玉米作为我国主要粮食作物之一,年产量超过2.5亿吨。但由于种植环境多样、气候变暖等因素,致使玉米病虫害发生逐年增加,进而导致玉米减产、品质下降,从而造成农民经济损失。因此,开发一种便捷、实时、准确和智能的玉米病虫害识别系统势在必行,能够及时发现玉米病虫害并加以防治。本文围绕玉米叶片病虫害智能识别系统的设计与开发开展如下工作:首先,对系统进行系统框架分析、可行性分析、需求分析、数据库设计与功能设计。通过系统框架分析、可行性分析和需求分析,共同确定系统需求为由于使用者多为农户,使用环境多为田间,因此系统开发原则为使用成本低、易于操作、响应速度快等。当明确开发原则后,进行数据库设计与功能设计,明确需要获取的数据与开发的功能。数据库设计采用数据推动方法,首先构建农业病虫害实体与农业病虫害图片实体的E-R图,通过E-R图得出实体间的相关关系为病害名称。功能设计采用模型驱动方法,首先定义出系统目标,然后分析出系统功能框架,最后明确业务流程,为系统开发指明方向。其次,采用Inception V3网络识别玉米叶片病虫害(弯孢叶斑病、锈病、灰斑病和玉米螟),采用迁移学习学习网络结构。以1687张玉米叶片病害图像作为训练集,100张图片作为测试集。实验结果表明,运用迁移学习比传统方法构建的模型更加优秀,训练识别率达到93.7%,测试识别率为92.3%。然后,开发玉米叶片病虫害PC端系统与微信小程序。系统前端界面由HTML5、CSS以及Java Script等前端技术构成,用于数据展示、图像上传、结果展示等功能。系统后端使用java与python语言构建,用于数据存储、图像识别等命令。数据通过HTTP网络协议传输,并将全部项目发布于阿里云服务器中。最后,对系统进行测试,从上传图片到系统响应结束截止到给出识别病虫害结果时,PC端智能识别系统用时26秒,微信端小程序用时18秒。PC端系统与微信小程序的识别模型相同,因此,仅对微信小程序进行准确率测试,测试结果为91%。从识别准确率、响应时间和成本消耗的测试结果可以看出该系统符合设计需求,可以进行推广使用。采用卷积神经网络对玉米叶片病虫害图片进行识别,并开发玉米叶片病虫害识别系统,可以将其推广到其他农作物中,如西红柿、苹果、水稻等,微信小程序的便捷性和安全性,为农业病虫害识别系统的开发提供一个借鉴。