常见基于图像识别的农业病虫害诊断研究的方法一般是结合图像识别技术和农业病虫害领域知识，深入分析图像内容，识别图像属于哪种病虫害，从而制定处方。本文则转换研究思路，提出一种基于图像识别的农业病虫害诊断处方检索方法，旨在从图像检索的角度实现农业病虫害诊断。该方法依赖庞大的图像库和处方库，通过提取检索图像特征，计算检索图像特征和库中图像特征的相似度、查全率和查准率，识别检索图像属于哪种病虫害，从而根据图像和数据库中处方的关系获取处方，完成病虫害诊断。　　本文主要研究了如下内容:　　(1)构建图像库和处方库，分析农业病虫害图像特征，得出了图像特征提取算法需要满足的9个条件;对比已有图像特征提取算法的优缺点，确定了SIFT算法作为图像特征提取的核心算法;分析SIFT算法的性能，采用Grab Cut算法对其进行了优化，并分析了优化结果;最后，基于用户需求和优化结果，提出了图像标记区域检索思想，即用户可以根据个人的意愿框选出图像中某一区域（称为标记区域），并将该区域作为检索内容，检索仅与之相关的图像，并分析了该思想对图像特征提取的贡献。　　(2)分析农业病虫害特征描述子，简要介绍了k-d树的构建过程、k-d近邻搜索算法和BBF算法;提出了图像相似度计算评价指标和图像检索评价指标（查全率和查准率）;设计检索图像、图像特征、图像库和处方库的组织方式，提出了实现基于图像识别的农业病虫害诊断处方检索方法。　　(3)分析用户需求，设计系统模块和组织架构，实现了面向移动终端的农业病虫害诊断处方检索系统。并基于该系统，通过实验分析图像检索结果和图像标记区域检索结果，验证了农业病虫害图像特征提取算法和农业病虫害图像相似度计算算法的可行性和正确性，图像标记区域检索思想的意义。