随着现代农业对于自动化需求的日益增加,机器视觉代替人工在农业生产中实现检测以及识别的应用越来越多。针对番茄苗工厂化育苗过程,研究了基于机器视觉的穴盘幼苗质量远程监测系统,用于实现幼苗质量检测,并方便管理人员远程获取检测结果。论文的主要研究内容包括以下几个方面:首先,根据设计需求,对系统进行了总体设计,将其分为基于机器视觉的幼苗检测子系统和基于B/S结果的远程监控子系统,并设计了子系统的组成。其次,针对机器视觉系统中照明光源的布置问题,以工作面内离散区域间照度方差最小为目标函数建立了数学模型,利用遗传算法进行参数计算,并进行实验验证,结果表明测量得到的照度分布与计算得到的照度分布相近,该方法得到的布置参数可以满足实际使用要求。再次,重点研究了利用机器视觉技术进行幼苗质量检测的方法。利用图像处理技术,针对番茄穴盘苗的培育过程,实现了出苗情况检测以及幼苗的质量分级。利用出苗三天的番茄穴盘苗的俯视图像,通过提取各个穴孔中幼苗叶面积特征实现出苗检测,经验证,算法准确率为97.2%。对于单株幼苗,通过其正视图和俯视图提取幼苗的叶面积特征、株高特征、地径特征,结合随机森林分类算法,实现幼苗的质量分级,验证结果表明算法的整体准确率为93.3%。最后,设计了基于B/S架构的监控系统。利用Django框架设计Web应用,实现了浏览器客户端远程获取幼苗检测结果的功能。