基于计算机视觉的玉米种子特征提取及应用研究是山东省科技计划资助项目“基于计算机视觉的农产品自动检测技术研究”(J05G16)的一部分。论文构建了基于计算机视觉的玉米种子特征提取系统；首先选择玉米种子图像预处理算法，然后提取玉米种子形态特征，最后利用提取的玉米种子特征对基于matlab神经网络的玉米种子品种识别做了初步探索。 1．分析玉米种子的形态及光学特性，设计了用于玉米种子特征提取的计算机视觉硬件系统。该系统结构简单，易于加工，应用面广，不仅可用于玉米种子特征提取，同时也为小麦、大豆等农作物种子检测系统的开发提供了参考。 2．对图像变换、图像增强、图像分割、形态学处理等一系列图像预处理算法进行分析、比较，设计了玉米种子特征提取图像预处理方案。试验表明，该图像预处理方案能有效满足特征提取对图像的要求。 3．提出了基于轮廓标记的多轮廓跟踪算法，该算法对玉米种子的形状和轮廓具有很好的适应性，一次扫描就可完成所有连通区域的轮廓跟踪，执行效率较高。 4．提出了一种基于多对象特征测量的玉米种子尖端定位算法，并利用面积和周长对影响尖端提取的关键参数进行了优化。该算法不受种子摆放方向、位置和种子大小的影响，适应性强，对玉米种子尖端定位成功率在93％以上。 5．定义并提取了玉米种子22个形态特征，算法可以同时对图像中多个玉米种子进行特征提取，大大提高了玉米种子特征提取的效率。 6．分析了BP人工神经网络的结构特点和网络参数设计要求，设计了面向matlab的BP神经网络。通过试验对BP神经网络的训练目标、网络结构和传递函数等参数进行了优化。 7．优化特征选择，选定周长、长轴、短轴、当量直径、形状参数、圆度、伸长度、紧凑度、G均值、B均值、L均值、R均方差、G均方差和L均方差共14个特征参数作为输入向量，试验条件下，对鲁单981、农大108、山农96三个品种的识别准确率达92％以上。