由于目前关于大豆花芽生长形态的研究,普遍使用接触式测量技术,由于在检测过程中会损害植物,而且不能对同个花芽对象连续性检测。因此,针对这个问题,基于机器视觉的无损检测技术具有重要的现实意义,本文研究构建了一套机器视觉系统,可以实现在线、无损地检测花芽的生长形态变化,对花芽的整个花期的形态结构变化进行研究。论文的主要内容和结论如下:(1)通过分析花芽图像采集系统的工作需求,构建了植物花芽图像无损检测系统,实现了植物花芽图像的自动、长时间、连续、无损采集,并完成了图像采集系统的硬件选型和软件设计。(2)通过对采集的植物花芽图像的分析,对比研究了多种图像增强算法,确定了采用中值滤波方法对图像进行预处理分析。然后分析了基于灰度的模板匹配算法,优选了归一化互相关方法对花芽图像进行模板匹配。最后进行两个试验以优选出最佳的模板尺寸;试验表明尺寸为220*230的模板的匹配程度达到0.99以上、匹配识别花芽的持续时间最长,达到132小时;因此将尺寸为220*230的模板定为花芽图像匹配的最佳模板。(3)为了实现花芽特征的提取,对比研究了多种阈值分割算法,优选了自适应阈值分割方法的OTSU算法;应用形状变换、区域求差集和去除杂斑等方法提取花芽,计算了花芽形态特征参数。最后进行试验三,验证本文花芽检测算法的精度,试验对比本文检测算法和人工实际测量的方法。试验表明,本文检测算法和人工实际测量的花芽面积和周长的相关系数分别达到了0.9611和0.8983,面积的平均误差比为5.713%,周长的平均误差比为4.716%。误差比较低,说明本文检测算法的精度较高。