植物缺水判别推动了自动灌溉系统的智能化发展。本研究应用图像分割算法和模式识别算法相结合的方法,分析阔叶苗是否缺水。本文以白蜡树、柳树、银杏和杨树为研究对象,利用图像分割算法分割出单个叶片,提取阔叶苗叶片图像的颜色特征值、形态特征值、纹理特征值,结合土壤湿度特征量,通过BP神经网络和SVM分类算法训练分类模型,建立植物缺水判别系统。本文分别对分割算法和分类识别算法进行对比,最终通过Mean-shift分割算法和径向基核函数SVM分类器建立缺水判别系统,判别率可达到90.73%。论文的主要工作流程如下:(1)白蜡树、柳树、杨树和银杏四种阔叶苗的培育以及环境数据库的建立。对每种树苗分组实验,每天采集正常生长状状态和缺水样本,在样本培育的同时获取光照、温度、土壤湿度数据,建立相应的数据库。(2)图像分割算法的研究。用单反相机采集叶肉、纹路完整的叶片图像,选择算法对图片进行灰度处理、平滑去噪、边缘检测,通过算法的对比,选择最适合本课题的分割算法。(3)叶片特征提取和特征选择。本文通过提取阔叶苗叶片的几个最有效特征参数,采用识别分类器来对植物进行缺水判别。选用的特征参数有颜色特征中的均值、方差;纹理特征中的纹理能量、对比度、相关性、纹理熵;形状特征中的矩形度、伸长度、圆形度、致密度。通过数据方差计算,选择提取了其中6个最有参考价值的特征,结合土壤湿度特征,形成7维特征向量。(4)研究并提出BP神经网络和SVM方法建立叶片缺水判别系统。输入7维特征向量构建BP神经网络分类模型和SVM二分类模型。通过实验结果的识别率、训练时效的对比,选择最优分类器。