随着数字农业和农业物联网技术的快速发展,研究和开发植物表型信息的快速无损检测技术和传感仪器等软硬件平台已经成为现代农业研究的热点。在进行农业科学研究时,研究人员可以使用昂贵的精密设备,但是农业生产无法承担高昂的仪器设备价格。所以本论文在开展植物表型信息检测研究工作时,把着眼点放在低成本和快速这两个因素上,研究和开发低成本的植物表型性状参数的快速检测装置,为农作物种植精细化和规模化管理,提高农作物产量和品质提供技术支撑,对数字农业建设工作的推进有着非常重要的意义。围绕植物表型性状参数快速检测技术的关键问题,本论文从两个不同的角度深入地研究植物表型性状参数快速检测技术。第一个角度,以植物的生长过程为线索,从研究籽粒表型信息检测开始,延伸到叶片表型信息的获取,从植株叶片单体到多个叶片,进而拓展到冠层叶片的测量研究;第二个角度,从室内离体检测开始研究,扩展到室外活体检测,室内离体检测能够在特定的检测环境下实现更高的测量精度,室外活体检测是在满足检测精度要求的前提下,快速、准确、方便地获取植物表型性状参数,提高检测的工作效率,有利于实现高通量的植物表型信息的获取,更适合于广大农业科技工作者和农业生产者进行实际的检测工作。在降低使用成本的前提条件下,本论文针对籽粒和叶片的表型信息获取开展了大量的研究工作,研究快速获取籽粒和叶片表型性状参数的方法和手段,从籽粒快速准确计数、形状参数的测量,到叶片的形状、面积及其养分含量的测量。设计了多种植物表型性状参数的快速检测技术,研究和开发低成本的植物籽粒和叶片表型信息的快速检测装置。在研究方法上,当前很多研究把RGB彩色图像转换成灰度图像,然后针对灰度图像进行处理,这样的研究方法丢失了很多有用的彩色信息,对检测结果有很大的不良影响,特别是在农业应用领域,植物的叶片、花朵、果实等往往都有鲜明的色彩,这些彩色信息反应出许多有研究价值的植物表型信息,本论文提出了一种高效率的基于HSV色彩模型的图像特征值提取方法,并将此方法应用到植物表型性状参数提取的研究中。本论文的主要研究内容有以下6个方面:(1)研究了室内的籽粒表型性状参数的快速检测方法,提出了用于粘连图像分割的CM-Watershed算法,对单排粘连轮廓的识别精度达到99%以上。(2)研究了室内高精度的叶片表型性状参数的快速检测方法,提出了识别图像轮廓的最小标号(Minlabel)算法,开发了高精度植物叶片面积测量仪,检测结果的最大标准偏差小于0.05,相对误差小于0.7%。(3)研究了室外便携式的叶片表型性状参数的快速检测方法,采用HSV色彩模型进行参照物的识别和背景分离,通过叶片和参照物的像素比例关系,求出叶片的面积。具有携带方便、测量速度快、支持多片叶片同时测量等特点。(4)研究了室外高通量的叶片表型性状参数的快速检测方法,从提高易用性和高通量角度开展研究,利用双目视觉技术来实现非接触的、无参照物的快速检测。(5)研究了室外植物叶片氮含量的快速检测方法,提出了 HSV_CAM检测方法,与SPAD叶绿素仪测量的氮含量值高度相关,R2为0.901,具有检测幅面大、速度快等特点。(6)在植物表型性状参数快速检测装置的实施方面,提出了两种嵌入式系统开发模式:一种是采用单片机控制板和Android智能相机的组合方式,适合于有外部控制操作和外部信息采集的图像处理类型;另一种是采用嵌入式Linux+QT的开发模式,适合于对图像采集和处理要求较高的应用类型。这两种开发模式全部实现,形成了两种开发模版,对后期其他农用仪器的开发,起到很好的参考作用。