为保证有效合理地施用农药防治农作物病害，农业生产者必须准确的获取作物的生长信息，这样，农业生产者可根据获得的病害信息快速、准确的诊断受害作物的病因以及受害程度，因病治宜。 首先构建了由数码相机和自制的手持式载物台组成的野外图像采集装置。其次，利用黄瓜作物叶部病斑信息，将改进的矢量中值滤波方法应用于黄瓜作物病害图像的预处理中，并将其实验结果与理想滤波器效果进行对比，结果表明，该方法运算速度快，图像显示效果令人满意。针对黄瓜霜霉病病害图像模糊和不确定的特点，采用RGB颜色空间，运用统计模式识别的 Fisher 线性判决法，成功的分割出黄瓜霜霉病的病斑，在此基础上，利用数学形态学中的开闭运算，实现了对分割后的病害图像去除孤立的小点、毛刺及填补了小空洞，获得了理想的图像处理效果。对40幅图像进行分割，有效率达到97.8％。最后，提取了黄瓜霜霉病的5个形状特征值，作为病害诊断模型的输入值。然后选择样本对人工神经网络进行测试。采用3层完全结合方式的Bp神经网络来建立黄瓜霜霉病的诊断模型，病害的5个特征值作为网络的输入，隐含层设计神经元个数为30，输出层的神经元个数为4，经过训练，网络满足训练目标。 本文从算法理论研究入手，以计算机图像处理为技术手段，以VC++语言为编程语言，综合运用计算机图像处理技术、人工神经网络和统计模式识别方法，对作物病害图像的处理和诊断技术进行了研究。