针对当前果树喷雾中存在喷雾效率低、农药浪费严重、农药污染严重等问题，提出将机器视觉技术应用于果树对靶喷雾系统中。基于机器视觉的精确喷雾中，关键问题之一是如何准确、快速的从背景中分割出目标图像。本论文重点对果树图像的识别方法进行研究，从而为实现精确的对靶喷雾奠定理论基础。 本文通过动态采集的彩色果树图像为研究样本，基于DSP图像处理平台和CCS开发环境，使用三种方法实现简单背景和复杂背景下果树图像的识别，实现了彩色视频信号的实时处理，论文的主要内容包括以下几个方面： 在RGB色彩空间下，先利用G分量对果树图像进行分割，实验证明，单独利用绿色植物的G分量进行处理，并不能够把相关区域分离出来。然后用最大类间方差法利用绿色植物和背景的R、G、B数值差异进行阈值设定对果树和背景的像素点进行判别，实验表明此方法可以较好地完成果树图像的识别，但是因为像素的R、G、B值之间具有相关性，使得这种方法有其局限性。 在HSI色彩空间下，通过直接设定绿色色调带宽的方法，结合果树图像的饱和度和亮度特征进行果树图像分割，实验证明，该方法较之于基于RGB色彩空间下的分割效果改进并不明显。 在上述研究的基础上，利用图像的亮度信号Y分量，结合图像的G特征分量再次对果树图像进行识别，实验证明，该方法识别果树图像的效果优于前面两种方法，但同时也存在分割耗时较长的特点，有待进一步研究。 文章分析比较了三种识别方法的优劣，并进行了系统的软硬件优化，使得系统运行速度有了明显提升，在系统速度优化的基础上，认为基于G和Y分量的识别方法优于另外两种方法。