土壤含水量等级的鉴定常采用感观评定法，由于凭借感观来评定，人们的经验和偏好左右着土壤含水量的等级判断，存在一定的主观性。 在总结目前已有的土壤含水量测量方法的基础上，提出一种基于支持向量机和数字图像处理技术的土壤含水量检测方法，对推动农田灌区实现电气自动化有十分重要的意义。在对土壤含水量检测的过程中，摄像头采集的土壤图像质量将直接影响最终的检测结果，通过对土壤图像进行几何校正、中值滤波、图像颜色模型转换以及利用恒虚警检测技术进行图像“坏区”过滤处理后，提取了土壤图像的特征参数一灰度平均值。由于土壤成分的多样性和复杂性，土壤含水量与土壤图像灰度值之间存在一定的非线性，利用土壤图像灰度值测定土壤含水量需要建立一个表征土壤含水量的非线性模型。分别采用最小二乘支持向量机和BP神经网络建立土壤含水量的检测模型。最小二乘支持向量机建模时，使用交叉验证和贝叶斯推断两种方法确定模型参数。 实验和仿真结果表明，贝叶斯LS-SVM土壤含水量检测模型与BP神经网络的土壤含水量检测模型相比，检测结果有较高的精度；与交叉验证LS-SVM土壤含水量检测模型相比，建模速度快，能满足实际应用的需要。