稻田害虫和病害种类繁多,存在种间相似和种类差异的现象,容易混淆,且不同的病虫害类型对应的防治方法也不同,因此实时准确地识别出稻田病虫害所属种类是有效开展病虫害综合防治的重要前提。目前,我国稻田病虫害的诊断方式主要依靠人工识别,主观性强,实时性差,在当前水稻病虫害分类学家和基层测报人员较少、农民专业知识缺乏的情况下,亟需便捷快速的稻田病虫害智能诊断工具。针对上述问题,本文以稻田49种害虫和47种病害作为研究对象,开发了基于Android和深度学习的稻田病虫害智能诊断系统,为基层测报人员和农民提供了一个便捷准确的自动诊断工具,主要研究内容与结果如下:(1)稻田病虫害图像识别算法的研究。本文针对稻田49种害虫和47种病害,在Caffe深度学习框架下,利用迁移学习的方法对卷积神经网络进行参数微调,训练了 CaffeNet、GoogleNet、VGGNet、ResNet和DenseNet五个流行的深度学习模型,在测试集上获得了对稻田病虫害识别效果最好的DenseNet模型,对害虫和病害识别的准确率分别为94.8%和 91.4%。(2)开发了稻田病虫害智能诊断APP客户端。该客户端APP主要由5个功能模块组成,包括账号注册与登录模块、病虫害信息查询模块、病虫害地图定位模块、病虫害智能诊断模块和专家鉴定模块。用户注册账号后即可使用客户端功能,通过滑动或者关键字查找的方式实现病虫害生物学信息和防治信息的浏览与查询,打开地图可查看用户上传病虫害图像的地理位置分布情况,利用手机拍摄或是相册选取图像,上传到服务器,系统自动调用害虫或病害深度学习网络识别模型,实现病虫害的自动识别。若用户对识别结果有异议,可请求专家远程鉴定。(3)搭建Tomcat应用服务器。通过编写Servlet业务逻辑实现数据的传送与接收;安装使用MySQL数据库,通过JDBC实现数据库的操作与管理;将Caffe深度学习框架和识别模型部署在服务器端;将本地的逻辑业务代码输出为war文件,打包部署在阿里云服务器上。用户上传稻田病虫害图像,可在1.5s内获得诊断结果。基于Android和深度学习的稻田病虫害智能诊断系统实现了对稻田49种害虫和47种病害信息查询、病虫害图像自动识别、病虫害图像识别历史查询、地图定位显示和专家远程鉴定等功能,为基层测报人员和农民提供了一个便捷准确的稻田病虫害自动识别工具,无需专家到田间即可实现用户“一对一”的防治指导,大大节省了经济和时间成本。