在水稻的机械化生产中,水稻的育秧播种质量直接影响着后期的机械插秧质量,因此需要对水稻育秧播种质量进行检测。采用人工检测的传统水稻育秧播种质量检测方法,其精度和速度都难以达到要求,而基于数字图像处理技术的非接触式检测系统,具有信息处理量大、速度快、精度高等优点,可以有效弥补人工检测的诸多不足,大大提高了生产效率和生产的自动化程度。本文介绍了播种质量检测原理、研究现状和发展趋势,针对水稻育秧播种质量检测的特点,开展的主要研究工作如下：(1)设计由照明设备、CCD摄像头和计算机组成的检测硬件系统。(2)研究了适用于水稻育秧播种质量检测的图像处理算法。通过对比和分析,确定了适合本系统的去噪、识别、分割、统计等算法,并做了如下研究：对采集到的图像信息进行筛选,选取覆土及播种区域为目标区域对象,使用投影法和差分法,剔除育秧框及育秧框以外部分。结合数学形态学运算,改进了分水岭算法,并且在分割重叠种子前后两次使用面积法判断,进一步精确地判定重叠种子的粒数。对水稻不同粒数的像素面积进行统计并划定了面积范围,将识别出的颗粒与该范围进行对比从而判断颗粒的粒数。同时,结合实际情况,对秧穴线上水稻压线的问题进行分类,判断该情况水稻的所属穴。(3)分析了试验结果及误差产生的原因。通过多次验证试验,研究了不同条件对软件检测精度的影响,根据结果分析总结出误差产生的原因。通过以上研究,解决了如下问题：(1)解决了水稻育秧盘种穴被底土覆盖从而难以检测的难题,能够准确的提取出目标区域,从而精确的找到取秧框的起始和终止位置,并准确的提取出种子目标。(2)解决了水稻种子的识别和分析的过程中颗粒的重叠问题,通过改进的算法解决了传统分水岭算法过分割的问题,较精确的实现了重叠种子的分割。(3)确定了每穴水稻粒数的判断算法,检测得到每取秧框内水稻播种的粒数,并将结果以表格形式保存。通过检测结果计算得到空格率、合格率、每盘平均粒数等检测指标,将结果显示在用户界面上。(4)分析得到软件关于漏播率、合格率、重播率及平均粒数等指标的精度,分别为85.68%、93.35%、81.79%及89.83%。由分析结果可见软件可靠性较高,因此得出结论,本系统可以取代人工检测。