传统园艺栽培与管理中存在着大量需要依靠人的视觉进行辨识和计量的繁重劳动。应用先进的机器视觉技术可以使得这些工作实现自动化与智能化,从而显著降低劳动强度,提高工作效率。然而,园艺对象的多样性与复杂性又是对机器视觉智商指数的一个客观检验。本文研究主要包括人工智能技术在园艺工程领域的三个应用案例创新,研究内容与主要结果综述如下：1)提出了一种基于二维傅里叶变换(2DFT)谱分析的温室粘虫板上害虫数量辨识的机器视觉新方法。此方法并非直接对虫子进行计数而是将粘虫板上的虫子看作2D图像的一种噪声而2DFT作为一个特定的噪声收集器。采用2DFT谱分析法构建用于虫子数量算子,进而对此算子进行验证。研究过程首先通过训练模板对提出的2DFT指数进行模拟测试，得到粘虫指数与粘虫板上诱集到的害虫数量的相关系数R2为1,且与害虫在粘虫板上的分布模式无关。将2DFT指数分别用于对番茄温室黄色粘虫板上的粉虱与韭菜温室蓝色粘虫板上的蓟马进行计数,计数结果与人工清点结果的相关系数R2均在0.99以上,相对误差值均在±4%之内。2)提出了一种基于2DFT谱分析法的叶片面积自动测量方法,以叶片形状不规则的番茄及叶片形状规则的向Ri葵为试验对象,对番茄叶片样本的面积测定和向日葵叶片样本的面积测定结果均显示,2DFT法与手工测量法测得的值相关性在0.99以上,叶片面积的测量误差在±7%之内。以向日葵、辣椒及茄子植株为对象进行了叶面积连续变化监测试验,利用2DFT谱分析法得出的三种植株的垂直投影面积与手工测量的叶片总面积之间的相关性均在0.91以上。此外,以番茄叶霉病害为例,基于2DFT谱算法实现了叶片病害严重程度的定量化辨识。3)提出了基于果树结果状态的果园内单株果树产量估测方法。以“Gala”苹果为对象进行了研究,确定了果实面积、果实个数、果实树叶比以及未成簇果实比例等4个特征参数来描述果树上果实着色后的结果状态。以这4个参数为输入,产量为输出,利用神经网络算法建立了半熟期估产模型与成熟期估产模型。将两估产模型用于测试集样本,得出估测产量与实际产量相关系数R2在0.87以上。确定了果实面积、果实个数、果实树叶比、受遮挡果实个数比例及受遮挡果实面积比例等5个特征参数来描述果树青果期的结果状态。以此5个参数作为输入,产量为输出,利用支持向量机方法建立了单株果树青果期估产模型。利用此模型对测试集样本进行估产,估测产量与实际产量相关系数R2在0.68以上。此外,以"Pinova"苹果为对象,开展了不同作物负荷管理(CLM)对果实识别的影响研究。