随着信息产业的逐渐发展、计算机成本的下降以及计算机处理能力的增强，图像识别技术已经开始深入到各个领域，在农业工程领域的应用越来越广泛，而且已经取得了重大成果，计算机数字图像技术的应用明显的提高了农业机械的性能和水平，有效地促进农业的现代化、智能化。玉米是全世界产量最高的粮食作物，提高玉米产量和质量对解决世界粮食问题具有重要的意义。但是，病害的影响已经严重制约了玉米产量的提高，因此，做好病害的防治进而降低病害对玉米产量造成的损失已经成为当前的重要任务之一。本课题来源于山东省博士后创新项目专项资金（NO.201303056）。本文以计算机图像处理技术为手段，以常见的玉米叶部病害为研究对象，提出可行的方法，为玉米病害的自动识别和诊断提供一定的理论基础。本文的主要研究内容：(1)玉米病害多种多样，通过调查总结统计数据，造成玉米减产的主要有六种病害：大斑病、圆斑病、灰斑病、锈病、褐斑病、弯孢菌叶斑病。以这几种常见玉米病害为研究对象，用数码相机采集图像样本。(2)图像的预处理方法。主要是对图像进行格式转换、灰度化、平滑处理、直方图均衡化等处理增强病害图像。(3)图像的分割。研究对比各种常用的分割算法，对比分析了RGB模型各分量的直方图，用基于R分量直方图进行阈值分割。(4)病斑特征提取。在RGB模型和HSI模型中，分别提取了R、G、B、H、S、I的均值和标准差，形状特征提取了病斑周长、面积、圆形度、矩形度、复杂度等特征。(5)病害种类模式识别。依据特征提取过程中得到的特征参量，运用人工神经网络模式识别法，构建模式识别分类器，对玉米叶部病害进行识别。本文的研究内容一方面为玉米叶部病害的识别和诊断提供一定的理论依据，另一方面，可以为玉米叶部病害智能化、自动化、防治及安全生产提供技术支持，在实际应用和科学上有重要的价值。