昆虫数字图像的计算机自动识别技术是当前研究的热点之一,是进行可靠的物种鉴定、解决目前人工昆虫物种鉴定能力不足的关键。本文以进行果实蝇属昆虫的计算机自动识别为研究目的,介绍了昆虫自动识别的研究背景以及国内外研究现状,探讨了进行自动识别所需的主要原理和方法。并在此基础上,设计和开发了果实蝇属昆虫图像自动识别系统。介绍了其工作流程,检验了在图像光照不均匀、图像姿态扭曲、标本受损、图像样本数量不同等不同条件下系统的识别效果,展望了发展前景。论文的主要内容包括：首先,介绍了昆虫自动识别的研究背景、意义和国内外研究现状,以及自动识别系统的研究内容、工作原理和方法、所需的关键技术等等。其次,简单介绍了模式识别技术,如统计模式识别、句法模式识别和模糊模式识别；并分析了实现数字图像的计算机自动识别的几种常用方法——人工神经网络(包括前馈网络与有监督学习,竞争联想网路与无监督学习等)、支持向量机、boost算法等,比较了各种方法的优缺点。针对传统自动识别方法应用于数字图像自动识别系统所带来的一些问题,如特征维数灾难问题、多类分类效果不佳等,对现有方法进行了改进,提出了新的识别方法,以满足新的条件下的识别要求。再次,介绍了几种图像特征表示方法,如颜色、纹理、局部特征等,比较了不同的特征表示方法的优缺点,针对实蝇图像的特性,选定适合于进行实蝇图像特征提取的有效方法。最后,针对果实蝇属昆虫图像的自动识别问题,设计和开发了果实蝇属昆虫图像自动识别系统,从图像采集、图像裁剪与预处理、图像特征提取、分类器设计、图像识别与识别结果显示等部分,分别介绍了系统的工作方式,并对图像光照不均匀、图像姿态扭曲、标本受损、样本数量不同等不同条件下系统的识别性能进行了实验验证和分析,以表明采用新的识别方法是可行的。并在系统功能上增加了后台数据库支持模块,将识别出的物种信息显示给用户,以体现计算机自动识别技术的巨大优势。