摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第7-14页 |
1.1 水果分级意义 | 第7-8页 |
1.2 传统的水果分级方法 | 第8页 |
1.3 基于机器视觉的水果自动分级方法 | 第8-12页 |
1.3.1 国外研究情况 | 第9-10页 |
1.3.2 国内研究情况 | 第10-12页 |
1.4 本研究的主要内容 | 第12页 |
本章小结 | 第12-14页 |
第二章 基于定向装置的苹果机器视觉自动分级试验系统 | 第14-20页 |
2.1 机器视觉与数字图像处理 | 第14-16页 |
2.2 基于定向装置的机器视觉苹果自动分级 | 第16-19页 |
2.2.1 苹果定向装置设计的基本思路 | 第16-17页 |
2.2.2 苹果背景的确定 | 第17-19页 |
2.2.3 光源的布置 | 第19页 |
本章小结 | 第19-20页 |
第三章 苹果图像预处理方法研究 | 第20-25页 |
3.1 直方图 | 第20页 |
3.2 图像增强 | 第20-21页 |
3.3 图像平滑 | 第21-24页 |
3.3.1 领域平均法 | 第22页 |
3.3.2 中值滤波 | 第22-23页 |
3.3.3 分析与试验 | 第23-24页 |
本章小结 | 第24-25页 |
第四章 苹果图像分割方法研究 | 第25-32页 |
4.1 边缘检测法 | 第25-27页 |
4.2 阈值分割法 | 第27-30页 |
4.2.1 判别分析法 | 第27-28页 |
4.2.2 最小误差法 | 第28-30页 |
4.3 分割方法的选择 | 第30页 |
4.4 轮廓跟踪 | 第30-31页 |
本章小结 | 第31-32页 |
第五章 苹果大小和形状分级方法研究 | 第32-39页 |
5.1 苹果图像的基本几何特征 | 第32-33页 |
5.2 苹果大小特征提取方法研究 | 第33-36页 |
5.2.1 传统方法分析 | 第33-34页 |
5.2.2 当量直径法 | 第34-35页 |
5.2.3 分析与试验 | 第35-36页 |
5.3 苹果形状特征的提取 | 第36-38页 |
5.3.1 傅立叶描述子 | 第36-37页 |
5.3.2 圆形度提取方法研究 | 第37-38页 |
5.3.3 分析与试验 | 第38页 |
本章小结 | 第38-39页 |
第六章 基于BP神经网络的苹果颜色分级方法研究 | 第39-52页 |
6.1 苹果颜色特征 | 第39-43页 |
6.1.1 主要颜色模型 | 第39-41页 |
6.1.2 苹果图像颜色模型的确定 | 第41页 |
6.1.3 苹果图像颜色特征 | 第41-43页 |
6.2 神经网络系统设计 | 第43-51页 |
6.2.1 人工神经元模型 | 第43-44页 |
6.2.2 BP 算法 | 第44-46页 |
6.2.3 用于苹果颜色分级的 BP 网络设计 | 第46-47页 |
6.2.4 网络训练与试验 | 第47-51页 |
本章小结 | 第51-52页 |
第七章 结论及进一步研究建议 | 第52-53页 |
7.1 主要结论 | 第52页 |
7.2 进一步研究建议 | 第52-53页 |
参考文献 | 第53-56页 |
详细摘要 | 第56-59页 |