大豆是世界上植物蛋白和油脂的首要供应来源作物之一。近几十年来,我国对大豆的刚性需求随着大众食品结构中蛋白质比例的上升而快速增长,而国产大豆产量却呈下降趋势,对外依存严重,威胁国家粮油安全。培育优良大豆品种,增加大豆单产成为了大豆育种专家的首要目标。考种工作在作物表型组学研究中一直发挥着重要作用,通过对大豆种子、植株进行考种,获取表型特征,解析其中与大豆产量、品质的关系,这对于育种方案的设计研究有着重要意义。传统人工考种方式存在成本高、准确率低、描述较粗糙的缺点,而现有基于高光谱图像技术的考种方法,由于技术设备价格高昂、不便携带等原因难以推广使用。为改善这一现状,本文提出一种面向人工智能育种,基于计算机视觉技术的大豆种子表型特征数据采集与分析的解决方案。本文基于对大豆表型特征数据的采集与分析的计算机视觉应用技术的研究,完成了以下工作:(1)设计并构建了一套高通量、低成本的大豆种子图像批量采集解决方案,对2018年收获的200个品种东北大豆的杂交组合后代株系,共计约10万粒大豆种子进行了快速、无损地图像采集工作,共拍摄了 5000余张原始大豆种子图像。(2)完成了对原始大豆种子图像的预处理工作,首先通过tesseract-OCR开源引擎对采集到的大豆种子图像中所包含的相关文本信息进行提取,并设计了命名模板以便生成统一规整的大豆种子图像数据集;完成图像灰度化、图像去噪处理,基于霍夫变换算法对原始大豆种子图像进行籽实坐标检测及区域分割,获得了统一规整的单粒大豆种子图像数据集。(3)在获得的单粒大豆种子图像数据集中,在不同颜色模型下提取了大豆种子表皮颜色、光泽度、均匀度等颜色特征,通过尺寸比例校正方法计算了大豆种子的长、宽、周长、面积等形状特征,并基于高斯拉普拉斯(Laplacian of Gaussian,LoG)算子边缘检测和广度优先搜索(Breadth-First Search,BFS)思想首次实现了对大豆种脐、种肾等部分的精细化分割和特征信息提取,为育种设计提供了全新的表型特征参数。(4)设计并实现了大豆表型组数据平台系统,系统保存了本文的图像处理结果以及往年保存记录的人工考种数据,并为育种专家提供简便、可靠的大豆种子表型特征数据分析及查询服务。本文为面向人工智能育种的大豆表型组研究提供了一定的参考价值,通过计算机视觉技术,实现了对大豆种子的快速、无损考种,解决了传统人工考种存在的成本高、效率低、精度差等问题,为育种专家进行精细化的育种方案设计提供了更加精准、更多维度的表型性状数据参考。