“民以食为天”,粮食关系着国计民生,是日常维系生活的重要物资。小麦作为三大粮食作物之一,保障小麦生产安全对国家粮食安全具有重要意义。小麦种植过程中,受光照、温度、土壤、肥料、水分等环境因子影响,时有病虫害发生,如若防治不及时,会严重影响小麦的产量以及质量。传统人工检测病虫害的手段主要依赖于肉眼观察和人工统计,这样的解决方法主观性强、时效性低、精度统一难度大。随着计算机技术和深度学习的发展,针对传统人工检测方式的不足开展的研究和应用也越来越多。本研究将深度学习与病虫害识别应用相结合,以常见的小麦白粉病、小麦赤霉病、小麦叶锈病和小麦吸浆虫等4种小麦病虫害为对象,研究卷积神经网络与胶囊网络相结合的病虫害识别方法,建立小麦病虫害图像识别系统。主要研究结果如下:（1）基于卷积神经网络与胶囊网络建立了由多个卷积层、池化层、初级胶囊层和softmax层组成的多通道网络模型—CNN-Caps Nets,通过初级胶囊层层接收卷积层传输的卷积核,提取更多的图像特征用于图像分类。经过对比,CNN-Caps Nets模型在4个通道并且胶囊层胶囊数量为16个的结构下分类效果最佳,小麦白粉病、赤霉病、叶锈病和吸浆虫图像识别准确度分别为90%、71%、91%和58.3%。（2）构建了小麦病虫害图像共享数据库,在图像分类CNN-Caps Nets模型的支撑下,设计与开发了小麦病虫害图像识别系统。通过大量测试结果证明,该系统能够准确对上述的4种小麦病虫害进行分类,准确率平均为78.06%,识别速度在15s以内。综上,利用深度学习技术构建病虫害图像识别系统,为小麦病虫害识别和防治提供了一种科学有效的手段,克服了传统人工诊断的主观性和时效性低等问题,对保障小麦稳产、高产、增质具有重要的意义。