蔬菜是我国重要的经济作物,而导致蔬菜产量下降的主要因素是蔬菜虫害的影响,对蔬菜害虫进行精准防治的重要基础是对农田中蔬菜害虫动态数量的快速获取。传统的害虫动态数量监测的方法主要是采用人工计数统计,存在效率低、范围小、强度大和时效性低等缺点。为了满足现代农业的要求,使用计算机视觉等手段,监测蔬菜田地中的害虫发生情况已经成为一个重要的研究热点。虽然近年来已有不少学者使用计算机视觉等方法对蔬菜害虫进行监测,但是存在识别害虫种类单一、扩展性差等缺点,难以应用于真实农田环境中。为了快速获取真实蔬菜田地中的害虫动态数量信息,本文以蓟马、黄曲条跳甲、烟粉虱和小菜蛾等蔬菜害虫作为研究的对象,探索了一种基于机器学习的蔬菜害虫监测计数算法。本文根据重大蔬菜害虫监测目标的需要,提出了一种基于机器学习的蔬菜重大害虫的监测计数方法(Major Vegetable Pest Counting Algorithm Based on Machine Learning,VPCA-ML)包括:基于HSV颜色空间的感兴趣区域识别算法;基于边缘检测的害虫目标提取算法;基于视觉词典模型的害虫特征表示方法和基于支持向量机的蔬菜害虫分类计数方法。进一步,为了实现对蔬菜田地中的蔬菜害虫图像快速采集,本文设计了一套基于诱捕板的蔬菜害虫图像采集装备和蔬菜害虫监测系统,可实现自供电和对蔬菜害虫大尺度、快速的远程监测,并向蔬菜种植人员和蔬菜害虫防治人员提供简洁有效的蔬菜害虫发生信息。本文使用了200张于广州市南沙东升农场蔬菜大田中采集的图片进行试验和分析,实验结果表明,算法对黄曲条跳甲计数的准确率达87%,对蓟马计数的准确率达90.94%,对烟粉虱计数的准确率达90.40%,对小菜蛾计数的准确率达89.91%,算法在个人计算机环境下处理每张图像平均花时12.45s,最长耗时27.87秒。本算法运算性能及害虫监测计数精度皆达到对蔬菜大田中蔬菜害虫动态数量快速监测计数的要求。本文所设计的基于诱捕板的蔬菜害虫图像采集装备及蔬菜害虫监测预警系统在东升农场进行应用测试,测试过程中系统运行稳定,具有较高的应用前景和使用价值。