目前,国内外毒品问题依然十分严峻。监测和铲除毒品原植物是打击毒品违法犯罪、遏制毒品蔓延的重要手段。近年来,我国在利用卫星和飞行平台监测非法种植毒品原植物方面已达到国际先进水平,但是有关铲除毒品原植物的技术研发工作相对滞后,在实际铲毒工作中仍然依靠费时费力的人工进行拔除。随着近些年打击毒品力度的加大,非法种植罂粟呈现隐秘化趋势,非法种植的罂粟也多在人迹罕至的丛林山区,因此有必要将罂粟的灭杀手段与罂粟识别相结合。本文主要从物理灭杀罂粟的角度出发,进行了自然低反差条件下的罂粟苗的识别和激光灭杀罂粟两方面的研究,具体的研究内容及其创新点包括:1、考虑到了大气光学性质对罂粟识别和灭杀过程中产生的影响。尤其是自然环境下,大气吸收对罂粟光谱反射率探测和湍流对激光传输的影响。因此对大气光学性质及激光大气传输中的湍流效应做了简单的介绍和分析。2、对罂粟叶片在不同时期的反射光谱及叶片的吸收光谱进行研究。测量了罂粟幼苗不同时期叶片的平均光谱反射率,研究罂粟叶片的光谱变化特征。然后,测量了同时期生长的罂粟、虞美人、小麦和狗尾草等植物的反射光谱进行对比,利用SPSS软件中的逐步判别分析方法筛选出识别罂粟的特征波长。通过对罂粟的吸收光谱进行分析,并综合考虑了植物生长特点、激光热效应效率及成本等因素后,选定激光的灭杀中心波长在980nm。3、利用980nm波长激光器,设计并进行了罂粟各个器官的激光灭杀实验。实验采用固定的距离和照射时间,通过改变激光器的输入电流来获得不同的功率密度。得到了对罂粟的叶、花苞、主茎、果等器官起作用的激光照射阈值。基于实验效果的分析和对罂粟生长特点的分析,确定在罂粟幼苗就进行灭杀的策略。4、对近些年比较流行的深度学习算法进行了比较分析,R-CNN、Fast R-CNN、Faster R-CNN等算法由于随着网络层数的增加都可能会出现梯度丢失,在池化过程中小目标的信息很有可能被掩盖,所以不合适罂粟识别这种大范围、小目标、低反差的应用场合。本研究将光谱识别的方法应用于算法改进,根据罂粟的光谱反射率特点对识别候选区域进行筛选,并结合最新的可有效防止梯度丢失的DenseNet网络对罂粟进行识别。