牧草是可再生自然资源草地的主要组成成分,牧草种子是生态保护与畜牧业发展的基础。目前,大多数牧草种子的识别是通过牧民或专家的经验判断,具有效率低、主观性强以及实时性差的局限性,制约了牧草产业的发展。因此,开发便捷、高效的牧草种子识别系统有助于提高传统牧草产业的自动化程度。本文以牧草种子图像为研究对象,利用机器学习与深度学习多种方法提取牧草种子的多种特征,通过融合策略实现牧草种子的自动识别。在此基础上,设计并实现基于移动端的牧草种子识别系统,不仅提高牧草种子识别精度和速度,而且拓展了牧草种子识别的应用范围,降低了识别成本,便于广大农牧民与草业工作者使用。本文的主要工作如下:（1）改进传统AlexNet算法模型。由于牧草种子较小,在非专业人员拍摄的图像中只占很小部分,导致传统的AlexNet特征提取算法提取的特征较少。因此,本文在传统AlexNet模型中,第四卷积层与第五卷积层中间添加一层过渡卷积层,并在每层卷积层后添加批量归一化而且移除最后一层全连接层,新增256维的全连接层更适合移动端的输出。通过实验对比,识别精度比传统算法提高了4.46%,验证了改进模型的有效性。（2）提出基于AlexNet+算法与纹理特征融合的牧草种子识别算法。针对仅依靠种子浅层纹理特征在识别相似度高的同属不同种的牧草种子识别效果不稳定的问题,本文将AlexNet+提取的深层特征与PCA算法、LSP算法、GLCM算法提取的浅层纹理特征相融合,更全面的提取种子的可区分特征,不仅降低光照分布不均、噪声等对识别所造成的不良影响,而且解决了实际识别中相似度高的种子较难区分的问题。实验结果表明,基于AlexNet+算法与纹理特征融合可进一步提高识别准确率。（3）设计并实现基于AlexNet+与纹理特征融合的牧草种子识别系统。系统使用HTML5+Javascript共同编译前端页面;使用Java与Python混合编程技术实现种子识别后台模块,与安卓开发技术结合,将种子识别算法集成在系统中,实现了登录注册、查看各类信息以及牧草种子识别等功能。并应用于移动端软件和微信小程序,解决了Python程序运行会受环境限制的难题。