小麦在全世界范围内有着广泛的种植面积,小麦赤霉病害导致粮食大规模减产时有发生。为了应对赤霉病害的爆发,通常采用提前喷洒农药预防赤霉病害,但是在农药喷洒过程中经常出现药物滥用问题,不仅污染环境,而且增加了种植成本。为了更好解决农药污染、减少农药的滥用问题,准确、迅速的识别小麦赤霉病害并鉴定等级具有指导生产的作用。随着卷积神经网络发展,为赤霉病害的无损检测提供了理论依据。为了识别小麦赤霉病害并且对赤霉病害的等级进行评估,本文将基于卷积神经网络理论与图像分割算法对赤霉病害图像进行识别与分级研究,本文主要工作如下:（1）本文基于VGG-Net改进了卷积神经网络,并且比较了多种不同深度的卷积神经网络模型对小麦赤霉病害的识别效果。在试验田环境下采集小麦图像,分割出不同病害程度的小麦图像,根据图像增强理论对数据进行扩充,制作了小麦赤霉病害数据集。构建了基于Alex-Net、VGG-16与VGG-19的神经网络模型,在自制数据集上进行赤霉病害识别实验,对上述3类模型的结果进行比较分析。本文在卷积神经网络模型上降低了全连接层的深度,减少了全连接层中的神经元数量,并且增加的了卷积层的深度,改进后的VGG＿16模型测试集识别准确率达到了98.0%。结果表明,改进后的VGG＿16卷积神经网络结构具有更高的识别准确率。（2）本文研究了基于全卷积神经网络的赤霉病害等级鉴定方法。在VGG＿16的模型基础上构建了用于分割赤霉病害病斑的反卷积模块DGVGG＿16;通过最近邻插值与卷积实现上采样,结合跳跃连接重建图像,针对已经识别的病害图像进行病斑分割训练,最终的测试集像素准确率、平均像素准确率与平均交并比分别为80.3%、69.8%与60.2%。通过患病麦穗像素点数量与整株麦穗像素点数量的比值得出病害等级。