植物性状的高通量数据获取和解析对于作物育种具有重要意义,莴苣的品质主要跟其单株的生长速度和叶绿素的含量有关,常规的品种进行人工鉴定和表型鉴定既费时又费力。本文基于机器视觉的图像处理方法评价莴苣的产量和品质,可以对多种莴苣的发育状况进行无损、高通量的表型分析。在本文中,使用温室高通量轨道式表型分析平台,定期的获取莴苣多光谱顶视图影像,并在发芽期、幼苗期、莲座期各选取一天获取300个莴苣品种植株数据构成语义分割数据集。首先对采集到的莴苣多光谱顶视图影像使用Canny算法结合相位相关算法对5个通道的图像进行配准,并使用语义分割模型对每个莴苣植株进行语义分割,将得到的Mask图像对配准后的5通道多光谱图像进行前景提取,使用表型分析管道提取了莴苣植株的5个波段反射率并计算了15种植被指数。特征提取时在莴苣营养期选取7个时间点获取300个莴苣品种数据构成表型提取分析数据集,根据莴苣性状在7个生长点的变化曲线,计算动态性状（生长率和累积率）。并且本文测量了莴苣植株在七个生长点的SPAD值（与叶绿素有强相关性）,叶绿素含量在很多方面反映植物的品质和营养状况方面,并且起着重要作用,本文使用提取到的几何性状（CL）和光谱信息对莴苣植株进行建模分析。通过观测到的几何性状和叶绿素含量可以更准确的反映莴苣植株的生长状况。本文的主要研究内容如下:（1）近地面拍摄莴苣多光谱图像配准。首先使用高通量表型采集系统获取莴苣多光谱图像,针对获取到的多光谱图像各通道之间存在偏差,对获取到的多光谱图像进行预处理,去除光谱噪声,使用Canny边缘检测算法对获取到的莴苣多光谱图像进行边缘提取。基于边缘提取后的多光谱图像使用相位相关算法计算5个通道之间的位移偏差,对多光谱各通道莴苣感兴趣区域进行配准。采用Canny算法结合相位相关算法对多光谱5个通道进行配准平均用时0.92s,相较于单一算法配准效率提升了60%,配准互信息度达到了0.99。该算法性能能够满足后续对莴苣前景感兴趣区域进行高通量精确提取。（2）莴苣多光谱图像感兴趣区域提取。在研究中,为了提高模型的特征提取能力,满足精确提取莴苣单株表型信息的要求,本文使用残差学习单元来加深UNet模型特征提取网络深度,对模型的编码结构部分进行重组设计,加入批标准化保证模型的非线性表达能力和添加Dropout机制防止模型过拟合,增强泛化性。特征提取部分使用Identity Block来加深网络层数,利用Conv block来改变网络每层输出的高度和通道数,构建了新的Res UNet语义分割模型,使用语义分割模型对每个莴苣植株进行分割和识别,F1得分为97.62%,平均Io U达到95.06%,可以达到对莴苣前景图像精确提取要求。（3）莴苣高通量表型信息提取与分析。本文基于语义分割得到的Mask图像提取多光谱每个通道的掩膜和9种几何性状（PA、PC、CHA、CHC等）,使用掩膜提取每个通道莴苣前景图像,通过计算掩膜影像中灰度值为255区域在标定板影像上对应区域的灰度值平均值,计算每个波段的标准地物反射率,并通过波段计算得到15种植被指数。在莴苣营养期间隔5-6天,一共选取7个时间点300个品种莴苣多光谱图像,分析了莴苣几何性状和光谱性状之间的关系,并计算了它们之间的欧氏距离。本文选取了生长差异较大的三个莴苣品种,通过计算他们发育过程中的累计率（AC）和生长率（GR）来评价莴苣植株几何性状和光谱性状的动态变化关系。最后,本文基于提取的冠幅长度（CL）与实测数据（AMCL）、通过相关性分析得到的相关性较高的植被指数（CIRE、LCI、RENDVI）与SPAD使用偏最小二乘回归进行建模分析,并使用建立的模型进行预测。结果表明,CL偏最小二乘回归模型得到的预测值与实测值的决定系数R~2达到0.959,RMSE为1.1779。植被指数LCI-SPAD模型得到的预测值与实测值的决定系数R~2达到0.793,RMSE为2.472。本文基于现有的轨道式表型平台设计了莴苣多光谱顶视图像表型分析管道,并对莴苣的几何形态和叶绿素含量进行了建模预测。与人工调查相比,使用表型分析管道对莴苣的几何形态和叶绿素含量进行测量,可以提供更高的效率、准确率和更统一的标准,并且,可以对莴苣多个时间点的性状进行自动测量和分析,从而评估莴苣各性状之间的动态变化。本研究提供一种自动化的分析管道为莴苣的几何参数和叶绿素含量相关的品质鉴定奠定了基础。