精准的获取作物发育期信息可以为作物生长发育阶段所需的农业机械化作业提供一定的指导,从而获得多产优质的作物。目前,作物生育期的数据获取主要来源于人工观测方式,其耗费大量的时间、人力资源,无法进行不间断的观测,且极易受人们主观因素的影响。信息化促进了农业现代化,计算机视觉作为现代化农业领域的热点之一,因其可针对大面积进行监测,具有省时、省力,且可连续性观测作物的生长趋势等优势,该技术已被应用于获取农作物生育期信息、获取作物的株高或叶面积以及叶片病害识别等各个方面。为此,本文以夏玉米的出苗期、三叶期、七叶期、拔节期以及抽雄期等五个生育时期为研究对象,基于不同的耕作方式处理,针对不同的生育期,选取不同的分割处理方法进行研究分析。玉米出苗期利用改进的遗传算法结合Otsu算法提取玉米苗。通过比较相邻两天内玉米苗出苗数的变化量,从而确定玉米进入出苗期。玉米三叶期、七叶期以及拔节期提出适应性较强的AP-HI颜色分割算法。通过判定与玉米单株二阶矩相同的椭圆的长轴和短轴之比,确定其是否进入三叶期;而七叶期以及拔节期检测重点则在于覆盖度的变化。玉米抽雄期基于YCbCr空间对玉米抽雄期图像进行预处理,并利用HSV空间对增强后的雄穗图像进行进一步的雄穗提取,最后结合形态学操作,成功的提取出玉米雄穗。抽雄期主要通过判断区域内雄穗数量的变化判定其是否进入抽雄期。基于各时期检测结果,记录其各生育时期的到达日期,为之后精准农作措施的决策与实施提供依据。本文获得如下主要结论:（1）通过对玉米苗期图像进行处理分析,结果显示春旋耕处理下该算法的错分率和漏分率分别为:3.10%以及1.96%,春深松处理下分别为2.24%和1.81%。同时,通过将基于图像的发育期检测结果与人工检测结果对比,发现误差很小,符合1～3天的间隔,表明该算法的分割精度较高,可有效的完成复杂背景下的玉米苗分割。（2）通过对玉米三叶期、七叶期以及拔节期图像进行处理分析。结果显示该算法在春深翻以及秋深松处理下的玉米苗分割结果的错分率和漏分率分别为3.02%和1.88%以及2.47%和1.91%。同时,通过将基于图像的发育期检测结果与人工检测结果对比,发现误差很小,符合1～3天的间隔,表明该算法的分割精度较高,可有效的完成复杂背景下的玉米苗分割。（3）通过对玉米抽雄期图像进行处理分析。结果表明该算法的错分率为7%,查全率为95.3%,表明该算法的分割精度较高,且基于颜色空间对雄穗分割其算法简单,操作方便。同时,将抽雄期自动检测结果与人工检测结果对比,发现误差范围符合1～3天内的准则,表明该方法可有效的完成复杂背景下的玉米苗分割。