中国是世界最大的茄子生产国。近年来,随着种植面积的扩大,茄子病害逐渐成为了制约茄子高产、优质、高效益生产的主要因素,甚至在重茬严重的田地里,已到了无法继续种茄子的地步。因此在茄子发病初期准确识别病害成为关键。而目前对蔬菜病害的识别方法都有一定的局限性,难以满足现代农业要求。随着计算机视觉技术与模式识别技术的不断发展,利用计算机智能诊断识别作物病害得方法应运而生。在分析国内外利用计算机视觉技术为手段、结合图像处理与模式识别技术的研究基础上,本文重点研究了病害茄子叶片上病斑的颜色、形状、纹理特征参数,提出了一种基于图像处理的茄子叶部病害识别方法。本文主要工作和创新点包括以下几个方面:(1)集成适合监测茄子病害的茄子病害图像采集系统。通过分析研究茄子病害识别所需要的图像质量要求、采集设备的功耗及无线通讯距离等,自主研制了一套基于太阳能供电的、具有远程无线通讯的茄子病害图像采集系统。(2)病斑分割方法研究。对病害图像进行预处理,如图像分割、图像均衡化等。根据作物病害图像的特点和采集条件,分析比较几种传统图像预处理方法的效果,改进算法,提高对图像的处理效果,为图像的后期处理做准备。根据叶片图像在HSI颜色空间中H分量图的像素点H值集中在一段区域内,即病斑色调集中的特点,将H分量图二值化得到背景部分,从而获取病斑图片。(3)特征提取方法研究。以选择的病斑图像RGB和HSI颜色空间中各分量的一阶矩、二阶矩等12个统计特征作为颜色特征,以计算病斑图像的圆形度、矩形度、偏心率、形状复杂度、和7个Hu不变矩等11个统计特征作为形状特征,以灰度共生矩阵计算病斑图像得出的相关性、能量、对比度、熵的均值与方差等8个统计特征作为纹理特征,组成共31个特征参数;再通过方差和主成分分析法选择20个分类能力强的特征参数,组成分类特征向量。(4)对比分析三种不同的模式识别分类方法对测试集进行分类。试验结果表明,三种方法对茄子褐纹病的识别准确率均达到90%及以上,说明本研究提出的方法可以对茄子叶部病害进行快速、准确识别,为田间开放环境下实现茄子病害实时检测提供了技术支撑。