蔬菜在我国农业种植领域的地位至关重要,其种植过程的好坏直接影响着农户的收入,其中长势判别的效率关系到果蔬的产量与质量。传统的人工判别方式,虽然可得出结果,但效率低下且存在一定的主观因素,因此,需要一个简单高效的方法替代传统的人工判别方式。本文以菜心的长势识别为切入点,开发一套用于菜心长势在线识别的系统,主要内容如下:(1)建立数据集与数据预处理。数据集采集于菜心种植基地。通过查阅资料并结合地方农业文件构建了菜心长势判别标准。以此标准将菜心共分为幼苗期正常菜心、幼苗期非正常菜心、成长期正常菜心、成长期非正常菜心四类,共计1600张图像数据。从归一化、数据增强两个角度对数据进行预处理操作,为本文提供数据支持。(2)构建菜心长势识别的卷积神经网络。基于AlexNet网络结构,对其进行改进,利用小卷积核堆叠的方式替代原来的大卷积核,并新增了动态学习率衰减、动量梯度下降两种技术,对模型进一步优化。设置预实验,检验模型的合理性与优越性。最终得到93.19%的准确率,并且与未改进前的AlexNet模型对比,收敛速度显著提升。(3)基于JavaWeb技术搭建在线识别系统,实现从上传图片到显示结果的全过程。系统采用Tomcat作为服务器,利用HTML、CSS、JavaScript三种主要技术完成系统前端页面;利用Java的内置方法在服务器内部调用Python文件,从而实现模型在服务器内部运行;通过异步通信技术将识别结果回传到前端页面。本文将深度学习技术引入到Web平台,并完整开发出了菜心长势在线识别系统,系统有着较高的识别准确率与良好的稳定性,实现了准确、及时识别出菜心长势的目的。