为了更高效地对绿色蔬菜作物的生长情况进行监督、判断,有效的在早期快速发现、识别、诊断和分类病害,精准施药防治,运用科技手段有效降低人工成本,弥补人工发现、识别、诊断和分类蔬菜病害方法的缺陷和不足,计算机图像处理技术在农业领域展现出了它强大的优势。本文是以黄瓜作为研究对象,对其生长过程中白粉病、霜霉病、靶斑病等病害的初步探索研究。（1）通过翻阅资料,实地走访,了解了黄瓜在生长过程病害的症状及发展趋势,在太谷县绿色蔬菜种植基地东山底村农户大棚采集了黄瓜白粉病图片300张,霜霉病图片600张,靶斑病图片200张,健康叶片图片500张,为了精确计算病斑面积,采集图像时加入一枚硬币作为参照物。（2）利用图像灰度化、二值化、去噪、特征分割等图像处理技术对这些黄瓜病害图片进行了预处理操作,分析图像的颜色、纹理,提取病斑特征信息,通过深度学习DNN、RNN、卷积神经网络等原理以及迁移学习、模型训练等过程,使用Alex Net、Vgg Net19、Res Net101、Squeeze Net网络模型对黄瓜叶片病害病斑图像分进行分类识别的测试,在训练模型时候采用训练集和测试集以8比2的比例进行训练。病害等级是依据黄瓜叶片图像病害病斑面积与叶片总体面积的比例计算分析病害程度进行分级。（3）以Matlab为开发工具,选用训练准确率最高的Res Net101网络模型,编写代码,搭建App Desigener操作界面,设计了黄瓜病害识别系统,该系统操作界面有载入原始图像、自动识别检测、分析结果显示等区域,载入原始图像后,可以自动对样本图像进行预处理、病害识别、病害分级等一系列分析运算,在结果显示区输出病害种类、识别精准率、病害面积占比、病害个数和病害程度等级。为了验证系统的稳定性和病害识别的准确率,从采集到的图像中随机选取了100张进行验证测试,测试结果为:22张准确率达到100%,1张准确率为87%,1张为89%,其余76张都在90%到99%之间。