本文以计算机视觉系统为重要技术手段，综合运用数字图像处理技术、色度学、植物营养诊断学、设施栽培学，模式识别等多方面的知识和技术，进行了植物缺素识别技术的研究，研究的主要内容有： (1)以实际生产中常出现的番茄缺氮、缺镁、缺铁三种情况为研究对象，配制了缺素营养液配方，利用无土栽培中的珍珠岩为基质，进行了样本的培育。利用已构建的图像采样装置，进行了样本的图像采集。 (2)研究了图像去除噪声，图像分割等多种了低层处理方法。比较了改进的邻域均值滤波法、传统均值滤波法和中值滤波法的去噪效果，结果选用3×3中值滤波法去除图像采集过程中受到的各种噪声干扰；提出用图像相减的快速分割方法分割番茄叶片图像和背景。 (3)从颜色和纹理两个方面提取了缺素叶片图像的特征参数。在颜色特征参数提取方面，提出以各色调域的平均百分率直方图均值作为颜色特征值。在纹理特征提取方面，主要利用了三种方法进行了特征参数的提取：提出基于最大差分算子的色调域平均百分率直方图均值作为纹理特征参数；利用基于最大差分算子的灰度一梯度共生矩阵法提取缺素叶片的纹理特征；利用适合于分析瞬态反常信号的小波分析法提取了缺素症状表现的时频特性。通过相关性分析，优化了所提取的颜色和纹理特征组合。 (4)分别基于模糊K-近邻法和BP神经网络分类法建立了番茄缺素与正常、缺氮与缺镁、缺氮与缺铁的模式识别系统。缺素识别系统识别正常中叶、正常新叶、缺铁新叶、缺氮中叶和缺镁中叶的最低正确率分别是92﹪、94﹪、94﹪、87﹪和87﹪。 取样和制备缺素叶片，进行了番茄叶片营养元素含量分析实验，分析了所提取的缺素叶片特征与营养元素含量之间的关系。利用缺素叶片色调均值、病态面积比和单位面积熵与缺素叶片营养元素含量之间的关系，对番茄的缺素程度识别进行了研究，结果表明，缺素前期、中期和后期的缺素程度识别精度分别大于为60﹪、70﹪和80﹪。 本研究为无土栽培作物营养元素亏缺智能诊断技术和营养液供给在线监测系统开发作了基础性研究工作，具有重要的学术意义和实用价值。