玉米种子表型特征的检测与分析已成为目前玉米产业当中一项重要的研究内容,它在育种以及农业生产上具有广阔的应用前景。传统人工测量速度慢,不精准,耗时耗力,易出错。针对以上种子表型特征所遇到的问题,本文选用四个不同的玉米品种作为研究对象,分别对其果穗以及籽粒进行CCD相机拍摄,将采集到的种子图片通过R分量法、中值滤波法、最大类间方差法、开运算以及闭运算结合法进行预处理,在此基础上提取到玉米果穗的穗长、穗宽、穗行数、行粒数以及玉米籽粒的长轴长、短轴长、周长、面积多种表型特征,并对图像测量结果与人工测量结果进行比较分析,最后采用B/S架构,通过Java的Spring Boot框架搭建,自动实现了玉米种子表型特征采集。取得的主要结果如下:（1）设计并实现了玉米种子表型特征识别系统,其中包括用户管理模块、数据管理模块、数据分析模块以及平台基础维护模块,为育种专家提供可靠的数据以及查询功能。（2）自动获取了果穗穗长、穗宽、穗行数以及行粒数的定量特征,并对图像分析值与人工测量值进行比较,其中穗长的相对误差在1%-3%之间变化,其平均相对误差为2.2%;穗宽的相对误差在1%-5%之间变化,其平均相对误差为2.9%;穗行数的相对误差在2%-3%之间变化,其平均相对误差为2.5%;行粒数的相对误差在2%-4%之间变化,其平均相对误差为3.1%。（3）自动获取了玉米籽粒的粒数以及其长轴长、短轴长、周长以及面积的定量特征,并对图像分析值与人工测量值进行比较,其中玉米籽粒粒数的相对误差在1%-2%之间变化,它的平均相对误差为1.2%;长轴长的相对误差在2%-3%之间变化,它的平均相对误差为2.5%;短轴长的相对误差在2%-5%之间变化,它的平均相对误差为3.2%;周长的相对误差在2%-4%之间变化,它的平均相对误差为3.5%;面积的相对误差在1%-4%之间变化,它的平均相对误差为3.8%。以上所有的测量平均相对误差均在5%以内,误差值较小,实验方法有效可行,实现了玉米种子表型特征数据的可视化,以此阐明这些玉米种子的表型特征,为以后的科研工作提供了便利。