我国是一个农业大国，农作物产量高、肥料需求大，农业生产中作物很容易出现氮(N)、磷(P)、钾(K)及其它元素亏缺的情况，严重影响农产品的产量及经济效益。近年来，随着科学技术的不断提高，基于计算机技术的农作物营养元素无损检测技术已经成为本领域的研究热点之一。本文首先分析了生菜在不同氮、磷、钾元素水平作用下叶绿素荧光图像参数随着生育期的变化情况，得到氮、磷、钾对生菜光合性能的影响，同时本研究尝试将叶绿素荧光图像参数与相关算法相结合对生菜的氮、磷、钾营养元素进行亏缺诊断及含量预测。最终期望得到在生菜缺素初期氮、磷、钾营养元素亏缺诊断及含量预测的新方法。　　针对现有的元素无损检测技术（光谱分析技术和计算机视觉技术）无法表征植物内部组织生理生化的变化和作物缺素初期精确检测元素水平难度大等问题，本文尝试将叶绿素荧光图像参数与相关算法相结合用于生菜氮、磷、钾亏缺诊断及含量预测。以叶绿素为天然探针、光合理论为基础的叶绿素荧光技术能够及时准确探测外界胁迫对作物内部生理的细微影响，弥补了计算机视觉技术无法及早检测元素营养状况的不足。通过叶片的叶绿素荧光图像获取相应的叶绿素荧光参数，克服了光谱分析技术获取信息片面的不足。　　分析不同的N、P、K水平作用下生菜叶片叶绿素荧光图像参数随着生育进程变化情况，和发棵期生菜叶片叶绿素荧光图像参数随N、P、K施加水平的变化情况。结果表明PSII的最大光合效率(Fv/Fm)受N和K元素影响较大，PSII的实际光合效率(Yield)随着N素水平变化较明显，高N、低K有助于增强生菜的光化学淬灭能力。本部分研究为后续的氮、磷、钾营养亏缺诊断及氮、磷、钾含量预测奠定了坚实的基础。　　基于叶绿素荧光图像参数的生菜N、P、K元素亏缺诊断。比较了常用的3种支持向量机(SVM)参数优化方法的优缺点，即网格优化参数、遗传算法优化参数、粒子群优化参数。提出了改进型网格搜索法。改进型网格搜索法先在较大的范围内进行搜索，再在最优参数附近区域进行精确搜索。将4种参数优化方法分别应用于生菜氮、磷、钾亏缺分类，结果表明采用改进型网格搜索法耗时短，且分类正确率也很高。　　基于叶绿素荧光图像参数的N、P、K元素含量预测。选用误差反传(BP)神经网络、回归型支持向量机(SVR)2种算法进行建模。结果表明在氮素含量预测时，SVR明显优于BP神经网络。SVR用于氮素含量预测时决定系数为0.91263，均方误差为0.0444。磷元素含量预测时，模型整体预测效果均相对较差。钾元素含量预测时，SVR的决定系数R2为0.92078，均方误差E为0.04523。　　本研究提供了作物氮、磷、钾营养元素无损检测的新方法，研究结果对作物营养元素亏缺快速精确诊断具有一定的参考价值。