甜瓜作为我国重要的瓜果类经济作物,其种植面积不断增加,生产管理中的授粉环节只能通过人工进行授粉,不仅耗费巨大人力,授粉效率与授粉质量也不能保证。随着农业信息化智能化不断发展,研究一台甜瓜花自动授粉机器人已经成为可能。其中甜瓜花的识别与定位是一台授粉机器人中最为关键的部位,决定了授粉机器人能否完成授粉任务以及授粉的效果与效率。本文通过研究前人在农业机器人视觉系统方面的研究现状,提出了利用机器视觉技术与基于RGB-D深度相机的定位方法对甜瓜花进行识别检测与定位。（1）建立甜瓜花数据集。在真实复杂的自然背景下采集不同角度的甜瓜花图像,并对采集到的图像进行筛选,剔除无意义图像,通过数据增强方法增加样本量,最后利用Label Img对图像进行标注,形成甜瓜花数据集。（2）基于深度学习识别甜瓜花。通过对比目前较为主流的目标检测算法,挑选出YOLOv5、PP-YOLOv2、Pico Det三种算法进行比较。对以上三种算法进行训练,对比其训练结果,再通过测试集对其进行测试,对结果进行分析。YOLOv5算法的检测效果最好,平均精度最高达到72.1%,PP-YOLOv2平均精度为76.58%,但其准确率与召回率略低于YOLOv5l,Pico Det的6种模型中Backbone为ESNet＿l的平均精度最高,也只有62.62%,检测速度由快到慢排序为Pico Det＞PP-YOLOv2＞YOLOv5。虽然PP-YOLOv2的检测效果略低于YOLOv5l,但是检测速度在jetson nano平台可达到14FPS,满足实时检测要求,因此本文选用PP-YOLOv2目标检测算法作为识别甜瓜花的算法。（3）基于深度相机获得甜瓜花的位置信息。通过研究相机的成像模型与标定方法,利用MATLAB标定工具箱对Intel realsense D435i深度相机进行标定,获得相机的内参与外参,然后利用深度相机与目标检测算法融合获取甜瓜获得深度值,将二维坐标转换成三维坐标,实现甜瓜花的精准定位。并通过调整甜瓜藤蔓与摄像头间的距离试验以验证其定位效果。实验发现定位效果误差在15mm以内,基本满足甜瓜花定位需求。（4）优化甜瓜喷头喷水参数,通过Jetson nano控制继电器、水泵、喷嘴等部件进行喷洒药液优化,通过控制授粉装置与白纸之间的距离和授粉装置的喷洒时间,测量白纸上留下痕迹的大小优化得出最佳授粉距离与最佳喷洒时间,最终得到授粉的最佳距离为3cm,最佳时间为0.3s。（5）搭建甜瓜花识别与定位的嵌入式平台。利用Jetson Nano、Realsense D435i等主要硬件构建嵌入式平台,在其上部署目标检测算法与深度相机的SDK,通过PC端训练得到的权重,达到甜瓜花的识别与定位功能。