烟草病害是目前困扰烟草种植户的一大问题,而我国又是烟草生产大国,烟草是我国主要的经济作物之一。烟草病害不加以控制和预防的话,会严重的影响种植户的收入和国家的财政税收。据统计,2015年全国共种植烤烟1610万亩,烟草行业实现工商税利总额超过11400亿元,上缴财政总额超过1万亿元。烟叶质量的好坏取决于烟草的健康生长于否。但在烟草的生长过程中,不可避免的会受到各种影响因素的影响,其中就包括各种烟草病害的危害,一旦产生病害,就会不同程度的让烟叶质量打折扣,影响烟叶的整体水平。传统的烟草病害识别需要专业的技术人员和技术设备,无法满足种植户的需求,无法大面积的使用推广。因此,如何高效快速的识别烟草病害的急需解决的问题。本文的处理对象是大田环境下采集的病毒病、角斑病、气候斑病等多种烟草病害图片,采集装备使用的是安卓系统的手机,利用深度学习结构的卷积神经网络方法,结合反向传播算法对烟草病害图片进行识别分类。卷积神经网络是人工神经网络和深度学习技术的融合,实现局部感知、层次结构化、特征的抽取以及识别分类相结合的全局训练特点。本文使用的卷积神经网络模型是6层结构,其中包括输入输出层、2层卷积层、2层采样层和1层完全连接层。该结构通过局部感受野、权重共享和降采样法识别实现图像的位移、缩放和扭曲不变形。本文通过相关实验验证了卷积神经网络模型的可行性和高性能。同时,讨论了不同的迭代次数和不同分辨率对网络模型训练和分类的影响。设计了基于Web的烟草病害诊断系统。烟草病害诊断系统通过网页设计实现功能,只需要种植户上传烟草病害图片或通过病害列表选择相应病害的描述,根据反馈的诊断结果来实现烟草的病害预防。当种植户在大田发现烟草病害时,通过手机拍摄病害图片并上传到烟草病害诊断系统,经过专家的诊断以及病害数据库的数据的对应识别,将烟草病害的识别结果及时反馈到页面,种植户可以根据反馈信息及时进行相应的防治工作。