杂草是影响我国农产品质量和产量的重要因素之一。目前除草主要靠喷洒除草剂,而且是大面积的均匀喷洒。.这种喷洒方法不仅提高了农业的成本,也破坏了土地的质量,污染了环境,不利于农业的可持续发展。针对这种情况,本文研究了利用图像处理技术来识别杂草并确定杂草的位置和类别,从而为作物田间精确喷洒除草剂的自动化作业提供理论与技术支持。主要研究内容如下：(1)介绍了杂草识别在国内外的发展概况,提出了研究的必要性、可行性及方法步骤。(2)针对杂草识别中较复杂背景,研究利用彩色图像的颜色特征分割绿色植物和土壤背景。考虑到操作的实时性,研究采用了适合分割的颜色空间及颜色分量,以此作为表征图像颜色信息的阈值参数。采用迭代阈值的分割方法,实现了杂草区和背景区的分割。(3)首先对经过预处理后的图像,针对条播作物的特点,考虑到系统执行的速度,首先采用了位置特征法识别行间杂草并进行杂草的定位。其次杂草进行定位之后,对定位的杂草植株进行预处理及阈值分割,接着对二值化图像进行种子填充、形态学运算、抽取骨骼等操作。接着通过抽取的骨骼,可以通过多叉树的递归遍历算法思想得到该骨骼的叶子结点数,也就是整株杂草的叶片数目,找到该株杂草的质心和离质心最近的几个边缘点,连线质心和这些点,便能将整株杂草分离成连通的几片叶片。(4)对于分离的叶片,可以提取出每片叶的圆形度和伸长度两个形状特征。然后通过分离开叶片的图像及原始杂草的灰度图像经边缘检测后的图像,找到每片叶子的细微边缘,提取出每片叶子的Hu不变矩特征。(5)针对杂草的分类识别,’根据上面提取的三个形状特征参数作为模式识别输入特征向量,建立BP神经网络。实验结果表明：该系统对于杂草图像处理获得了较为满意的结果。杂草识别系统的研究对合理使用除草剂,增加农业的自动化水平,保护环境具有一定的现实意义。