精准农业是当今世界农业发展的趋势，而实时准确地提取作物生长信息以及其生长环境状态是精准农业实施的关键基础。计算机视觉技术，在对作物生长状态进行自动化监测应用方面已取得了许多成果，然而现阶段国内外利用图像处理技术对作物生长信息的检测，主要集中在病虫害识别、杂草识别等方面，对作物生长期进行自动识别的相关技术很少。而人工观测又存在工作强度大、人为主观性强等缺点，因此我们希望通过图像处理技术进行作物生长期的自动观测识别。本文以棉花田间数字图像为研究对象，对棉花的出苗期、三真叶期、五真叶期的自动检测方法进行研究。棉花出苗期自动检测算法主要分为两个阶段，首先进行幼苗分割，再进行作物行提取，根据检测到的作物行数确定棉花出苗期是否到达。棉花三真叶期自动检测算法是基于对棉花下视图中覆盖度变化规律。覆盖度统计需要对下视图进行作物分割，考虑到三真叶期作物叶片面积变大，对光照变化比较敏感，因此我们采用了EASA算法进行绿色作物分割。然后分别对全局覆盖度和局部覆盖度进行跟踪和统计。棉花五真叶期的自动检测算法将下视图覆盖度和前视图中单株植株形态变化结合起来。先对下视图中全局覆盖度进行统计，再对前视图中单株植株进行检测，包括主茎检测、侧茎检测和节点数目的确定。主茎检测是先对前视图进行颜色分割，然后根据分割结果对边缘和骨架进行直线检测，确定主茎位置。根据主茎确定的单株植株位置，进行侧茎检测。主茎位置和侧茎位置确定后，可以通过直线相交交点得到节点数目此外，本文中分别对出苗期、三真叶期和五真叶期的自动检测算法进行有效性验证。在对实验场地、作物情况、自动观测装置以及算法处理图片的情况作了简单介绍之后，将乌兰乌苏提供的2011年和2012年棉花图像进行算法验证，将实验结果与棉花生长发育状况对比观测试验记录进行对比，验证了算法的有效性和准确性。