玉米作为世界三大粮食作物之一,其生产直接影响着世界粮食产量。玉米叶片的叶绿素是光合作用、干物质积累的基础,也是玉米生长发育的指示剂,间接反映其营养状况。而氮素不仅是玉米叶绿素的重要组成元素,同时也是合成蛋白质、核酸等物质的基本元素,被称为“生命元素”。因此,快速检测玉米叶片的叶绿素和氮素含量对于指导玉米施肥,达到优质高产具有重要的意义。随着数字图像技术和光谱技术的发展,一些研究者已将其应用于作物的营养诊断上,但是现有的利用数字图像技术检测叶绿素和含氮量的研究仅局限于一个或几个品种,对象较少或很少。而应用光谱技术方面多见于高光谱。为了丰富玉米叶片叶绿素与氮素含量的研究内容,为便携式叶绿素与氮素含量检测仪的开发提供依据,本文以多品种玉米为研究对象,分别应用数字图像技术和可见/近红外光谱技术,对玉米叶片叶绿素及氮素含量进行定量预测方法的研究。主要研究内容和结论如下:（1）图像采集、处理及颜色特征参数的提取与变换。制作带有标定色块组的标准背景板,并利用手机相机在设计好的暗箱内完成图像数据的采集。对获取的玉米叶片图像进行处理,通过中值滤波法进行平滑去噪,利用基于标定色块组的颜色校正法进行颜色校正,通过K-means聚类算法分割得到去除背景和主叶脉的玉米叶片区域图像。转换颜色空间,在三个颜色空间下提取9个基本颜色特征参数R、G、B、L、a、b、H、S和V,并对这些参数进行变换处理,最终得到25个颜色特征参数。（2）基于颜色特征参数建立叶绿素及氮素含量预测模型。将颜色特征参数与叶绿素含量和氮素含量进行相关性分析,在叶绿素含量检测中,最佳的颜色特征参数为G-B,基于此参数建立了预测叶绿素含量的一元线性回归模型,预测均方根误差为0.3830mg/g,绝对误差为-0.6162mg/g～0.6432mg/g,平均绝对误差为-0.0688mg/g。对于氮素含量的检测,最佳的颜色特征参数为色调值H,基于此参数建立了预测氮素含量的一元线性回归模型,绝对误差为-0.53%～0.55%,平均绝对误差为0.05%。（3）基于优选特征波长建立叶绿素及氮素含量预测模型。截取范围为500nm～900nm共包含2095个波长点的光谱数据,采用S-G平滑算法对光谱进行预处理,采用SPXY方法划分样本,分别利用UVE算法和SPA算法优选特征波长,进而建立了预测叶绿素及氮素含量的模型。在叶绿素含量预测模型中,最佳预测模型为UVE-PLS模型,RPD值达到4.2072,除1点绝对预测误差为0.4387mg/g,其余30个点绝对预测误差均在-0.2537mg/g～0.1982mg/g之间,平均绝对误差为0.0072mg/g,达到了较高的预测精度。氮素含量的最佳预测模型为SPA-PLS模型,其RPD值为2.5453,预测绝对误差为-0.47%～0.31%,平均绝对误差为-0.07%,达到了较好的预测效果。（4）基于单一波段下的光谱反射率建立了预测叶绿素及氮素含量的模型。分析各单一波段下的光谱反射率与叶绿素及氮素含量的相关性,发现与叶绿素含量相关性最好的波段为717nm。基于此波段下的光谱反射率建立了预测叶绿素含量的一元线性回归模型,绝对误差为-0.5739mg/g～0.6180mg/g,平均绝对误差为-0.0091mg/g。与氮素含量相关性最好的波段为549nm,模型验证结果为:绝对误差为-0.77%～0.59%,平均绝对误差为0.01%。