随着我国经济社会发展,人们的生活水平也在逐步提高,对果蔬的品质要求更加严格、种类需求更加多元,以智能化、自动化为特点的设施农业正逐渐成为农业发展新方向。在设施作物生长过程中,果实、花、叶片等生长参数能充分反应植株生长状态。生长参数识别既可用于指导疏花疏果等农事操作来影响果实品质和产量,也可应用到自动化作业中。本文以设施番茄为研究对象,运用图像处理技术对番茄果实、花、叶片三部分的关键生长参数进行快速获取研究。主要创新和工作如下:（1）基于聚类-改进灰狼算法的番茄串坐果数识别与定位研究。本节研究目的为快速获取番茄串坐果数,可应用于番茄采摘机器人的自动采摘工作中。在算法方面,提出一种添加扰动因子的改进灰狼算法和K均值聚类算法融合的图像分割方法,提高其聚类效果并实现高质量分割,最后通过霍夫圆变换算法完成图像中粘连果实的分割与识别。对比表明:改进的分割算法在收敛速度、聚类质量和稳定性方面都有显著提升,其中运行时间缩短47%,结构相似度提升了10%,峰值信噪比增加了31%,果实平均识别率提高了10.8%,识别率明显提高,为采摘机器人自动化作业提供技术支撑。（2）基于改进SSD的轻量化神经网络的番茄开花数及果实成熟度识别研究。本节研究目的为快速获取番茄串开花数和果实成熟度,可应用于疏花疏果等农事管理工作中。在算法方面,提出改进SSD的轻量化神经网络识别算法,在SSD中引入轻量化模块Mobile Net V3,调整主干网络,并与农事操作经验和巡检机器人结合,在识别基础上指导农事操作。对比表明:模型在设施环境下具有良好的实时性和鲁棒性,与SSD相比,识别率提高了7.9%,识别速度为0.079 s,提升了约4倍,满足应用要求。（3）番茄叶片几何生长参数识别研究。本节研究目的为快速获取番茄叶长、叶宽、叶面积和周长,可应用于番茄培育试验的数据获取工作中。在算法方面,对叶片进行空间转换和图像分割,然后利用对比参照物,实现叶片面积标注,并通过BP神经网络对叶片面积进行预测,对比两种不同识别方法的优劣;对叶片轮廓进行提取,并结合链码算法,实现叶片周长识别;对叶片在分割基础上,运用最小外接矩形算法,实现叶片长宽自动标注;运用MATLAB的图形用户界面开发基于不同叶片参数识别的可视化系统,进行叶片几何参数可视化展示。