广东蔬菜种植面积和产量不断提高的同时,蔬菜作物的高发性病害成为影响其高产的重要因素之一。因此,利用绿色、高效的技术来诊断防治蔬菜作物病害具有重要的现实意义。本文针对目前作物病害识别方法局限、效率不高问题,系统研究番茄、辣椒、茄子、香瓜四种蔬菜作物典型常见的叶部病害特点。本文实验以提高病害图像识别率和分割效果为目标,采用基于全卷积网络的图像分割对样本图像进行分割实验,并结合分水岭算法、区域增长算法和K-means聚类算法三种图像分割算法对比分析,建立最优的蔬菜叶部病害分割模型,以期解决目前单一的分割模型不统一、互不兼容、实用性不强等问题。首先通过田间实验采集四种蔬菜作物叶部病害图像作为实验样本（原始图像约2000张）,再对样本图像进行灰度化处理、像素坐标变换、图像增强和边缘检测等图像预处理操作,并结合深度学习工具Label Me和Adobe Photoshop对样本图像进行人工标记、制作索引图,为算法提供基础数据;接着分别使用分水岭算法、区域生长算法和K-means聚类算法和基于全卷积网络分割算法分别对样本数据集进行分割测试,对比分析四种分割模型在番茄、辣椒、香瓜、茄子叶部病害图像上的分割结果,其中全卷积网络分割算法可以提取蔬菜叶部病害图像中主要患病区域;最后使用基于GT（ground truth）图像的评价指标（欠分割率、过分割率、分割精度）和语义分割的评价指标（像素精度、平均像素精度、平均交并比、频权交并比）分别对每种作物的分割结果进行评价。研究表明,分水岭算法、区域生长算法和K-means聚类算法模型对番茄、香瓜和茄子叶部病害图像的平均过分割率和欠分割率均低于0.1,分割精度达到80%以上,辣椒的分割效果较差,各评价指标均低于其他三种作物。全卷积网络分割模型对四种蔬菜作物叶部病害图像进行语义分割的平均交并比为66%,平均像素精度为73%。