本研究尝试应用计算机视觉技术分析棉花冠层数字影像建立基于计算机视觉技术的棉花干旱诊断模型。通过分析棉花植株冠层图像的颜色特征值与棉花生理指标、植株含水量和土壤含水量以及棉花叶片叶绿素含量的相关关系,通过逐步回归建立与其相关的定量化模型。研究盆栽棉花数字图像冠层垂直投影面积的变化,实现对棉花干旱胁迫的无损监测。应用灰板校正的方法,实现对不同时期冠层图像亮度的归一化处理,提高各种模型的预测精度。主要结论如下:(1)干旱胁迫导致棉花叶片脯氨酸含量、可溶性蛋白含量、丙二醛含量和可溶性糖含量及植株含水量发生变化。盆栽棉花和大田棉花叶片的脯氨酸含量、丙二醛含量、可溶性蛋白含量及可溶性糖含量均随干旱胁迫程度的增加而增加。棉花植株含水量随干旱胁迫程度的增加呈降低趋势。棉花叶片脯氨酸、可溶性蛋白、丙二醛及可溶性糖等生理指标与棉花植株含水量之间均呈显著负相关,植株含水量能够作为监测反映棉花干旱胁迫的指标。应用计算机软件提取棉花冠层图像图像的颜色特征值,获得盆栽棉花颜色特征值与植株生理指标的相关性并建立了不同生育期生理指标的预测模型。蕾期干旱胁迫后预测盆栽棉花叶片脯氨酸含量和丙二醛含量的方程均由特征值饱和度(S)建立;标准化红光灰度值与绿光灰度值的差值(r-b)建立预测可溶性蛋白含量的预测方程;由g-b建立的线性方程是预测可溶性糖含量的最佳模型。在初花期干旱胁迫生理指标预测模型均由软件直接提取的B值建立,方程的决定系数均达到0.8以上。蕾期和初花期胁迫建立的植株含水量的预测模型均由S值建立,决定系数分别为0.789和0.623。(2)提出用灰板校正不同时期棉花冠层图片亮度进行归一化处理的方法。利用不同时期灰板的亮度(Br)的平均值做为标准校正不同时期图片的亮度值,将校正后HSBr值转换为RGB值,最终实现对于棉花冠层图像颜色特征值的灰板校正算法。分别建立灰板校正前、后的植株含水量的预测模型。初花期、盛花期和花铃期干旱胁迫后冠层图片提取的颜色特征值建立的大田植株含水量的最佳预测模型分别由颜色特征值灰板校正前G/R、灰板校正后G/(R+B)和灰板校正后B/G建立,模型的相关系数分别为0.900、0.887和-0.861。经检验,不同时期最佳预测模型计算的植株含水量的预测值与实测值间的均方根误差分别为1.476、1.044和1.065,相对误差均小于2%,模型稳定,能较好地预测不同时期的植株含水量。合并不同时期数据,建立适用于不同生育期的植株含水量的通用预测模型,灰板校正后的建立的通用模型的预测精度高于原始数据建立模型,灰板校正有利于提高通用模型的预测精度。经灰板校正后获得最佳通用预测模型y=52.023+0.7666(G-R),模型决定系数为0.782,最佳通用模型计算预测值与实测值间的均方根误差为2.03,相对误差为1.79%。灰板校正后颜色特征值建立模型的预测精度高于灰板校正前。(3)盆栽棉花蕾期和初花期干旱胁迫下土壤相对含水量的预测模型分别由b和S建立,决定系数分别为0.637和0.684,均达到极显著水平。在初花期、盛花期和花铃期干旱胁迫后基于灰板校正前颜色特征值建立的最佳大田土壤相对含水量的预测方程分别由G-R、B/G和G-R建立,模型均达到极显著水平;灰板校正后特征值在不同生育期建立的最佳模型由G-R、G/(R+G+B)和G-R建立。检验后结果显示,灰板校正后特征值建立的预测模型精度高于校正前。预测土壤相对含水量的最佳通用模型均由灰板校正后颜色特征值(G-R)/B建立,该模型计算实测值与预测值的均方根误差为10.75,相对误差为17.62%。灰板校正能够提高土壤相对含水量各生育期和通用模型的预测精度。(4)盆栽棉花冠层绝对投影面积可以指示棉花的冠层叶面积及生物量大小,相对投影面积反映棉花冠层变化的剧烈程度。盆栽棉花花铃期干旱胁迫后连续监测过程中,相对冠层投影面积与盆栽棉花叶片的光合速率、蒸腾速率和气孔导度变化趋势相同。相对冠层投影面积与不同干旱处理土壤相对量均达到极显著相关。相对投影面积在0.63-0.67之间可以作为土壤相对含水量下降至50%的诊断指标。(5)干旱胁迫下测定的棉花叶片叶绿素含量在不同拍摄日期均与颜色特征值间存在显著性相关,在不同拍摄日期相同组合颜色特征值与叶绿素的相关性趋势保持一致。以不同拍摄日期灰板的亮度平均值作为不同拍摄日期亮度值的归一化校正标准,合并不同拍摄日期的颜色特征值与叶绿素含量,分别建立灰板校正前、后的叶绿素预测模型。颜色特征值DGCI、R-B与叶绿素含量之间存在极显著线性关系,未使用灰板校正图像的DGCI、R-B与叶绿素含量的相关系数分别为0.8857和-0.8726,使用灰板校正归一化处理后的相关系数分别为0.9073和-0.9016,灰板校正后提高了颜色特征值与叶绿素含量的相关性。比较DGCI、R-B在校正前后对叶绿素含量的预测精度,结果显示校正后的DGCI、R-B建立的模型预测精度高于校正前,校正后DGCI的预测精度大于R-B。采用校正后参数DGCI建立的叶绿素预测方程,其预测值与叶绿素实测值间均方根误差和相对误差分别为0.1200和5.28%,决定系数为0.8812,预测精度较高。应用计算机视觉技术预测不同水分处理下棉花叶绿素含量可行,灰板校正后DGCI可以作为快速无损预测棉花叶绿素含量的最佳特征值。