我国是世界最大的甜瓜生产国,甜瓜类型多样,种类丰富,其中网纹甜瓜(Cucumis melo L.var.reticulatus)因其品质优且外观有美丽网纹,被公认为高档瓜。网纹甜瓜的果实品质受基因遗传和生长环境的影响。同时果实的大小、网纹、颜色等果实表型变化直接反映了遗传特性和环境响应。目前果实表型的无损检测成为育种和生产上迫切的需求。传统的网纹甜瓜表型参数测量方式主要依靠人工测量,费时费力、操作繁琐且测量精度受主观因素影响大。随着表型组学兴起,计算机视觉成像技术越来越多的应用在植物表型量化测量中,起着越来越重要的作用。在利用成像技术测量植物表型的过程中,根据不同作物和环境开发适合的算法成为植物表型测量和解析的关键。此外,利用成像技术测量解析的表型信息,结合基因信息和环境信息,构建相关模型表征植物生长状况是实现育种和精准生产管理的关键技术。本研究针对温室盆栽网纹甜瓜生长发育过程中的果实定位、表型检测和解析理论等关键问题,基于视觉成像、图像处理和数学建模技术,采用图像融合分割、主动形状模型、重分形维数和间隙度解析、主动光源和颜色椭球体等理论和方法,实现果实表型参数的检测和解析,应用检测解析的表型实现内部品质估算,应用环境参数对果实表面温度进行模拟,主要研究内容与结果如下:(1)基于RGB-D成像和主动形状模型算法的果实定位和边缘检测针对温室环境中光线变化、果实位移变化、噪声干扰等情况,研究了利用RGB图像和深度图像的融合信息的果实定位算法。该算法将H分量图与深度图作为融合的源图像,用加权平均方法,实现图像像素融合。从保证定位精准和提高抗噪声性能出发,利用融合图像信息,基于直方图用首阈检测法,实现了果实准确锁定。与用单一图像相比,融合图像用于果实识别锁定,提高了准确性与鲁棒性,在理想条件下顺光采集中识别准确率可达到90%。为准确获取被定位识别出的果实边缘,提出了利用主动活动模型(ASM)边缘检测分割算法,精确的获取甜瓜果实的轮廓信息,纵横径的重复精度分别为±2.51mm和±3.97mm,边缘的平均标准偏差为4.17mm,为连续精确无损的获取果实形态特征信息和品质信息提供了参考。(2)基于多重分形维数和间隙度分析的甜瓜网纹的解析与量化网纹是网纹甜瓜重要表型性状,它能直接反应果实的生长状况和遗传特性。传统的估算网纹甜瓜网纹的方法有网纹描述法(无网纹、稀疏网纹、部分网纹和完全网纹)、网纹覆盖率和有无褶皱,这些方法有效的用在了某些育种和栽培研究中,但这些方法不适合量化网纹分布变化且主要采用目测方式。针对传统方法评估网纹产生的不一致和无法表征网纹的分布差异问题,用检测出的果实,提出了果实网纹定量评估计算方法,即利用多重分形维度和间隙度分析方法解析量化甜瓜表皮网纹。实验对3个品种(网路,翡翠和露后甜)和四个不同的生长阶段进行多重分形维数和空隙度分析。通过与传统纹理特征(共生矩阵、Gabor过滤器和小波变换)的监督分类方法(Ada Boost算法和支持向量机分类器)对比,证实了此量化方法的有效性。网纹甜瓜果实表皮网纹具有分形特性,品种间的比较表明,即使在网纹覆盖率相似的情况下,提取的网纹在多分形维数的尺度参数上也具有显著差异。广义尺度参数D0、D1、D2和间隙度特征参数b可以用来区分不同生长阶段的网纹。基于多重分形维数和间隙度的分析,提出了甜瓜表皮网纹的自动提取量化方法。结果表明,对于网纹甜瓜表型参数网纹,多分形维数和间隙度是除了传统测量以外较有价值的分析手段,促进了新的纹理特征量化的方法的使用,且弥补了传统纹理形态分析(Gabor滤波器、共生矩阵和小波变换)在果实表皮网纹表征量化中的不足。(3)基于主动光源和椭球体方法的甜瓜颜色分级与量化针对自然环境下,颜色受光照影响大的问题,应用主动光源方法去除自然光的影响,采用七级果实颜色分级方法。提出了椭球体结构的颜色量化方法。试验结果表明,在三种光照条件下(阳光直射5000K、明亮阴影5900K、阴暗阴影7700K),甜瓜颜色分级准确率达到90%。基于主动光源获取的图像,利用CIEAB颜色空间的L*、a*、b*值聚类形成的椭圆体,椭圆体结构方法客观量化网纹甜瓜果实表皮不均匀颜色,椭圆体的方向和半轴能够反映果实表皮颜色的不均匀性,有效弥补不均匀颜色用单点颜色值和标准差来表示的不足。该方法成功用在了不同时期和不同品种网纹甜瓜的颜色量化上。(4)基于果实表型和神经网络的甜瓜内部品质预测如何用表型信息判断果实内部品质的生长发育状况对种植者改善生产管理显得尤为重要。为快速估算网纹甜瓜内部品质,利用机器视觉成像技术,根据其表型特征(颜色特征和网纹特征),利用BP神经网络,从“定性”和“定量”方面研究了网纹甜瓜内部品质预测方法。基于机器视觉技术采集网纹甜瓜图像,采集了三个生长阶段的57个网纹甜瓜样本。对采集的甜瓜样本图像,用L*a*b*色彩模型、HSV色彩模型和灰度共生矩阵(GLCM)、多分形维数和间隙度表征网纹甜瓜果实表型信息。将这些表型参数作为输BP神经网络的输入。在定量预测中,分别建立每种内部品质(果糖、葡萄糖、蔗糖、总糖、可溶性固体物、VC含量)的预测模型。结果显示,总糖值与预测值之间的相关性高,相关系数为0.90。在定性预测中,利用BP神经网络,通过表型信息预测甜瓜生长阶段,生长阶段的预测值和实际值相关系数为0.89。用30个样本作为模型的训练样本集,并对隐层节点数和训练函数这两个重要的网络参数进行优化。对于15个测试样本,生长阶段的预测结果与实际值一致。以上结果为网纹甜瓜品质预测和改善生产管理提供了良好的理论依据。(5)基于热成像技术和气象数据的果实表面温度的动态模拟针对太阳直射会造成果实表皮的灼伤、色泽与纹理变化等问题,用热成像技术,基于能量守恒和监测的气象数据,构建了一个有效模型,来动态模拟果实的表面温度。一系列气象数据(空气温度、湿度、太阳辐射度和风速)在11:00-18:00间每隔15分钟记录一次,持续两个月。为验证模型有效性,在果园环境中果实表面温度通过红外相机监测。果实表面的动态温度通过一系列热成像获取。在果实完全被太阳光照射的情况下,模型估算果实表面温度的均方根误差小于2.0°C。对果实表面反射率和表面水蒸气电导率敏感性分析显示,准确估算果实表皮反射率对模型模拟表面温度非常重要。有效性分析显示,模型能够准确描述不同太阳光照强度条件下果实表面的热性能。与仅用空气温度估算果实表面温度相比,该模型能够较为准确的估算果实表面温度。该模型为防止灼伤的喷灌控制提供了决策支持。综上,本文以果实表型为主要研究对象,对果形动态检测、网纹解析量化、颜色分级量化与模型构建等进行了深入研究,提出了主动形状模型检测、多重分形维数和间隙度解析融合、主动光源颜色分级和椭球体颜色量化等网纹甜瓜果实表型检测解析的理论与方法,提高了果实表型信息无损检测的准确性与精确度,推动了果实表型组学发展,对于建立网纹甜瓜果实表型与重要基因表达、生产环境控制与精准管理具有重要意义,研究结果为建立用果实表型表征甜瓜果实发育生理生态过程提供了理论依据与技术方法。