目前我国的设施农业总面积已居世界首位,为农业的发展贡献了巨大的力量。但是由于目前设施农业水平的低下,仍然存在着管理粗放,单产较低等问题,因此人们对提高温室水肥调控水平、提高农业生产效率的需求越来越高。开展作物和环境综合信息的探测研究,能够为温室水肥和环境调控提供科学依据,有望大幅提高温室的生产效率。作为生长检测技术中常用的方法,高光谱图像技术和机器视觉技术展现出了在该领域的独一无二的优势。基于高光谱和视觉图像的作物生长检测技术,与传统的方法相比,一方面避免了化学方法费时费力,对植物有破坏性,时效性差无法实现调控的动态反馈等缺点。另一方面避免了专家人工经验判断方法受主观因素影响大的缺点。基于高光谱的作物生长检测技术利用光谱扫描农作物,可以得到作物在采样区域不同波段反射特性,从而反演出作物的营养状态。而基于视觉图像的作物生长检测技术则可以将作物的长势特征进行可视化分析,得到作物植株的株高、茎粗、冠幅面积等长势特征参数,对作物长势情况进行快速无损高精度检测。本次研究种植的作物为番茄和甜椒。研究内容为:通过结合高光谱图像技术和机器视觉技术,进行了设施作物在营养和水分胁迫情况下的无损检测方法的研究,并建立了相应的预测模型。并且针对目前应用于无损检测领域的装置不多的情况,结合CAE有限元分析技术优化设计了一种新型的设施作物无损检测装置,该装置能采集作物的生长信息并带入相应的预测模型,对作物的长势营养信息进行实时监测。进行本研究主要完成了以下工作:（1）进行了无损检测方法研究的准备实验。用无土栽培的方式培植了番茄样本和甜椒样本,并对其进行了营养胁迫。采用化学方法测量了作物含氮量、含磷量以及含水率的真实值。用高光谱成像系统采集了近红外波段的不同氮素磷素水分胁迫情况下作物叶片的数据,包括高光谱近红外图像和光谱的平均反射强度。利用流水线式生长信息检测系统拍摄了作物不同生长期的长势图片。（2）对采集的多源信息进行了处理分析。对得到的光谱反射数据进行处理,建立线性回归方程初选波段,并结合不相关法,对光谱数据进行共线性问题的处理去除共线性,最终确定氮素近红外波段的三个特征波长为B₁₄₃（1376nm）、B₂₃₆（1688nm）、B₂₅₂（1750nm）,磷素近红外波段的三个特征波长为B₂₀₄（1573nm）、B₂₁₂（1601nm）、B₂₂₉（1662nm）,水分近红外波段的特征波长为B₄₈（1061nm）、B₆₀（1104nm）、B₆₇（1129nm）,同时结合化学实测值和特征波长下的反射值建立氮素磷素和水分的预测模型。对拍摄的作物的俯视及主视图像进行滤波去噪、颜色空间转换、分割二值化、提取计算等,得到作物的冠幅、株高、茎粗生长特征的数据,同时结合化学实测值和长势数据建立长势特征的预测模型并分析了番茄和甜椒的长势情况。（3）长势特征和营养特征综合特征建模。结合化学值将长势特征以及特征波长下的反射强度当作自变量综合建模。结果显示综合建立的模型的整体效果较好,相对于单一长势特征或者单一营养特征波长建立的模型预测效果更好,说明综合建模模型效果显著。（4）设计了悬轨式温室综合信息检测系统。预先提出几种结构设计方案并结合CAE有限元技术确定最终方案,装置包括轨道梁总成、行走机构、滑动平台、多传感器系统、控制柜总成几个部分组称,其中传感器部分采集的数据可以带入相应的预测模型预测作物的长势营养信息。并通过实验验证了仿真的准确性及装置的性能,表明装置结构设计合理,能够完成设计的预定目标。