目前,我国的经济发展一直呈现出稳定的增长态势。其中,农业的发展对于国家的经济意义重大。然而,我国每年因为农业病虫害的影响而带来的损失难以估量。因此,尽早发现和识别诊断病虫害是非常重要的,这样可以最大程度上减少因病虫害带来的经济损失。当下诊断病虫害的诊断主要采取人工识别的方式,有些经济欠发达地区的农民遇到病害时,由于自身缺乏相关知识,甚至会去请市里的农业专家到田里进行诊断。这样不仅非常不方便,而且也很容易延误诊断时机,错过治疗病虫害的黄金节点。本研究基于Android手机开发出了一个典型作物叶病害智能诊断系统,用户可以使用该系统识别几种典型作物的常见叶病害,测试表明叶片病害的识别准确率达到了90%以上。通过这种方式,极大地节约了农民诊断作物病害所需要的时间和成本,也可以早一步采取措施对病害进行治疗,避免更大的损失。主要研究内容和成果如下:(1)搜集水稻、小麦、玉米、棉花、大豆五种典型农作物的病害图片制作数据集。每种作物均选取5类最常见的叶病害,图片主要从Plantvillage数据库中下载,结合中国农业病虫网等互联网上的病害图片进行补充。(2)接着对搜集好的图片做预处理工作。因为图片在大小、光照、背景、噪声等方面有所不同,这些对作物病害的诊断识别都会产生较大影响。因此,尽量减少无关因素,同时也为了简化运算,所以我们需要对图片作预处理,例如归一化、人工裁剪、随机翻转、随机旋转、滤波降噪等等。(3)对VGG16网络结构加以改进,将3个全连接层减为2个,并添加1个Dropout层,防止网络过拟合。考虑到数据集样本量不足的问题,通过迁移学习的方式实现作物叶病害识别算法,其余层保持权重不变,对全连接层进行微调,训练完成后得到病害识别网络模型,网络经测试可达到对25类病害平均达到96.18%的识别准确率。(4)在PC端训练网络模型,然后利用Tensorflow Lite将模型移植到安卓手机上,通过导入训练好的网络模型文件、动态链接文件等,然后设计接口,定义变量,最终生成apk文件,完成APP程序的开发设计。