精准施药、减量增效是实现我国农业绿色发展的重要举措之一。随着我国植保作业机械化程度的提高,机具喷雾作业效果的科学评价,对提高植保机械的作业质量、减少农药使用量具有重要的指导作用。目前,利用机器视觉技术对喷雾质量检测是一种技术发展趋势,但是存在对粘连雾滴识别精度不高、分割效果较差,导致的检测精度较低等问题。本文基于机器视觉研制了一套便携、检测精度高、操作简单的雾滴沉积特性检测系统,并对粘连雾滴的识别和分割等关键技术进行研究。解决了传统喷雾检测方法中检测仪器价格昂贵、操作复杂、检测精度不高等问题,对实现喷雾质量的快速检测具有实际意义。论文的研究内容主要包括以下五个方面:(1)雾滴沉积特性检测装置研制,主要包括硬件平台搭建和软件系统设计。为保证在整机结构尺寸合适的条件下获取整张水敏纸图像,设计图像滑动采集模块;利用3D打印技术制作关键零部件,对硬件系统组装成型;完成控制系统和图形界面设计。(2)样本采集和图像预处理。设计不同角度的水敏纸托板,以获取喷雾雾滴滴落在水敏纸表面的各种形态,通过植保设备的喷雾作业完成水敏纸样本采集,为后续图像预处理、粘连雾滴分割等工作提供分析样本;为提高在图像预处理过程中雾滴区域提取的准确性,降低光照不均匀等因素的干扰,对比全局阈值分割、分块阈值分割和动态阈值分割对雾滴图像提取的结果;确定水敏纸图像预处理的方法。(3)雾滴分类模型建立。对不同类型雾滴图像的形状参数进行统计分析,结果表明单一参数对雾滴分类的准确性较低;为提高对粘连雾滴和非粘连雾滴识别的准确性,基于机器学习分别建立了K近邻、逻辑回归、决策树、支持向量机雾滴识别模型;通过对不同模型进行对比分析,四种雾滴识别模型的预测精度分别为0.94、0.98、0.95、0.97,选用最优的逻辑回归雾滴识别模型作为粘连雾滴识别和分割是否准确的评价准则。(4)粘连雾滴分割算法的设计。为解决传统分水岭分割算法在粘连雾滴分割过程中存在的欠分割和过分割问题,基于建立的雾滴识别模型对分水岭分割算法进行改进;提取水敏纸图像中的粘连雾滴,通过对粘连雾滴图像进行迭代距离变换处理,获取分割标记种子点图像,并完成对粘连雾滴图像的分割,通过对比分割结果优于传统分水岭分割方法。(5)系统性能试验验证。分别进行雾滴沉积分布检测试验、雾滴粒径分布检测试验和现场试验。通过对比分析本文提出的检测系统雾滴覆盖率的检测结果较Deposit Scan雾滴分析软件、大疆雾滴分析仪检测准确度提高了4.97%和11.29%,通过与人工计数的检测结果进行对比雾滴覆盖密度的检测结果平均误差为3.69%,通过与激光粒度仪的检测结果进行对比雾滴粒径检测结果的平均误差为8.05%,体积中径的平均误差为6.51%。