高效的基于机器视觉的作物表型监测技术作为现代化农业的一个重要研究方向,是育种、品种选择、基因组学和表型组学研究的一个先决条件。由于作物的表型能够为农业种植者提供准确的指导,基于机器视觉的作物表型监测技术的科学研究获得越来越高的重视,技术推广力度也越来越大。本研究针对目前作物表型监测方法耗时耗力的问题,在温室条件下设计开发了一套基于机器视觉的作物表型监测系统,并提出了一种基于可见光图像和热红外图像结合的作物区域温度获取算法,可以更加准确的来诊断作物水分胁迫状态。首先通过电脑端软件控制导轨上的相机在X轴,Y轴和Z轴三个方向上移动并且定位,对草莓作物进行多方位多参数的监测。然后依据提出的作物区域温度自动获取算法,实现草莓作物区域温度的自动提取,并对单点作物水分胁迫指数(crop water stress index,CWSI)、区域水分胁迫指数与气孔导度的相关性进行对比研究。通过对草莓水分胁迫数据分析得出结论,在不一样的水分胁迫实验下,CWSI的值有很明显的差别。三组草莓的作物区域CWSI与气孔导度的相关系数是不同的。和作物单点CWSI相比,草莓作物区域CWSI跟草莓气孔导度的相关系数更大。实验表明基于草莓作物区域CWSI进行作物水分胁迫自动诊断更具有可行性。本文设计的基于机器视觉的作物表型监测系统初步实现草莓作物的水分胁迫的自动诊断,能够既非接触又无损的获取草莓叶片温度,并且证明了基于热红外图像和可见光图像自动获取的作物区域温度计算得到的CWSI与气孔导度的相关性更强,更能反映作物水分胁迫状态,为日光温室中作物水分胁迫自动诊断应用以及合理灌溉提供了科学依据。