(1) 针对经典的特征提取算法不能有效处理非线性、高维的、复杂数据，很多非线性流形学习方法仅考虑低维流形的局部几何特性，以及一些非线性特征提取方法仅考虑图像的全局几何纹理和颜色特性、不能有效解决噪声、样本外点和样本分布不均衡等问题，构建了一种复杂图像的局部和全局相结合的流形学习模型，由此提出了一种复杂图像显著性几何描述理论和显著特征的植物物种识别方法；(2)针对稀疏表示的不足之处和作物病害叶片图像分割、特征提取、分类与识别中的关键问题，集中研究了基于稀疏学习的植物病害叶片图像分割和病害识别的方法与系统，提出了一种基于叶片图像的作物病害方法，该方法包括作物病害叶片图像预处理、分割、特征提取和识别等过程。在此基础上，课题组与宝鸡市农业科学研究院合作研发了一个作物病虫害识别系统，并申请了一项发明专利(ZL 2013 1 0521319.4)。将该系统嵌入到了何积丰院士工作室的"精准化农业管理系统"，加快了基于本专利的作物病害识别科研应用推广，促进现代农业加快转型升级。我们联合共建了一个科研示范基地，借助此平台系统，由农业专家为广大农民生产经营提供病害防治技术咨询指导，用户通过数据库在线学习农作物病害诊断、识别和防治技术，同时提供实时的农作物病害防治信息服务。鉴于以上成果，该专利获得了陕西省专利奖三等奖。