本研究以计算机图象处理技术为手段，依据农作物病害图象的特点，采用改进的矢量中值滤波方法对原始图象进行预处理，运用统计模式识别方法和数学形态学理论对滤波后的图象进行分割。然后分别基于农作物病害图象的纹理特征、病斑的形状和颜色特征进行病害的识别。最后，研究了农作物复合病害的识别方法。文章主要内容如下：1.采用计算机图象处理技术，建立适于农作物病害识别的计算机处理系统，并针对农作物病害图象的特点，利用农作物叶部病斑的颜色信息，将矢量中值滤波方法应用于农作物病害图象的预处理中，并在此基础上对矢量中值滤波方法进行了改进。2.针对农作物病害图象的特点，利用叶部病斑的颜色信息，采用RGB颜色空间，运用统计模式识别的Fisher线性判决法，对农作物病害彩色图象进行真彩色分割。3.根据农作物病害叶部彩色图象的纹理特点，利用色度矩作为病害叶部彩色图象的纹理特征向量，将支持向量机识别方法应用于病害的识别。4.针对农作物病害叶部病斑形状特点，利用圆度、形态复杂性、伸长度、凹性率作为病害叶部病斑的形状特征向量，应用支持向量机识别方法对农作物病害进行识别。5.针对农作物病害叶部病斑颜色特点，采用L*a*b*颜色系统中L*、a*、b*作为农作物病害叶部病斑的颜色特征向量，运用支持向量机识别方法对农作物病害进行识别。6.针对农作物复合病害叶部彩色图象的纹理特点，利用色度矩作为纹理特征向量，将支持向量机识别方法应用于农作物复合病害的识别。本研究为我国农作物保护智能化、自动化监测与变量喷药和农业信息网的农作物病害远程诊断提供了重要的理论依据和应用技术，对缩小我国在农作物保护自动化、智能化、网络化、数字化方面与发达国家之间的差距，促进计算机图象处理技术、支持向量机等人工智能理论在农业工程领域的应用具有重要意义。