农作物的生长观测是农业气象观测的一个重要部分,作物的覆盖度反映了环境对作物综合影响的结果,传统的先验阈值分割法受作物图像中存在的田间杂物、下雨或施肥后的土地以及光照阴影影响较大,会存在误分割的情况,针对这些问题,本文研究基于深度学习的作物与背景的自动分割问题,提出基于RGB和HSI关系阈值法优化的卷积神经网络(RGB-HSI-CNN)的作物图像分割提取覆盖度方法,解决了光照、遮挡、阴影等影响,取得了平均98.3％的模型准确率和97.53％的像素准确率,为后续作物生长状况监测以及农作物病虫草害的识别、监测等提供了有力支持.