水分是影响蔬菜生长种植的关键因素,合理的水分调控对生菜产量、品质具有很大的提升。为了提高生菜灌溉水利用效率,本研究以生菜为研究对象,首先设置不同水分梯度对生菜进行试验研究,并利用机器视觉技术实时获取作物系数,通过生菜可见光图像作为参考图像进行提取热红外图像目标区域,完成了水分亏缺诊断。介绍了主要研究方法、结果及结论如下:（1）利用智能称重系统实现了对盆栽生菜的土壤体积含水量、增重、蒸腾速率、气孔导度、蒸腾量和作物系数的实时监测和解析,根据智能称重系统在线监测的数据能够实时反映不同时刻生菜种植条件下土壤-植物-环境变化情况,同时验证了智能称重系统的数据获取的准确性和可行性。在土壤方面,智能称重系统的相对系统重量与土壤体积含水量呈现较为一致的增长消退趋势,具有显著线性相关关系（决定系数为:0.639-0.941）;在植物方面,第一季和第二季的试验中低水分处理下生菜的每小时蒸腾速率、气孔导度最低,分别为2.62 g·h-1、2.12g·h-1和364.60mmol m-2s-1、162.74mmol m-2s-1;在大气环境方面,随着生育期的推进,蒸散量呈逐渐增加的趋势,不同水分处理下,T2处理的生菜蒸散量达到最高,分别为112.52mm d-1、278.61mm d-1。适宜的灌水下限可以提高盆栽生菜的产量。综合第一季和第二季的研究结果可以看出,当灌水下限为80%时,生菜的气孔导度、蒸腾速率、增重、单株重量和灌溉水分利用效率均有所提高,且第一季和第二季的生菜灌溉水分利用效率比其他处理分别显著提高了11.07%、0.91%、8.08%和21.05%、9.89%、13.47%。（2）基于图像畸变校正结合超绿算法对展叶生菜和结球生菜进行了作物冠层覆盖率的提取,且利用机器视觉技术建立了生菜需水量估算模型。这项工作中,训练了XGBoost、Cat Boost、SVR及RF模型用来估算生菜作物系数。结果表明,在精度方面,集成模型（XGBoost、Cat Boost、RF）的使用优于SVR模型,其相关性范围为（0.75—0.93）。将XGBoost模型的泛化性能与Cat Boost、SVR和RF模型进行了比较,发现XGBoost模型在泛化方面优于Cat Boost和RF模型,SVR模型的泛化性能最差。该估算模型能够动态监测作物系数全生长过程变化,并通过采用PM公式对作物需水量进行计算来帮助农民决定灌溉量,有效解决了在不影响生产力的情况下减少用水问题。此外,本文进一步建立了基于作物系数与株高（h）、株幅（D）、归一化植被指数（NDVI）数学关系模型,为以后探究作物生长监测情况提供了理论指导。（3）建立了一种生菜叶片冠层温度自动提取算法,以获得温度值来判断水分亏缺情况。根据红外图像生菜的温度分布并结合可见光图像生菜的位置信息,能够比较精确的获取生菜冠层区域的温度。经过热红外与可见光参考图像融合信息提取热红外冠层图像部分,剔除了背景温度干扰,使得热红外冠层温度的平均值降低了2℃,得到了水分亏缺指数（CWSI）与蒸腾量（ET）之间呈显著负相关,且生菜在水分亏缺状态下对CWSI的影响最敏感,为以后为热红外图像技术应用农作物水分亏缺诊断提供了技术支持和参考。本研究研究了不同时期不同品种生菜的水分调控变化趋势,通过运用机器视觉技术建立了作物系数在线实时测量系统,然后利用可见光图像与热红外图像进行融合提取目标冠层温度来建立CWSI判断生菜水分亏缺状态,研究结果为以后实现作物精确灌溉提供了理论指导。