中国是名副其实的蔬菜生产、消费与出口大国,但蔬菜害虫的发生却严重制约了蔬菜产业在国内的蓬勃发展。及时准确的鉴定害虫种类是开展有效的蔬菜害虫治理、确保蔬菜优质安全生产的重要前提。因此,在蔬菜种植过程中及时、准确地对蔬菜害虫进行识别检测至关重要。通常,害虫的识别工作主要通过形态学和基因序列特征靠人为鉴定,主观性强,时效性差,且掌握害虫知识的专业人员相对缺乏。特别是,就蔬菜害虫而言,农业技术人员专业指导服务覆盖不充分,加之害虫种类繁多,及农民自身认知有限,蔬菜害虫的识别结果往往会出现较大误差,蔬菜害虫的防治工作缺乏针对性和有效性。随着信息技术,特别是智能识别技术的不断发展和智能手机的广泛普及,“形色”、“汽车之家”等各类基于深度学习技术的图像识别软件得到了成功应用,开发能够帮助菜农和基层植保人员实时准确识别害虫、指导菜农实施科学高效害虫治理的蔬菜害虫图像识别和信息查询智能综合系统具有现实意义。本文以6种十字花科蔬菜害虫为对象,以深度学习算法为基础,开发了基于深度学习的十字花科蔬菜害虫图像识别系统,在此基础上,构建了可用于指导蔬菜害虫治理的信息系统。主要研究内容与成果如下:1.构建了害虫图像数据集和信息数据库。通过拍摄和网络爬取搜集了6种十字花科蔬菜害虫的图像1375张,通过数据扩充将数据集扩增至11000张,将害虫图像及文本信息压缩并以二进制的形式保存在MySQL数据库。客户端和服务器的通信采用HTTP协议,当服务器接收到客户端传来访问请求时,数据库会自动保存每次的操作记录。2.训练了基于深度学习的害虫图像识别模型。在训练集和测试集相同的条件下对VGGNet16与ResNet50两种害虫识别模型进行了对比测试。结果表明,ResNet50害虫识别模型具有最高的识别准确率和泛化性能,该模型对6种常见的蔬菜害虫的平均识别率达到了95.3%,且迭代出的学习曲线损失值仅有0.384,网络学习状况良好。在每一类害虫测试样本的识别结果中ResNet50网络模型的识别率都达到了 90%以上,其中最高达到96.5%,最低也有90.1%。3.开发了蔬菜害虫智能识别客户端应用软件。客户端是在Android Studio集成环境下开发的,可安装于任何Android系统的智能手机中。客户端主要由害虫智能诊断、害虫信息查询和个人中心三个模块构成。菜农在田间遇到无法识别的蔬菜害虫时,可通过客户端拍摄害虫图像进行上传识别,识别结果会在1s左右反馈至用户手机端的屏幕,若用户对识别结果感到不确定,可重新拍摄害虫图像再次进行识别。本文开发的系统名为“慧农识虫”（HuiNong Recognizes Insects,HNRI）。HNRI成功实现了对部分十字花科蔬菜害虫的智能识别、信息查询以及防治指导,极大的减少了蔬菜防治过程中的时间和经济成本,有着良好的应用前景。