我国作为农业大国，无论是农业在国民经济体系当中所占的比重还是我国的农耕土地面积都是在世界上处于前列的位置，同时随着我国的国家经济的飞速发展和改革开放之后我国经济的快速腾飞，无论是农业的技术水平和果树的种植产业都有了极大的提升和发展，水果和农副产品在人们的日常生活当中的比重和消费都呈现迅速增长的趋势。自1993开始我国成为世界第一水果生产大国之后，无论是果园的播种面积还是水果总产量，还是人均水果产量都略高于世界的平均水平，农业发展的速度和水平都是处于持续发展和进步的阶段。
　　伴随着农业和果树种植业的发展随之而来的则就是病虫害的防治和解决工作，当农作物和果树收到害虫危害并不能及时的进行防治和解决，不仅会使产量降低影响收成同时对于成果的质量也会产生相应的影响和威胁，严重的情况会使果树绝收，对农户和果园等都会造成严重的经济损失并且降低价值。因此病虫害的防治和研究以及相应的解决方案等成为了农业生产当中一项十分重要的任务和工作，为了保证农作物的质量和产量，加强病虫害的实时检测和防治是一项十分重要和严峻的工作。
　　首先，主要针对于农作物和果树的病虫害进行智能化检测，重点对于受害部分的叶片和虫害进行相应的处理和甄别从而达到对病虫害进行相应的检测和防治研究。主要采用图像分割、模式识别等作为主要计算机技术来对获取的病虫害图像进行处理，对于叶片首先进行甄选将受害部分的图片进行相应的采集从而获取害虫图像，对于目标区域部分和背景部分的区分采取边缘检测法，更好的对于边缘交界部分和边缘部分进行有效可靠的分割。
　　其次，并且对获取的图像进行灰度化处理，选择合适的阈值从而对图像更好地进行阈值分割，对图像运用中值滤波法对图像进行平滑和锐化处理，形成病虫害图像的几何形状、灰度统计量和纹理特征，再对特征进行提取和筛选，选择出特征明显的特征进而利用类内散布矩阵进行特征选择和提取，最后采用人工神经网络和BP神经网络分类器对害虫进行分类。
　　最后，对于前景区域即目标区域和背景部分的区分和有效甄别我们采用图像灰度化进行区分，对于边缘交界处和边缘部分我们通过边缘检测法对该部分的几何形状等进行细致的处理，并且为了保证图像的清晰程度同时也为后期处理的便捷我们将图像采用图像平滑和图像锐化的处理，对于特征的选择和提取采取较为现进和效率较高的遗传算法，进而对病虫害进行相应的分类识别，并对实验结果进行对比分析，并在识别过程当中利用遗传算法对特征进行选择使得效率和识别程度上都有了很大的改善和提高，同时也有效地客服了BP神经网络在学习训练过程收敛速度慢和容易陷入局部最小的不足的情况。