油菜是我国重要的经济作物,分布广泛,但其整个生长周期易受到多种病害的侵袭,尤以菌核病最为严重。油菜菌核病是由核盘菌引起的一种真菌性病害,俗称“白秆病”;可造成油菜品质下降,出油率低,影响农业种植者的经济收入。油菜菌核病在油菜的萌发至成熟均可发病,其叶、茎、花、角果等部位都可能受到感染,其中茎部对产量影响最大。因此能快速对油菜感染菌核病的严重程度分级并及时喷洒农药进行防治对抑制病害的进一步扩展从而提高油菜产量至关重要。传统的油菜菌核病分级检测方法主要依靠植保工作者或者经验丰富的农作物种植者进行观察记录,此方法不仅耗时费力而且易受天气、人为等因素的影响,导致结果不及时,影响病害防控;其次,基于机器视觉的发展,国内外学者主要是以油菜叶片为对象进行研究的。因此,本文主要研究油菜的叶片和茎秆部位,并对其已感染菌核病的严重程度进行分级,可为植保工作者进行变量施药提供决策依据,以及施药后可用此系统查询防效。针对油菜图片的采集,主要利用人工接种法和大田拍摄法;基于支持向量机（SVM）法和VGGNet模型算法对油菜健康和染病的叶片和茎秆的图片数据集进行自动分级;主要研究内容如下:（1）针对油菜叶片的病害分级,本研究主要采用人工接种菌丝培育的方法,采集健康的、完整的油菜叶片进行接种,对接种成功的叶片每隔12h观察一次,并用相机在同一高度的条件下对其拍摄记录。对采集到的图片统一做归一化处理,确保程序运行过程中图片的尺寸一致,再进行预处理,叶片主要是通过病斑面积占比进行分级,有关油菜叶片病害程度分级没有相关的标准,本文借鉴小麦白粉病的分级标准对其进行分级。其中病斑分割的好坏直接影响分级的准确率;本文分别基于阈值化分割、分水岭分割和基于HSV颜色空间模型进行特征提取,多次重复试验,通过分割效果、处理时间等的综合评价,最后选用基于HSV颜色空间模型的方法对其进行病斑提取,然后采用轮廓绘制的方法对病斑和整个叶片的轮廓进行绘制并计算像素面积占比,依据分级标准进行分级,对叶片的图片数据集选用支持向量机（support vector machine,SVM）算法进行处理,把运行结果与人工测量的结果进行比较,该方法的准确率可达94.25%,效果较为理想。（2）针对油菜茎秆的病害程度分级,图片数据集的来源包含两部分,一是人工接种菌核病成功的油菜茎秆图片,二是大田感染菌核病的茎秆图片,大田环境复杂,采集到的图片需要先采用高斯混合模型获取目标区域-茎秆,再利用HSV颜色空间模型进行病斑提取,通过对病斑绘制外接最小矩形可得出病斑的纵向扩展长度,参考中华人民共和国农业行业标准的油菜菌核病测报技术规范从而得出分级结果,经验证其精确率可达97.04%。大田需处理的数据集庞大,为提高效率,本文采用VGGNet卷积神经网络,该模型包含16个卷积层和全连接层。针对VGGNet模型的过拟合问题,在增加数据集的基础上主要对比正则化方法和Dropout方法,根据运行时间和准确率选取最优方法;最终选用Dropout方法,其精确度可达90%以上。最后进行田间试验,共采集26块油菜田,每块田分别采集900张图片,程序运行得到的大田病情指数与人工查询的结果进行对比,其准确率可达85%以上。（3）为方便用户直观、简洁的看到程序处理的结果,本文将通过Python自带的tkinter模块设计用户界面,界面主要包括油菜叶片和茎秆的处理过程、分级结果以及VGGNet处理过程中的部分特征可视化图片。