农作物是农业生产为人类社会提供的基本生活资料,是一项重要的资源,它的产收在国家的社会经济发展中占据较大的比例。在制约作物产收的各项因素中,病害是最主要的一项,若不能及时诊断病害并进行处理,可能会导致农作物的产量缩减和品质下降,对农业经济产生巨大影响。因此,能否对农作物的病害进行及时有效的识别十分关键,研究作物病害的识别技术对农业发展有着极为重要的意义。玉米作为主要粮食作物之一,除了作为食用粮食也是农业、畜牧业、养殖业等行业的重要原料之一。本文以玉米的几类常见病害为研究对象,综合运用图像处理技术建立有效的图像识别模型,精确识别玉米病害,并开发识别应用程序以解决实际应用需要。主要研究内容有以下几点:（1）研究学习玉米常见病害以及玉米病害叶片数据集构建;（2）玉米病害叶片的图像处理,涵盖以下几个方面:图像的预处理操作,包含了图像的裁剪、增强等步骤;图像的分割,重点研究两种不同的图像分割方法:即图像阈值分割方法、Grabcut优化分割方法对玉米病斑进行分割;病害病斑的特征提取,从玉米病斑的颜色、纹理、形状三个方面总计提取12个特征向量;（3）玉米病害的图像识别,通过支持向量机（SVM）模式识别技术对玉米病害进行分类识别实验,构建分类识别模型,并对实验结果进行分析比较,得出最优的玉米病害识别模型;（4）在获取最优模型基础上,对识别模型进行移植,结合软件开发技术,开发Web应用程序,以解决实际生产需要。研究达到了预期的成效,主要结果如下:（1）本研究中Grabcut优化分割方法识别模型识别准确率、整体性能优于图像阈值分割方法识别模型;（2）Grabcut优化分割方法下选用高斯核函数（BRF）的SVM分类器进行分类识别的效果最好,识别准确率达95.41%,为本研究最优模型。（3）开发玉米病害识别的Web应用程序,将本文研究成果从代码转化为能够解决实际生产问题的应用,实现用户在实际生活中能够高效地识别玉米病害并及时防治。