现代温室作为农业种植技术必不可少的农业生产技术,在反季节种植蔬果等应用上有着越来越重要的作用,因此对温室的研究必不可少,此外智能温室能有效改善植物生长环境,及时预防农作物病害,提高农作物产量,因此对智能温室自动监测及病害识别的研究具有较高的应用价值。本文以发生病害的植物为监测对象,构建了温室病害监测及病害识别系统。目前很多植物监测系统都是24小时监测,但植物病害并非时时刻刻都会发生,导致内存资源的浪费。因此,本文利用OpenMV智能监测模块设计出多颜色阈值自动识别采集的病害监测系统,该系统由舵机控制云台不断转动,当监测到病害图像时开始采集。本文以温室番茄病害植株叶片为研究对象,构建了一套温室智能监测识别系统。基于图像处理技术,对番茄病害(灰霉病,白粉病,晚疫病)以及正常叶片图像做分类识别研究,构建了 ASCS-BPCA病害分类器。选用基于k-means初始化GMM模型算法对病害图像处理,通过HSI变换实现病斑分割,并进一步提取病斑颜色特征、纹理特征等。结合ReliefF选取优良分类特征,并针对布谷鸟搜索(CS)算法后期收敛速度较慢,易陷入局部最优等缺点,结合BP算法的反向传播特点,提出了自适应步长的CS算法与BP协同搜索算法(ASCS-BPCA),进行番茄植株病害识别,并将ASCS-BPCA识别器性能与传统CS-BP进行仿真实验比较。仿真结果表明本文的优化算法性能有所提升,同时验证了本文简化模型应用中RF的有效性与PCA的局限性。本文将自动监测系统与云存储技术相结合,搭建物联网监测平台,实现番茄病害图像的远程监测。建立的病害识别模型有效可行,并能实现网络远程共享,可以寻求专家远程诊断,满足现代温室病害植株的远程监测和病害识别的应用需求。