作物病害严重影响了作物的产量和质量，因此，作物病害防治一直是世界各国面临的重要问题。

我国农药使用量居世界首位，每年高达80~100 万吨。

国内外权威研究表明，80%~90%农药直接进入环境，再通过空气、水、土壤、食物链等方式进入人体并累积，最终导致多种疾病，超过80%的疾病和大约40%的肿瘤与作物农药超标有关。

农业部于2015 年2 月发布了《到2020年农药和化肥使用量零增长行动方案》，执行该方案的关键和前提是能尽早准确地检测到作物病害发生的时间并识别出病害类型，这样才能精准施药，进而减少农药的使用量。

实际上，病害初期症状并不明显、很难被发现，往往出现病害检测不及时和误判现象，从而导致误用、滥用农药。

由于大部分作物病害会引起叶片变色、叶斑、叶枯、畸形、发霉、腐烂、流菌脓和萎蔫等症状，因此病害叶片症状是病害检测的主要依据。

所有作物病害发生，主要与空气温湿度、土壤温湿度、降雨量等环境因子有关，因而环境因子是预测和诊断病害发生漫延的主要依据。

本项目一直致力于基于病害叶片图像和环境因子相结合的作物叶部病害早期检测方法及其应用研究。

。

本项目的研究成果为林农人员进行作物病害诊断提供科学智能方法，克服主观经验诊断及用药的盲目性，为及时正确采取相应措施防治作物病害和实施农药提供科学、合理的理论依据，也为进一步研制基于物联网技术的作物病害智能监测系统提供了重要的理论基础。