随着全球气候变暖以及农用耕地的减少,使得农业生产面临着严峻的挑战。粮食产量增速明显放缓,粮食安全问题变得日益严重。我国作为农业大国,保障作物产量以及品质尤为重要。水稻作为我国三大主要粮食作物之一,其重要性不言而喻。为了提高水稻产量与质量,对水稻籽粒的研究变得必不可少。水稻的产量跟水稻籽粒的粒型以及粒重紧密相关,因此本文主要研究水稻籽粒的饱瘪粒情况以及水稻籽粒的粒型,如粒长、粒宽、粒面积以及粒周长。随着图像处理技术在作物表型领域的逐渐应用,以红光图像为研究对象的作物表型研究得到了快速的发展。本文采用红光透射水稻籽粒,应用高拍仪采集水稻籽粒图像,应用目标检测技术来快速准确的识别水稻籽粒的饱瘪粒情况,以及应用水稻籽粒表型算法计算水稻籽粒的粒型。本文主要从以下几个方面展开研究:（1）基于红光透射的水稻籽粒图像采集系统设计。基于红光透射水稻籽粒设计了一套水稻籽粒图像采集系统。其设计思路是将水稻籽粒平铺在红光光源板上,通过指定波长的红色光源透射水稻籽粒,再将高拍仪调整为特定的拍摄参数,使其采集的图像能清晰的分辨出水稻籽粒的饱瘪粒情况,最后用其采集红光透射图像。（2）基于红光透射的水稻籽粒图像饱瘪粒识别与深度学习模型改进。将采集到的水稻籽粒图像作为研究对象,创建目标识别模型实现对水稻饱瘪籽粒的识别与区分。使用Faster R-CNN模型、以及其改进模型和YOLOv5模型来提取水稻籽粒性状进行对比实验。其中使用Faster R-CNN模型的水稻籽粒的精确率P、召回率R、F1score这三个指标分别为91.60%、90.80%、91.15%。其改进后的模型水稻籽粒的精确率P、召回率R、F1 score这三个指标分别为97.80%、97.20%、99.00%。使用YOLOv5模型的水稻籽粒的精确率P、召回率R、F1 score这三个指标分别为94.11%、88.14%、91.02%。可以看到改进后的模型无论在精确率P方面,还是在召回率R以及F1 score上均是最高的。（3）基于红光透射的水稻籽粒粒型计算与模型应用研究。此应用分为两个部分。第一,设计QT应用界面,此界面将调用训练好的网络模型,然后将输入的红光透射水稻籽粒图像进行目标识别,目标识别将会检测到水稻籽粒的位置与并生成包围目标的最小外接矩形目标框,再通过水稻籽粒粒型算法对检测到的水稻籽粒的粒长、粒宽、粒面积、粒周长等参数进行计算。最后将水稻籽粒的总粒数、饱粒数、瘪粒数、粒长、粒宽、粒面积、粒周长等参数显示到QT界面上,方便使用者查看与分析;第二,利用云计算将网络模型与粒型算法部署到阿里云,再设计网络调用网页,使用户可在网页上传红光透射水稻籽粒图像,然后阿里云上部署的模型和粒型算法将对其进行目标检测与粒型测量,最后将计算结果返回到网页,供用户查看与分析。