黄瓜是我国主要的粮食作物之一，对我国农业生产有着非常重要的意义。病虫害是蔬菜生产最大的阻碍，由于人们对病虫害防治知识的有限认识，农药的过量喷洒不仅造成蔬菜产品农药残留超标而且使环境受到污染。因此，迅速并准确地识别蔬菜病害，对农作物及时防治的工作进行有着重大意义。由于黄瓜叶片背景复杂，直接阈值分割病斑有一定困难，本文通过建立病斑色彩的检测模型来检测黄瓜病斑，可以获得较好效果。文中以常见的黄瓜细菌性角斑病为研究对象，主要有研究以下几方面内容：一.图像获取在山西农业大学的黄瓜细菌性角斑病实验区，对叶片病斑的早、中、晚期样本进行了图像采集工作，另外，对其他几种常见黄瓜病斑图像也进行采集。二.图像预处理由于光照等外界环境的影响，采集到的图像都存在一定的噪声和干扰，必须通过一系列必要的操作对图像质量进行改善，首先为加快处理速率，先对图像进行平滑处理，有效除去噪声；对去噪后的图像进行灰度化处理以及纹理增强处理，为后面纹理特征提取工作提供有力条件。三.病斑特征提取及优化选择分别从病斑图像的颜色、纹理、形状三方面入手研究，一共提取了十三个特征值，再通过遗传算法的筛选工作，最后将其中八个特征值作为病斑识别系统的输入。为了更好的提取形状特征，首先将采集到的图像由RGB颜色空间转为YCbCr空间以便对病斑的检测工作，然后在所有采集的图像中病斑部分以及背景部分采集大量点，并将所采集点的颜色值绘制在YCbCr空间，通过色彩聚类建立病斑聚类模型达到对病斑分割的目的；对于病斑的检测结果，为了更好地为后面形状特征特区工作提供有力条件，需要利用形态学中的开运算和闭运算对病斑的检测图像进行处理，以去除图像中孤立的小点、毛刺等，突出图像中感兴趣区域，为后面病斑特征的提取及病斑识别打下良好基础。四.病斑的识别采用最常用的BP神经网络识别模型来对病斑识别，根据颜色以及纹理特征对病斑类别进行识别，进而根据病斑的形状特征来识别病斑所处的时期。