伴随着国家经济和社会的快速发展，中国的果树种植业有了很大的增长，水果产品的消费呈迅速增长趋势。自1993年开始，中国成为世界第一水果生产大国。2009年中国果园播种面积为1113.95万公顷，水果总产量2亿吨，居世界第一位。2009年中国人均果园面积为83.5平方米，人均水果产量为15.28吨，略高于世界平均水平。　　随着果树种植面积的增大，果园的害虫防治工作变得重要，已经成为影响果园生产的头等任务。当果树受到害虫危害，果实的质量和产量都将受到威胁，甚至造成果树绝收。果实一旦被害虫侵害，其经济价值就降低了。果树害虫对果园的经济造成了重大损失。所以，果树害虫检测是果园生产活动中的一项重要工作。为了保证果树的产量和果实的质量，必须加强果园中果树害虫的检测工作。　　为实现对果树害虫的智能化检测，本文利用数字图像处理、模式识别等技术对果树害虫图像进行处理。首先对获取的害虫图像采用中值滤波法使图像平滑，然后采用高频加强滤波器对图像进行锐化处理，最后进行图像分割，形成果树害虫的二值化图像。其次，形成所得果实害虫图像的几何形状、灰度统计量和纹理特征，提取若干作为原始特征。再次，为了降低特征数目以提高效率，在进行分类识别之前，分别利用遗传算法和类内散布矩阵对原始特征进行特征选择和提取。最后，采用BP神经网络分类器，对果树害虫进行识别分类。　　为了证明采用基于遗传算法的特征选择对最优特征子集的选择更有效率，分别在未采用遗传算法和采用遗传算法的情况下进行特征选择，然后对果树害虫进行分类识别，并对实验结果进行对比分析。实验结果表明，在果树害虫识别中利用遗传算法进行特征选择，使识别分类在识别率上有所改善，在识别的效率得到了提高，同时也有效地克服了BP神经网络在学习训练中收敛速度慢和容易陷入局部最小的不足。