农业生产中果蔬的培育产出占有重要地位,但由于生长过程中的复杂多变的环境因素,极易发生病害造成产量下降,耗费巨大的资源。近年计算机视觉技术发展迅速,农业病害识别逐渐成为该技术新的应用领域,在农业发展的过程中占有重要地位。针对这一问题,本课题以黄瓜叶部典型的霜霉病、白粉病、靶斑病为研究对象,提出一种基于计算机视觉技术的果蔬叶部病害识别与预警方法。文章首先在分析研究应用场景和目的的基础上,给出主要的功能实现要求,确定以红米NOTE 4作为Android软件搭载平台,病害识别方法的开发在现有Windows 10系统的PC端完成,通过HTTP协议实现信息的传输,在PC上布署客户端与服务器端的开发环境,安装配置集成开发工具Eclipse及计算机视觉库Open CV。然后对采集的三种病害各100幅图像进行预处理,去除图像中的噪声和各种冗余信息,获取了病害图像的灰度图和二值化图像,结合全阈值法和局部动态阈值法对图像中病斑区和过渡区进行分割。根据黄瓜三种病害的特点,在Eclipse中调用Open CV库中对应的函数,提取了病斑区和过渡区的颜色、形状、纹理三方面的各13个特征数据,采用LIBSVM工具对黄瓜病害进行识别,对比过渡区特征数据有无对识别结果的影响。经反复测试验证,采用径向基核函数,惩罚参数C=32,核函数参数γ=1时,以两个分割区域的26个特征数据作为输入集,SVM分类识别效果最好,霜霉病、白粉病、靶斑病的识别率分别达82.5%、75%、90%。此后在Android手机上开发客户端图像采集和结果显示软件,实现与服务器端病害识别的交互,客户端可以实时获取并显示识别结果,并提供信息保存功能。最后统计果蔬病害的环境影响因素,分析黄瓜叶部霜霉病的发病诱因,通过对空气温度和湿度的监测,开发了霜霉病病害预警系统,可实时查看环境信息、天气信息,并提供历史数据的查询。整套系统改进了传统识别方法,实现了图像采集、结果显示与病害识别分离的效果,并提供一定的预警功能。发挥了Android设备的自由移动性和PC数据处理的高效性特点,识别结果较好,交互实时性强,对果蔬叶部病害识别领域的发展有一定的借鉴意义。