| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第11-15页 |
| 1.1 研究的目的与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 大豆外观品质的研究现状 | 第11-13页 |
| 1.2.2 大豆外观品质与蛋白质含量相关性研究现状 | 第13页 |
| 1.3 研究的结构安排与主要内容 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 实验材料与设备 | 第15-21页 |
| 2.1 大豆样本 | 第15页 |
| 2.2 机器视觉系统 | 第15-19页 |
| 2.2.1 照明光源 | 第16页 |
| 2.2.2 镜头 | 第16-17页 |
| 2.2.3 摄像机 | 第17-18页 |
| 2.2.4 图像采集卡 | 第18页 |
| 2.2.5 计算机 | 第18-19页 |
| 2.3 蛋白质含量测定 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 大豆图像预处理 | 第21-36页 |
| 3.1 图像灰度变换 | 第21-23页 |
| 3.1.1 图像灰度化 | 第21-22页 |
| 3.1.2 直方图均衡化 | 第22-23页 |
| 3.2 图像滤波 | 第23-28页 |
| 3.2.1 均值滤波 | 第24页 |
| 3.2.2 中值滤波 | 第24-25页 |
| 3.2.3 高斯滤波 | 第25-26页 |
| 3.2.4 维纳滤波 | 第26-28页 |
| 3.3 边缘检测 | 第28-31页 |
| 3.3.1 Sobel算子 | 第28-29页 |
| 3.3.2 Lo G算子 | 第29-30页 |
| 3.3.3 Canny算子 | 第30-31页 |
| 3.4 图像分割 | 第31-35页 |
| 3.4.1 最小误差阈值法 | 第32-33页 |
| 3.4.2 最大方差阈值法 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 大豆外观品质特征提取 | 第36-54页 |
| 4.1 形状特征提取 | 第36-39页 |
| 4.2 颜色特征提取 | 第39-45页 |
| 4.2.1 RGB颜色特征提取 | 第39-40页 |
| 4.2.2 HSV颜色特征提取 | 第40-42页 |
| 4.2.3 HSI颜色特征提取 | 第42-44页 |
| 4.2.4 Lab颜色特征提取 | 第44-45页 |
| 4.3 纹理特征提取 | 第45-49页 |
| 4.3.1 基于灰度共生矩阵的纹理特征提取 | 第45-47页 |
| 4.3.2 基于Tamura的纹理特征提取 | 第47-49页 |
| 4.4 小波矩特征提取 | 第49-53页 |
| 4.4.1 不变矩特征提取 | 第50-51页 |
| 4.4.2 小波变换 | 第51页 |
| 4.4.3 小波矩特征提取 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 大豆外观品质与蛋白质的相关性分析 | 第54-64页 |
| 5.1 SAS软件应用 | 第55页 |
| 5.2 大豆外观品质特征与蛋白质含量的相关性分析 | 第55-57页 |
| 5.3 大豆外观品质特征与蛋白质含量的回归分析 | 第57-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-75页 |
| 攻读硕士学位期间发表学术论文 | 第75页 |