农作物种子的千粒重是衡量种子质量好坏的关键性指标,而当计算种子颗粒的千粒重指标时,最关键而又最繁琐的任务莫过于精确计算出农作物种子颗粒的数目。现如今我国在计算农作物种子数目时主要以人工和光电管两种计数方式为主,而这两种计数方式都存在严重的成本高、精度低的缺点。针对此现象,本文设计了一种结合计算机视觉、图像处理以及模式识别的农作物种子自动计数系统。系统首先对输入种子图像进行平滑去噪等必要的预处理操作,然后使用改进的模糊C均值聚类(FCM)算法对种子图像进行初步分割,经过初步分割之后,种子与背景明显分离,单个的种子已经具备计数条件。但是,图像中仍存在一些深度粘连的种子颗粒,如果直接对这些颗粒进行检测计数势必导致很大的误差,精度很低。所以针对深度粘连的种子颗粒图像首先对不同的粘连类型进行建模,然后提取不同粘连类型的颗粒图像的特征来构建一个支持向量机(SVM)分类器,进而可以使用该分类器识别输入图像中粘连种子的粘连类型,并针对不同的粘连类型使用不同的分割计数规则实现种子图像的分割和计数功能。系统以玉米种子为例,通过对不同数目不同排列的种子大量实验表明,该农作物种子检测计数系统在统计农作物种子的颗粒数目时,计数精度较高,抗干扰能力强,而且耗时非常短,在计算农作物种子颗粒千粒重指标以及农业生产现代化领域有着实际的指导意义和普遍的运用价值。