油菜是种子含油量较高的一种农作物,在油菜的多个品种中,甘蓝型油菜的籽粒产量最高。但在油菜植株的生长周期中,病虫害会引起植株早衰、结实率降低,造成减产减油。因此,对油菜进行病虫害检测成为了防止作物产量降低的重要环节。而人工检测油菜病虫害叶片并做出准确的判断,需要进行大量繁琐的前期准备工作,并且效率低,耗时耗力,无法实现很好的实时性。本文采用图像处理技术,对油菜虫害图像进行识别与分割,并进行虫害程度的检测,主要研究内容如下:（1）目前,比较常用的图像分割方法有特征阈值或聚类、区域生长、区域提取和边缘检测等。但这几种方法的共同点就是对灰度图像的分割比较友好,而对彩色图像的处理却往往效果一般,基于图割的Grab Cut算法能有效的利用图像中的颜色、纹理等物理特征,再加上简单的用户操作即可完成对图像的分割并达到较好的分割效果。本文针对油菜叶在自然光照和其他环境因素影响的情况下可能出现分割效果不好的问题,采用Grab Cut算法结合HSV（Hue,Saturation,Value）空间模型的图像分割方法对油菜叶片目标图像进行分割,处理之后的结果会使得误差率更低,实现更好的图像分割效果;（2）采用连通组件标记算法对油菜叶片中的虫洞区域进行识别和标记,然后对图像进行特征提取,特征参数包括:叶片面积、叶片周长、虫洞个数、虫洞周长、虫洞面积、离心距等。对所有叶片图像的特征值进行分析,通过筛选与组合,最终发现虫洞面积以及虫洞占比等特征参数,可以有效的识别出油菜的虫害程度;（3）设计并实现一个油菜叶片虫害程度检测系统,前端上传油菜叶片图像,通过后台请求服务端的txt文件并进行解析获取虫害图像相关特征参数,得到油菜叶片图像虫害程度结果,直观地展示出油菜叶片的虫害程度。前端也通过请求处理之后的油菜叶片图像来直观地展示分割效果。