,明显优于单特征融合分割算法。(2)从同类型病害有着匹配度接近的特征规律角度出发,研究了一种自适应多特征融合策略,定义了Acc＿top指标来对系统的检测性能进行评估,最后对三大基础特征和Sift特征进行融合并计算其匹配度,实验可知,多特征融合后的图像的Acc＿top1达到90.84%,远高于原始图像和单特征分割图像,略高于改进的K-means分割图像,且在匹配时间上也有显著提升。该方法对葡萄白粉病的识别效果最好,识别率为92.60%,炭疽病和黑痘病的识别率也都高于80%,分别为85.30%和84.12%。