随着计算机与芯片计算能力的提高,人工智能领域的研究重新兴起,其中卷积神经网络(Convolutional Neural Network,CNN)被广泛用于各领域图像识别上,并逐渐向移动端与嵌入式端转移。水稻病害检测一直是植物病害检测中的首要问题,如何准确、高效地对水稻病害进行检测并提高水稻产量是农业的热点问题。基于人工智能理论对水稻病害检测系统进行研究,系统主要从图像采集、温湿度采集、病害检测模型三部分来完成设计。将ARM作为嵌入式平台的主控单元实现水稻病斑图像采集、环境温湿度检测。将采集的图像作为检测模型的输入完成水稻病害的离线检测,并通过温度、相对湿度等环境因子辅助诊断。在PC上进行模型设计,搭建TensorFlow深度学习框架,通过卷积神经网络完成水稻病害检测模型的设计与训练,将优化后的模型移植到嵌入式端来实现终端的检测识别功能。测试表明,水稻病害检测系统能够完成基本功能,图像的采集速率为25帧/秒,采集的病斑图像的分辨率为640×480;系统测量的湿度范围在0~99.9%RH,温度量程为-40~80℃;通过测试验证,病害识别的平均准确率为96%。