小粒咖啡是世界三大饮料之一,具有重要的经济价值和营养价值,其发育期尤其是多次开花的准确观测对产量预测和田间管理具有重要的意义。为了实现小粒咖啡发育期的自动化观测,本文基于云南省保山市潞江坝一处咖啡园内农业气象自动观测站获取的高时空分辨率延时图像和气象数据,实现了:(1)基于图片的咖啡花自动分割,利用超像素分割和超像素合并,提取区域颜色和纹理特征,训练支持向量机模型进行区域尺度的咖啡花分割。测试结果显示本文提出算法lab2SPMG效果最好,且俯角77.5°下拍摄的图像以及该角度下区域合并数为500时,重合度(intersection over union,IoU)最高,达0.56。同时,分割咖啡花量和标记咖啡花量相关系数r为0.89,达极显著,两者线性回归模型极显著,R2为0.79;(2)多次开花检测,基于咖啡花分割算法,进行时间序列逐日花量检测;样条曲线拟合开花区域比例,计算曲线一阶导数并获取区域极大值,确定为开花期;测试结果显示方位角为A2时开花期检测IoU最高,达0.73,同时,测试拍摄时间为8:00和12:00的时间序列,IoU最高,皆达0.73;(3)基于多个感兴趣区域建立多次咖啡开花和成熟的关系,结果显示,拍摄时间为12:00时,两者之间极显著相关,相关系数达0.57;同时探究了时间序列咖啡开花对降水的响应,结果显示,开花滞后时间为9天和10天时,两者之间相关性达0.33和0.35,且达到极显著。因此,本文算法可实现咖啡开花期实时检测,且未来可用于产量预测以及为气候与发育期互作关系提供重要数据。