当下人们的生活质量和消费水平都在不断提升，消费者及生产者对食用蔬菜的品质要求也愈来愈高。蔬菜的食用价值主要体现在其叶片上，叶是绿色植物特别是叶类蔬菜自身面积较大的器官之一，对植物体内有机物的合成以及水平衡的调节具有重要的作用。准确提取叶的特征参数对于合理调节其生长环境资源配置、促进不同环境下植物快速健康地生长发育也具有重要的现实意义。图像技术的发展与成熟为叶片特征提取创造了强有力的实验研究条件，相对于传统离体测量方法来说具有无损测量速度快、灵活方便、准确率高等优点。于是，本文利用数字图像处理方法围绕LED蔬菜生长柜中的叶片特征提取问题展开相关的研究。本课题主要内容是在图像处理法基础上针对LED蔬菜生长柜中叶片的形态特征提取以及成熟度特征检测进行研究。在叶片形态特征提取方面，首先在已知尺寸的标准背景板上采集叶片图像；其次对图像滤波去噪等预处理后进行阈值分割，针对不同成熟度及健康状态的叶片，这里采用阈值分割与形态学结合法及阈值分割与布谷鸟算法结合法来实现对叶片的有效分割；然后对其进行边界提取和特征分析，利用像素统计法、链码扫描法和最小外接矩形法测量叶片的面积、周长、长度、宽度等形态特征数据，并利用参照物尺寸的等比例转换求得其真实数据；在叶片成熟度检测方面，在前期图像处理基础上，将根系特征与叶片特征相结合，利用上下两部分特征数据分别构建神经网络模型，对联合神经网络检测结果进行信息融合来提高成熟度检测准确度。最后利用ＭATLAB软件的GUI功能设计了LED蔬菜生长柜叶片特征监测用户使用界面，实现叶片图像特征自动测量的可视化功能，使管理者能够方便准确地提取叶片特征来掌握蔬菜长势，并为实现LED蔬菜生长柜的智能化控制创造条件。试验环境选择在天津职业技术师范大学自动化与电气工程学院自主研发的LED蔬菜生长柜中进行。结果表明，利用数字图像法可以实现蔬菜生长过程中叶片特征的准确提取。本文提出的叶片特征监测的方法以及用户界面具有准确度高、操作简单、灵活方便等优点，便于LED蔬菜生长柜管理者准确判断蔬菜的生长情况，对于合理调节作物生长环境资源配置，实现科学育种与栽培、有效防虫防病以及确保作物优质高产都具有重要的意义。