小麦条锈病一直是威胁我国小麦优质高产的重要病害,由于对其早期预测预报技术的缺乏,使得小麦条锈病发病普遍而且严重。条锈病夏孢子菌源数是影响小麦条锈病发病和传播的直接因素,传统小麦条锈病孢子计数需要耗费人力物力、难以实现实时在线计数。为实现田间空气中小麦条锈病越夏孢子数量的远程实时快速测定,本研究开展了小麦条锈病孢子显微图像采集装置设计及其图像处理方法研究,主要研究内容及结论包括:(1)对小麦条锈病孢子显微图像自动获取及传输装置进行了设计。利用AT89C52RC单片机、42BYG250C混合式两相四线步进电机、TB6560驱动板、英特尔NUC5CPYH迷你主机、电源等,设计了一种基于AT89C52RC单片机的小麦条锈病孢子显微图像自动获取及传输装置。该装置通过单片机控制步进电机的转速、转向及延时时间;通过Supereyes界面设置电子显微镜自动拍照时间间隔;延时时间内等待胶带收集孢子,然后电子显微镜拍照采集孢子图像后保存至本地文件夹,通过3G/4G网络传输至网盘保存。经调试优化后可实现获取清晰条锈病孢子显微图像功能,并可实时将图像上传至网盘。实验结果表明,在网络状况良好的情况下,传输的成功率为100%,传输平均时间为1分钟。该显微图像获取装置及图像传输平台能够实时地获取清晰的目标图像,为小麦条锈病孢子菌源数统计奠定了基础。(2)基于机器视觉技术,开展了小麦条锈病孢子显微图像处理方法研究。通过图像增强、图像分割、数学形态学处理方法,得到了边缘较清晰的条锈病孢子目标图像。主要对比了基于L*a*b*颜色空间的K-means分割算法、Otsu分割算法、边缘检测算法的分割性能,采用基于L*a*b*颜色空间的K-means分割算法效果较好,适合大多数孢子显微图像,并能很好地识别活性孢子及失活孢子。对分割后的孢子显微图像进行了形态学处理,包括形态学开闭运算、去除小面积区域、孔洞填充等操作。利用数学形态学运算对分割后的孢子处理,实现了图像的去噪、孢子边缘的平滑,为孢子的准确计数奠定基础。(3)开展了粘连孢子计数方法研究。通过形状因子对单个孢子与粘连孢子进行了识别。对识别后的粘连孢子采用改进的Harris角点检测和基于质心-边缘点距离的角点检测进行了计数。另外,提出了一种标记腐蚀法进行孢子计数,该方法无需进行粘连孢子判别,可以对多个粘连孢子进行准确计数。实验结果表明,基于标记腐蚀法孢子计数平均准确率为94.46%,比改进的Harris角点检测准确率提高了3.46%,比基于质心-边缘点距离的角点检测准确率提高1.86%,该方法可较好地解决重度粘连孢子的计数问题。(4)采用MATLAB的GUI编译工具箱,设计了小麦条锈病孢子显微图像处理系统,通过试验验证,该系统能够较准确地实现多种图像增强及分割方法对比、图像形态学处理过程、多种孢子计数方法对比等功能。