1.项目背景

       植物在生长过程中都会遭到多种自然灾害的危害，其中病虫害尤为普遍和严重。轻者使植株生长发布与不良，严重引起品种退化，植株死亡。为了减少植物损失，降低资金损坏程度，正确的诊断是植物病虫害防治工作的首要前提，一般是观察田间植株症状特点为主要依据，确定病害的种类。通过诊断来区分病害属侵染性或非侵染性。非侵染性病害在田间往往成片状发生，而侵染性病害，如患病毒病的植株，在田间呈分散状态，病株呈畸形、褪绿或花叶；真菌性病株多腐烂萎蔫；细菌性病株多具溃疡、腐烂、坏死。

       因此植物虫害的诊断往往通过植物受害的典型症状来辨认害虫的种类，如水稻受稻瘿蚊为害后稻茎畸形生长如葱管，玉米受玉米螟为害后心叶期叶片会形成横排孔，棉花受棉叶螨为害后叶片多呈火红色等。综合运用计算机数字图像处理技术与人工神经网络技术，对叶片特征进行分析，实现对植物叶片中病斑的自动识别，通过精确的识别害虫种类，可有效地对植物生长状态进行管控，提升植物的产量于质量。

2.项目目标

       本项目旨在利用人工智能技术对植物叶片进行分析，挖掘不同病理的叶片情况，实现植物病害检测，以便有效进行植物病虫害防治工作。

3.核心技术

    （1）Python数据分析

    （2）Python机器学习

    （3）TensorFlow2

    （4）Python深度学习

    （5）图像处理