无损、准确地提取作物的氮营养状况信息不仅能及时掌握作物的健康状况,而且是实施合理施肥的重要前提。作物的氮营养状况会通过叶色中呈现的视觉信息体现出来,计算机视觉技术可以通过获取和分析这些信息得出作物氮营养状况。针对传统方法在获取植物氮营养含量信息时繁琐、复杂且效率低的缺点,本文以油茶为主要研究对象,以计算机视觉理论为研究基础,对三种不同树龄的油茶种植片区,通过采用计算机视觉技术,对油茶叶片的颜色特征信息和氮营养含量之间的关联性及反演模型进行了研究,旨在为建立无损、快捷、准确的油茶氮营养自动诊断系统奠定初步的基础。本文的研究主要内容包括：(1)油茶叶片的氮含量和颜色变化规律。通过计算机视觉技术提取了油茶叶片图像98种颜色特征值和SPAD值,根据所获得的数据找寻是否存在变化规律。基于最大相关性的原则,筛选出与SPAD值呈显著相关性的敏感颜色特征,获得的结果为G/L, Si, (G-B)/(G+B),b~*, (G-B)/(R+G+B), B-Y。(2)氮含量与敏感颜色分布特征。根据不同树龄,不同取样时间和不同取样部位三方面的数据,找出氮含量和敏感颜色分布的特征,为之后建模提供参考依据。(3)构建预测模型。基于108组样本数据,以其中一次取样的27份数据为建模集,其余81份数据为验证集,通过线性回归,稳健线性回归,多项式回归,随机森林和支持向量回归的建模方法,研究各种建模方法的预测效果。