植物病害问题是限制植物健康生长的关键因素。为了解决植物的病害问题,人们做了大量的研究工作。植物叶片中蕴含着大量的生长信息,基于深度学习技术的图像分类、检测、识别等任务均取得了很好的效果。本文对植物病害检测算法进行了研究及设计实现了植物病害检测系统。本文以植物病害检测为背景,以黄瓜叶片的枯死病检测为例,以收集的1500张包括健康叶片和患有黄瓜枯死病的黄瓜叶片图像为数据集,针对复杂背景下黄瓜枯死病病害图像的分类检测问题,设计了植物病害双网络检测模型,通过模型优化和参数训练,实现了对黄瓜枯死病图片的分类检测。将VGG16模型和支持向量机算法应用到黄瓜枯死病图片的分类检测,与双网络检测模型进行实验对比。结果表明,在黄瓜枯死病图片检测任务中,本文提出的双网络检测模型分类精度可以达到98.32%,配置优化器并设置最优参数,检测精度可以高达98.79%。基于双网络检测模型,设计实现了植物病害检测系统。系统功能包括:系统界面模块、系统注册登录模块、病害检测模块、可视化模块和管理员模块。系统界面模块主要给用户提供一个病害检测按钮,以及展示常见病害的预防与治理措施;系统注册登录模块主要给管理员提供注册和登录入口,方便管理员注册和登录;病害检测模块主要对用户上传的图片进行病害检测;可视化模块负责将病害检测结果进行可视化展示并将检测结果分类存储;管理员模块指的是管理员后台的功能,主要包括更新界面、收集图片以及查看图片。本文的主要工作和贡献如下:1、构造了植物病害双网络检测模型。该模型由网络一和网络二组成,每个网络有五组卷积和三层全连接,全连接层的维度设置由4096维降到256维,再降到2维。网络一中以提取的黄瓜叶片的第四组卷积特征作为输入,进行第五组卷积和全连接层的参数调整;网络二的作用主要是在网络一的基础上,提高“难样本”的分类精度。2、开展了 VGG16模型和SVM算法的研究。将该两种算法应用在复杂背景下黄瓜枯死病图片的分类预测,与双网络检测模型进行实验对比分析,实验结果表明,本文构造的双网络检测模型获得了更高的分类检测精度。3、系统开发平台为windows10,开发语言为java和Python,开发工具为eclipse 3.8,数据库为MySQL5.0,采用Java web技术实现植物病害检测系统。