玉米是我国重要的粮食作物,培育优良的玉米品种和探寻科学的管理措施是实现高产的前提条件。玉米的氮素营养是表现其生长状态的主要农艺性状之一,氮素营养可直接影响作物叶片的颜色,进而间接反映出玉米需水、需肥等内部生理需求。通过检测玉米氮素营养来指导精准灌溉、施肥等管理措施,对玉米增产具有巨大的推动作用,所以通过检测玉米氮素营养来分析玉米生长情况和预测玉米产量工作中具有重要意义。氮素是作物生长和产量品质的最为重要的元素之一,适量的氮素对作物的光合作用以及同化产物能力的提升有一定的促进作用,也是经济增长和发展、作物产量和品质的主要因素之一。目前,获取作物氮素营养诊断信息的方法主要为传统的外观诊断和化学诊断。外观诊断包括三个方面,叶色诊断、症状诊断和长势长相诊断。当某种营养元素过剩或者缺少时,人们可以通过作物的形态上判断。化学诊断则通过一系列复杂的化学方法,最后得到氮素具体值。作物症状呈现的特点和规律,则是由于营养元素和生理功能的不足引起的。多光谱成像技术以图像处理技术和计算机技术为基础,以图像采集硬件为依托,己被日趋广泛的应用于研究作物氮素营养诊断。多光谱成像技术通过应用三分色镜链接三个CCD组成,并通过白板校正来祛除杂草、土壤、天气等多方面的影响,实现了快速、实时检测田间作物养分信息。在农业生产中,多光谱成像主要应用于作物的营养检测和品种识别。本文设计构建了玉米植株氮素营养诊断系统,该系统主要由ADC多光谱照相机和戴尔笔记本电脑组成。对田间采集的玉米植株图像使用3×3中值滤波模板去噪,然后使用Otsu算法分割图像,结果表明Otsu算法在分割玉米植株的同时,最大程度上保留了玉米植株的光谱信息,较其它两种算法更适合于本文的研究。在玉米植株光谱特征值提取方面,分析多光谱图像得到了11个特征参数,分别为AVSR、AVSG、ANIRNIR、NDVI、GNDVI.RVIR/G、RVIR/NIR、RVINIR/R、r、g、nir。使用MATLAB软件,分别对玉米拔节期和大喇叭口期所得的80组数据(11个特征参数为一组)进行分析,建立相对应的BP神经网络模型,并对所构建的BP神经网络进行测试(60组训练样本,20组测试样本)。先随机选取20组训练样本,对所建的BP神经网络进行测试,测试后网络的正确率：拔节期为95%；大喇叭口期为90%。然后再对20组测试样本进行测试,测试结果表明BP神经网络的正确率：拔节期为85%；大喇叭口期为80%。利用VC++语言实现了玉米多光谱图像处理系统,系统可以实现读取图像、预处理图像、图像与土壤背景分割,结果表明该系统能较准确提供用户所需的图像处理技术,这为农业专家研究玉米类作物提供了先进的技术指导和高精度的数据支持。