将智慧农业应用于棉花种植过程,可为棉花作物的种植与生产提供新的技术力量与科学的种植方法。对棉铃的分割与检测研究,有助于及早发现与预防病虫害,提高最终产量,同时节省时间并增加安全性,减少人为错误,大幅度提高决策的科学性与准确性。对于棉铃的分割与检测方法目前主要存在以下几个关键问题:对于成熟期吐絮棉铃的检测主要停留在航拍影像上,关于真实场景中棉株近景图像的相关工作较为稀缺;对于绿色未开裂棉铃的检测工作十分稀缺,基本尚未有进展。同时,绿色未开棉铃与背景相似度较高,依靠人工设计并提取特征难以有效区分;白色吐絮棉铃与背景的颜色区分较为明显,但存在较多的棉铃重叠与被枝干遮挡分离的情况。基于以上问题,本文分别对真实棉田中未开裂绿色棉铃以及近景图像中成熟期吐絮棉铃为对象进行了分析研究并提出了相应的方法,具体包括:1、提出了一种改进的YOLOv5目标检测算法,引入了多种更为新颖及有效的方法:使用Dense Block替换了其中的残差单元结构,引入了 SE注意力机制,在特征融合网络部分换为Bi-FPN结构,调整了特征提取网络的结构,从更浅的网络层输出更大的特征图进行检测。以上改进提升了对未开裂绿色棉铃的检测精度,同时减少了模型的参数、体积并降低了计算量,使模型更轻量化,达到了 25ms每幅图像的检测速度,满足实际应用的需求;2、提出了一种成熟期白色棉铃的分割与检测算法,使用HSV颜色空间中的S通道特征进行预分割,并将预分割的结果作为掩膜矩阵初始化GrabCut算法进行进一步分割,对每个连通域进行分析与提取特征参数后,分别设计了区域合并算法与基于距离变换和循环阈值分割的区域分裂算法进行分割与检测。本文工作中在新疆喀什地区奥都水控农场进行了人工采集图像数据,并根据具体需求进行了整理与数据标注。针对绿色棉铃的检测,本文分别进行了消融实验与对比实验,验证了改进的有效性以及相比于其它方法的优点。针对成熟期吐絮棉铃的分割与检测,本文在每一个方法步骤后都进行了实验并呈现了具体效果,并最终通过对比实验验证了分割算法的有效性。同时本文使用了基于区域对比度的评价指标Zeboudj,并自主设计了一种基于区域内颜色均差的评价指标F’,与人工分割的结果进行比对,验证了所提出的分割方法的有效性与准确性。