【摘要】[目的]种子是植物研究中重要的对象之一，对种子萌发表型的动态监测为了解不同植物生存、生长和繁衍提供了重要依据。本研究提出了一种结合自动化图像处理、图论和监督式机器学习的方法，实现了对种子关键萌发表型的量化分析。[方法]以禾本科植物小麦（Triticum aestivum）为研究对象，利用监督式机器学习算法（如K近邻、支持向量机、随机森林），在不同颜色空间上对三种弱筋小麦品种的种子萌发图像序列进行前、背景对象训练及背景分割，然后通过构建自动化图像处理算法进行目标提取，再结合图论和二维骨架动态分析幼根和根尖点的位置变化，实现关键萌发性状的高通量数字化提取。[结果]本研究可获得大量人工难以计量的萌发性状，包括种子长、宽、面积、周长，幼根和幼芽长度及生长速率等。通过与人工统计数据的线性回归分析，关键动态性状如幼根长、根生长速率、芽长的决定系数R~(2)值分别为0.922（n =188，P< 0.001，RMSE=0.406）、0.897（n=115，P