随着中国5G技术取得了突破,物联网技术也变成了炽手可热的风向标。而在农业中,智慧农业将会是当今世界新的发展趋势,智慧农业将会把农业领入新的数字时代和信息时代。也会是21世纪世界范围内农业发展的重点方向。智慧农业的核心思想就是让农业的底层传感器数据、植被的生长参数等各方面形成一个巨大的数据网络。从而可以让专业的工程师和农业技术人员用数据来进行具有针对性的指导农业灌溉、施肥。利用先进的神经网络和图像处理等技术进行识别和分析测量当前植物体周围环境中的叶绿素的含量对我们有非常大的意义和好处。我们可以通过测量当前植物体内的主要叶绿素种类含量和转化率来帮助我们量化当前植物体光合作用的速率,我们也同样可以通过植物体内叶绿素的含量来帮助我们知道当前植物体的生理健康状况和植物体缺肥的情况。只有准确地掌握当前农作物的生长和营养,才能合理地进行投入肥料。本论文基于前人研究成果下改良了图像预处理流程,其中含有归一化去光照、中值滤波方法、图像分割方法使用了 OTSU分割方法。本文提出了基于归一化预处理去除图像光照后利用大津法对图像进行分割的方法,并在其中取得了较好的预处理效果。在颜色模型方面采用了 RGB与HSI模型,R、G、B、H、S、I六个通道经过数学变换,提取出与叶绿素含量相关性最好的r、R-B、H、r1等4个参数,并且最终利用SPSS软件进行相关性分析,取得了良好的效果。通过培育同等条件下的乳瓜植株,并且利用智能的华为P20PRO手机相机采集乳瓜叶片照片,光照条件为温室大棚自然光照,同时利用叶片叶绿素测试仪来测定叶绿素的SPAD值作为验证信息。采集完乳瓜叶片的图像的SPAD后,进行分析对比,绘制回归方程与神经网络模型。本研究通过测量叶片实际的SPAD值与利用图像技术与神经网络技术计算出的预测SPAD值做拟合,来探究寻找一种良好的预测模型与一组有效的表征信息。