猕猴桃病害向来是影响猕猴桃产量和质量的重要因素。在猕猴桃种植过程中,为防虫防害会使用农药、化肥等化学药剂,但若对它们过度依赖,会导致猕猴桃果实的质量降低,甚至会破坏生态环境。因此,诊断猕猴桃病害并制定相应的风险防范措施对猕猴桃的保质保量生产具有重要的现实意义。本文以猕猴桃褐斑病、花叶病、溃疡病三种病害作为研究对象,针对以上三种病害提出一种准确有效地识别猕猴桃叶片病害的方法,并结合目标检测算法,最终为实现猕猴桃叶片病害的自动检测提供了技术参考。本文的主要工作如下:（1）制作猕猴桃叶片病害数据集,本研究将自然光下的猕猴桃褐斑病、花叶病、溃疡病及健康的猕猴桃叶片图像进行清洗、整理、标注,制作成一套可供目标检测模型训练与检测的猕猴桃叶片病害数据集,并提出一种基于imgaug的标签与图片同步增广的方法,有效地降低了标注数据集过程中的人工成本。（2）研究目标检测算法在猕猴桃叶片病害识别领域的应用。将制作的猕猴桃叶片病害数据集通过目标检测算法YOLOv5进行训练,以识别复杂背景下的猕猴桃叶片病害种类。本实验分别利用Faster R-CNN、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x网络对猕猴桃叶片病害数据集进行训练。实验结果的综合分析表明,YOLOv5s在猕猴桃叶片病害数据集中表现最佳,其准确率为97.04%,回归率为96.60%,m [email protected]/0.95为0.88,FPS为78。因此将YOLOv5s作为本文的目标检测网络模型。（3）设计猕猴桃叶片病害自动检测系统。系统的主要功能是对猕猴桃叶片病害进行检测和识别,准确区分患病与未患病的猕猴桃叶片,对患病叶片进行检测,识别病害种类并将检测结果以图片和表格的形式传递给用户。本系统以Vue作为前端框架构建用户界面,进行待检测图片的导入与已检测图片的呈现;以Flask作为后端管理框架,实现前端传入的待检测图片的处理和检测并将检测结果以Json格式传递给前端。