党的十八大明确提出大力推进生态文明建设,努力建设美丽中国,实现中华民族永续发展,因此,精准评价苗木质量成为了推进生态文明建设、现代林业建设的重要保障。目前苗木质量的评价指标主要分为形态学指标(苗高、地径和根系情况等)、生理指标(含水量、叶绿素含量、含氮量等)以及动态指标(生长速率等)三类。传统的测量方法操作复杂、费时费力,且多为有损检测,因此应用先进的技术手段实现对马尾松苗木的相关活力指标进行提取有着非常重要的意义。本论文为马尾松苗木活力指数提取若干关键技术研究,分别采用基于多目视觉的三维重建技术与近红外光谱分析技术实现了对马尾松苗木若干形态学指标与生理指标的快速、无损、准确提取。主要研究内容与成果如下:1、本论文设计了一套基于多目视觉的马尾松苗木形态学参数提取系统,包括苗木图像采集硬件实验平台搭建以及基于Matlab软件平台的软件系统设计与实现。系统采用“张正友标定法”对相机进行标定,得到相机的内外参数,再通过中值滤波与拉普拉斯边缘锐化算法对图像进行预处理,经过图像校正、立体匹配得到苗木的空间点云数据,然后通过点云拼接与Delaunay三角剖分算法得到马尾松苗木的三维模型,最后通过苗木各部分颜色信息差异对苗木树冠、树干和树根进行自动识别并通过相关算法对各部分长度与体积进行测量。通过对实验结果的评价,证明该方法完全符合传统林业调查要求,可以代替传统人工测量方法,增加测量数据准确性与稳定性的同时减少人工劳动量。2、本论文采用近红外光谱分析技术对马尾松苗木的生理指标(含水量)进行预测。实验通过BRUKER公司生产的MPA系列近红外光谱仪对马尾松苗木进行近红外光谱信息的测定,再经过降噪、数据规范化等预处理后通过后向间隔偏最小二乘法进行特征波段的选择,最后建立偏最小二乘模型实现对马尾松苗木相关生理指标的预测,并通过相关评价指标对实验结果进行评价,证明本文所述的基于近红外光谱分析技术的偏最小二乘算法完全满足实际测量的精度要求,可以代替复杂的传统人工测量方法。