土壤心土断口包含完整的土壤性状特征,常用于识别土壤种类,土壤心土断口图像也被作为机器视觉识别土种的信息载体。机器视觉采集的土壤心土断口图像,由于受光照角度、遮蔽物和土壤断口表面凹凸不平等因素的影响,图像中包含阴影,可能对后期的土种识别造成干扰。因此,阴影检测是机器视觉识别土种必需的预处理工作。本文主旨是对机器视觉采集的土壤心土断口图像进行阴影检测,其主要工作如下:（1）对土壤彩色图像HSI颜色空间阴影与非阴影分析,发现阴影与非阴影分别在H、I分量具有一定的分离特性,利用H和I分量构建m测度,进一步增大分离特性用于土壤图像阴影检测。根据m测度直方图双峰特性获取第一个主峰值,根据该主峰值与m测度均值的关系,获取第二个主峰值点。利用两个主峰粗略估计阴影检测阈值,对部分数据做阴影与非阴影标定,分析获取阴影与非阴影监督信息。对未标定的数据构建待检测数据子集,以子集为单位进行阴影检测。利用待检测数据子集与监督信息构建离散度,逐步对未标定数据进行半监督聚类,完成土壤彩色图像阴影检测。18组样本阴影检测结果中,非阴影与阴影平均标准差为0.063和0.058,时间花销为0.355s。（2）通过分析发现对于土壤色度与阴影色度相似的土壤彩色图像上述方法分割效果不精确,针对此不足进行改进。分析土壤彩色图像lab颜色空间中阴影与非阴影数据特性,利用l分量、a分量和b分量构建第二可分离性测度ψ,与m测度构成双可分离性测度。利用（1）中方法获取双可分离性测度的双峰值,分别以双峰为中心,r为半径,对该范围内数据计算决策值,逐步遍历获取最大决策值,确定监督信息。利用离散度算法进行土壤图像阴影检测。改进后的基于半监督双测度的土壤彩色图像阴影检测算法对18组图像样本进行实验:所有样本组阴影检测结果中,非阴影与阴影平均标准差为0.058和0.051,平均标准差降低了 0.005和0.007,时间花销较少为0.367s。实验结果表明本文算法提高了土壤彩色图像阴影检测精确度。