由于三七在种植过程中,常年生长于潮湿、温暖和遮荫等环境下,容易诱发各种叶片疾病,直接影响三七的产量和品质,而传统的三七叶片病害检测主要通过人工观察判断完成,在诊断过程中由于三七叶片病害区域表现出的特征具有相似性,使得诊断过程费时费力,费用昂贵,且由于人的主观性可能导致出现误检现象。针对以上问题,本文设计并研发了一套基于卷积神经网络的三七叶片病害手机在线检测与预警装置,提高了三七叶片病害检测与预警的智能化水平,为卷积神经网络在农业中的应用提供了新思路。本文设计的系统主要有三大部分组成,即数据采集装置、服务器和手机app,系统的三大部分之间运用TCP协议、HTTP协议和PTP协议进行数据传输,数据传输的格式为Json。在Python Charm编译器上运用Python语言进行代码调试后,将算法移植到服务器上。其中,数据采集装置由树莓派单片机和摄像头组成,每间隔一小时将采集到的图像传输到服务器后台,服务器集成个推SDK,将采集到的图像和采集图像的时间点存储到数据库中,并进行病害识别,判断三七出现的叶片病害种类和是否超出预警阈值,手机app端集成个推SDK,服务器将分析结果推送至手机app端,手机app端运用Objective-C进行Json数据解析,呈现给操作人员进行病害的在线查看与分析,并用Faster-RCNN训练的模型统计。本文对该装置进行了测试,结果表明,1)对手机app性能进行测试的3次试验中,手机app在各个界面均能正常稳定运行。2)在数据采集装置稳定性测试中,分别将采样周期设置为1、6、12、24小时,10次重复试验,共40次试验中,数据采集成功率均为100%,在数据采集装置可靠性测试过程中,共12次试验中,采集到的图像为清晰的成功率均为100%。3)在三七叶片病害识别准确率实验室测试阶段,圆斑病的识别准确率为98.4%,黄叶病的识别准确率为95.6%,灰霉病的识别准确率为93.2%,炭疽病的准确率为95.2%。田间试验表明,装置识别圆斑病的准确率为83.04%,黄叶病的准确率为91.85%,灰霉病的准确率为87.59%,炭疽病的准确率为83.98%,4种病害预警成功率在98.94%-99.64%之间,本文所研发的三七叶片病害手机在线检测与预警装置在实验室阶段进行测试时性能良好,田间三七叶片病害识别准确率和预警成功率较高,能够适应复杂的三七大田环境,该装置具有重要的实际应用价值。