中国作为世界上最重要的农业生产大国之一,自古以来就对农业生产十分重视,从古至今流传的很多反映早期农业气象变化的经验与记录,它们揭示了作物的生长规律与气象变化之间的联系,并为后人提供了应对不同天气变化及自然灾害时应当采取的措施,为中国农业的发展提供了保障。近年来,随着计算机视觉的逐步成熟,越来越多的发达国家利用这项技术,从事种子质量检测、农产品分级与加工、植物生长检测、农作物病虫草害的监测与防治中等方面的研究,这使得中国的农业生产水平处于相对滞后的状态,迫切需要提高地面观测及农业气象的自动化观测能力。论文针对农业气象自动化观测开展研究,分别从绿色作物覆盖度提取和作物株高的自动测量开展研究,论文具体工作如下:1.提出基于先验阈值优化CNN的作物覆盖度提取算法。首先利用先验阈值分割法对图像进行粗分割,保留了易出现误分割问题的像素点;其次,将粗分割的结果通过训练好的卷积神经网络,将图像分割的问题转化为对图像中像素点的分类问题,从而实现作物覆盖度的精确提取。2.领域知识引导的作物株高立体视觉测量方法。首先,将左、右两观测图像以区域划分,上半区域提取Harris角点特征并在对应区域内找到同名像点,计算像素视差,并依照三角函数关系计算作物株高;其次,将下半区域用于提取作物覆盖度,反推作物株高;最后将两种方法计算得到的株高结合,解决了在生长初期存在的作物目标过小和生长后期存在的覆盖度下降等影响观测结果的问题,得到更精确的株高结果。3.分析作物覆盖度与株高变化趋势与其他生长参数间的关系,实现作物生长期的自动识别。