水稻是我国三大主粮之一。目前水稻生育期的判断仍然是人工识别,需要消耗大量时间和人力成本,水稻长势的判断标准也不统一,缺乏量化指标,稻农很难做出科学合理的田间管理策略。水稻在灌浆期沉淀结实,灌浆期的田间管理策略影响了水稻的产量和品质。为了精准识别水稻灌浆期、评估水稻长势,本文提出灌浆期水稻识别、分割及特征分析研究方法。在水稻全生育期阶段,通过田间摄像头采集水稻图像,识别水稻灌浆期,然后分割灌浆期水稻稻穗并计算稻穗特征参数,探究特征参数与水稻长势之间的关系,最后开发灌浆期水稻在线监测与分析软件,供研究人员和稻农使用,为水稻田间管理提供决策支持。主要的工作和结果如下:1)研究水稻灌浆期识别。在灌浆期初期,稻田仍有一部分水稻属于开花期,而且开花期与灌浆期水稻特征相似,导致识别困难。根据水稻实际生长发育特点,拼接开花期和灌浆期水稻图像,构建水稻灌浆期识别数据集。对比5种卷积神经网络,最终选择VGG-16作为水稻灌浆期识别网络模型,其在测试集的识别准确率高达99.81%。2)研究灌浆期水稻稻穗分割。稻穗与稻叶交错粘连,分割较为困难,因此以Deep Lab V3 Plus网络模型为基础框架,基于神经架构搜索算法自动设计主干网络,修改空洞空间卷积池化金字塔,搭建稻穗分割网络Rice-Deep Lab。实验结果显示,改进后的语义分割网络Rice-Deep Lab的m Io U为85.74%,Pix Accuracy为92.61%,与原网络模型相比m Io U和Pix Accuracy分别提高了6.5%和2.97%。3)灌浆期稻穗特征提取与分析探究。为了探究水稻长势,基于分割后的灌浆期水稻稻穗图像,设计、计算、筛选稻穗特征参数并分析其与水稻长势之间的关系。根据实验结果得知,由图像的稻穗面积占比、离散程度、图像平均曲率、颜色特征可大致判别稻穗稀疏或稠密、稻穗是否饱满、色泽青绿、金黄或灰白等长势。4)设计灌浆期水稻在线监测与分析软件。基于Qt图形界面库,将生育期识别、稻穗分割和参数计算等算法集成,开发便于用户使用的人机交互界面。该软件可在线监测水稻生长情况,并提供与水稻长势有关的量化参数。