新冠肺炎疫情大流行的前提下,我国粮食的生产能力和供需平衡直接关系着国家粮食安全、社会稳定以及经济发展等方面。小麦作为我国主要的粮食作物之一,研究、培育、鉴定优质小麦的主要方式是小区育种。在小麦的小区育种阶段严格掌握小麦的各项生长信息情况,对小麦育种、考种、选优乃至最终的测产都有重要的现实意义。本论文针对小麦小区育种生长信息检测系统,基于计算机视觉技术先后完成小区育种的小麦苗期植株数目统计及小麦病虫害情况的识别和评价,并基于MATLAB APP Design开发出软件,搭载在本文设计的生长信息采集机器人和配套手持式设备上,最终实现对小麦植株数目、病害检测等完成智能化识别。具体内容为:（1）针对小区育种的小麦田间,基于CATIA软件设计并研发了一种小麦生长信息采集机器人和配套的手持式设备。根据本文小麦小区育种时苗期植株计数和病虫害识别的需要,完成设备的结构设计和硬件的选型。（2）对于小麦小区育种苗期植株计数这一科学问题,本文基于MATLAB软件,使用图像处理的方法,先后对小麦麦苗图像进行一系列运算,包括如:图像裁剪、超绿特征、二值化、阈值分割、腐蚀、膨胀、连通域计数等,最终实现对小麦小区育种的苗期植株精准化识别及计数,在一定误差范围内,其准确率保持在88.67%。（3）采用深度学习的方法,对小区育种的小麦叶锈病情况进行识别,使用MATLAB软件,采用Faster-RCNN的卷积神经网络模型,分别开展了相机标定、数据获取、数据增广、标注、训练、验证及评价,最终其准确率为92.65%,召回率为96.15%,AP为95.76%,对比Yolo-v3的目标检测模型有一定的优势。（4）基于MATLAB APP Design完成小麦小区育种生长信息采集识别软件的开发。此软件集成了本文研发的植株计数和病害识别功能等,借助本文研发的小麦生长信息采集机器人和手持式设备这两款平台,最终实现对小麦小区育种苗期植株数量的统计以及完成对小麦叶锈病的识别和程度评价。本文的相关研究对小麦小区育种最终的评价和产量预估以及小麦生长阶段的植物保护等具有积极意义。有利于考种、选优,更好的掌握小麦生长关键时期的情况,培育壮苗,选取优种,同时大大减少了人工成本,提高准确度和时效性。本文的研究填补了针对小麦小区育种情况下配套生长信息检测系统的研究空白,为小麦后续的科学栽培和持续增产奠定坚实基础。