苹果叶病是限制苹果产量和品质的主要因素之一。 使用传统的诊断方法来检测疾病需要花费很长时间，因此农民常常错过了预防和治疗疾病的最佳时间。 基于叶图像的苹果叶病识别是计算机视觉领域的重要研究课题，其关键任务是找到一种有效的方法来代表病叶图像。 在这项研究中，基于图像处理技术和模式识别方法，提出了一种苹果叶病识别方法。 首先设计了输入的RGB（红，绿，蓝）图像的色彩转换结构，然后将RGB模型转换为HSI（色相，饱和度和强度），YUV和灰度模型。 根据特定的阈值去除背景，然后使用区域增长算法（RGA）对疾病点图像进行分割。 从每个斑点图像中提取了38种颜色，纹理和形状的分类特征。 为了减少特征空间的维数并提高苹果叶病识别的准确性，通过结合遗传算法（GA）和基于相关性的特征选择（CFS）选择了最有价值的特征。 最后，通过SVM分类器识别疾病。 在提出的方法中，所选特征子集是全局最优的。 在苹果病叶图像数据库中正确识别率达到90％以上的实验结果，该数据库包含90种针对苹果叶病，白粉病，花叶病和锈病的疾病图像，证明了该方法是可行和有效的。
