为实现精准、高效、无损地获取植物工厂环境下水培生菜相关长势参数叶面积（Leaf area，LA），基于数字图像处理和机器学习回归方法建立单株水培生菜冠层图像LA估测模型。首先，通过智能手机获取2个生菜品种不同生长期的冠层可见光图像，利用Photoshop图像处理软件将原始图像统一剪裁为900像素×900像素大小，采用中值滤波（MedianBlur）法对剪裁后的图像做去噪运算，将RGB图像转化为HSV颜色空间，再采用mask掩膜法分割彩色图像；然后，利用图像法获取单株生菜LA实测值，构建以LA实测值为因变量，以生菜冠层投影面积（Projected leaf area，PLA）为自变量的线性回归（Linear regression，LR）模型和以全局图像特征（颜色、形状、纹理等）为自变量的支持向量回归（Support vector regression，SVR）、多元线性回归（Multiple linear regression，MLR）和随机森林（Random forest，RF）等LA估测模型进行对比分析；最后，采用决定系数（Coefficient of determination，R2）和均方根误差（Root mean square error，RMSE）评估模型的准确性。结果表明：RF模型估测效果最好，对于生菜绿萝单株LA估测结果的R2为0.9714，RMSE为8.89cm2，对于品种‘碧霄’估测结果的R2为0.9201，RMSE为23.34cm2。本研究验证了RF回归模型能够较准确地估测生菜单株叶面积，可为植物工厂水培生菜LA无损估测提供新的解决方案和研究基础。