农业兴，基础牢；农村稳，天下安。农业是我国国民经济的基础，农田害虫危害是影响农业生产的主要因素之一，仅此一项，全国每年造成的粮棉损失即达总产量的13％-16％。长期以来，我国多沿用黑光灯诱集害虫、人工识别计数的测报方法，该方法与测报人员的综合素质密切相关，主观因素较大，影响了测报的准确性和时效性，不利于农田害虫的防治工作及时、有效地展开。因此研究新的害虫识别、测报方法势在必行。 本文在中科院模式识别国家重点实验室开放课题基金与河南省自然科学基金项目的资助下，以河南省植保站和郑州市植保站为实验基地，多次深入植保现场进行实验研究，给出了基于图像识别的农田害虫检测新方法。本文主要完成了以下几个方面的工作： 1．提出了检测系统的总体设计方案；对检测系统的硬件装置进行了改进：为检测装置加上了上下振动滤网，运用环状光源设计了圆柱体灯箱。 2．结合本系统获取的害虫图像，提出了一套实用有效的图像增强和分割方案，实现了害虫二值目标的准确分割。 3．分析了主要农田害虫的形态学特征，提取了害虫目标图像的面积、周长、复杂度、不变矩等16个特征，并筛选出了适合分类的7个有效特征。 4．设计并比较分析了BP神经网络分类器、径向基函数神经网络分类器和Gauss模糊分类器。针对传统BP算法易陷入局部极小和收敛速度慢的问题，分析了各种改进方法，提出了新的联合优化算法，使网络的收敛速度大大加快，其对9类害虫的识别率达到了92.2％；分析设计了RBF神经网络分类器，采用模糊C均值聚类法来确定其基函数的均值和方差，用递推最小二乘算法进行输出层权值的学习，识别率达到了95.5％；分析设计了Gauss模糊分类器，其识别率达到了86.7％；比较了各种分类器的特点，选用RBF网络分类器，其现场对9类害虫的在线识别率达到86.8％。