| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外农畜产品裂纹检测方法概况 | 第11-17页 |
| 1.2.1 撞击声学在农畜产品裂纹检测中的应用 | 第12-14页 |
| 1.2.1.1 开心果开闭口识别 | 第12-13页 |
| 1.2.1.2 榛子开闭口识别 | 第13页 |
| 1.2.1.3 禽蛋裂纹检测 | 第13页 |
| 1.2.1.4 玉米裂纹识别 | 第13-14页 |
| 1.2.1.5 松子开闭口识别 | 第14页 |
| 1.2.2 机器视觉在农畜产品裂纹检测中的应用 | 第14-16页 |
| 1.2.2.1 开心果分级 | 第14-15页 |
| 1.2.2.2 裂纹米及水稻裂颖检测 | 第15页 |
| 1.2.2.3 玉米裂纹识别 | 第15-16页 |
| 1.2.2.4 禽蛋裂纹识别 | 第16页 |
| 1.2.3 研究述评 | 第16-17页 |
| 1.3 研究内容 | 第17页 |
| 1.3.1 研究内容 | 第17页 |
| 1.3.2 技术路线 | 第17页 |
| 1.4 本章小结 | 第17-20页 |
| 第二章 实验装置和实验方法 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 试验样品及设备 | 第20页 |
| 2.3 物理特性测试指标 | 第20-21页 |
| 2.3.1 尺寸测量 | 第20-21页 |
| 2.3.2 百粒重测试 | 第21页 |
| 2.3.3 含水率测试 | 第21页 |
| 2.3.4 裂颖率测试 | 第21页 |
| 2.4 发芽特性指标 | 第21-22页 |
| 2.4.1 发芽势、发芽率 | 第21-22页 |
| 2.5 声学检测装置及试验 | 第22-25页 |
| 2.5.1 试验装置 | 第22-24页 |
| 2.5.2 本研究使用软件介绍 | 第24页 |
| 2.5.3 试验方法 | 第24-25页 |
| 2.5.4 试验参数确定 | 第25页 |
| 2.5.5 声音信号测试试验和评价指标 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 声学信号处理和特征参数筛选 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 声学信号的处理 | 第26-28页 |
| 3.2.1 信号端点检测 | 第26页 |
| 3.2.2 信号的傅里叶变换 | 第26-27页 |
| 3.2.3 信号的功率谱估计 | 第27-28页 |
| 3.3 时域和频域特征参数的筛选 | 第28-36页 |
| 3.3.1 时域分析 | 第28-34页 |
| 3.3.1.1 最大电压幅值 | 第28-30页 |
| 3.3.1.2 电压幅值差 | 第30页 |
| 3.3.1.3 波形对称度 | 第30-31页 |
| 3.3.1.4 短时能量峰值 | 第31-32页 |
| 3.3.1.5 短时平均幅度峰值 | 第32-34页 |
| 3.3.2 频域分析 | 第34-36页 |
| 3.3.2.1 功率谱密度 | 第34-35页 |
| 3.3.2.2 功率谱峰值 | 第35页 |
| 3.3.3.3 功率谱最小值 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 实验结果与分析 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 杂交水稻种子物理特性 | 第38-39页 |
| 4.3 杂交水稻种子发芽特性 | 第39-41页 |
| 4.3.1 初期试验发芽特性 | 第39页 |
| 4.3.2 储藏后水稻种子发芽特性 | 第39-40页 |
| 4.3.3 碰撞后水稻种子发芽特性 | 第40-41页 |
| 4.4 杂交水稻种子撞击不同碰撞板声学特性 | 第41-48页 |
| 4.4.1 三种碰撞板电压特性 | 第41-43页 |
| 4.4.2 撞击玻璃板的声学特性 | 第43-44页 |
| 4.4.3 撞击0.5mm厚金属板的声学特性 | 第44-46页 |
| 4.4.4 撞击1mm厚金属板的声学特性 | 第46-48页 |
| 4.5 不同品种杂交水稻种子碰撞玻璃板试验研究 | 第48-51页 |
| 4.5.1 两优108杂交水稻种子声学特性分析 | 第48-49页 |
| 4.5.2 两优6326杂交水稻种子声学特性分析 | 第49-51页 |
| 4.6 声学测试系统效益分析 | 第51页 |
| 4.7 本章小结 | 第51-54页 |
| 第五章 基于神经网络模式识别的裂颖杂交水稻种子声学特性识别方法 | 第54-66页 |
| 5.1 引言 | 第54页 |
| 5.2 神经网络模式识别介绍 | 第54-56页 |
| 5.3 声音信号的神经网络模式识别 | 第56-62页 |
| 5.3.1 两优108神经网络模式识别 | 第56-57页 |
| 5.3.2 Y两优900神经网络模式识别 | 第57-58页 |
| 5.3.3 两优6326神经网络模式识别 | 第58-60页 |
| 5.3.4 新两优6380神经网络模式识别 | 第60-61页 |
| 5.3.5 镇籼优184神经网络模式识别 | 第61-62页 |
| 5.4 神经网络模式识别模型可靠性验证 | 第62-64页 |
| 5.4.1 检验两优108神经网络模式识别模型 | 第62页 |
| 5.4.2 检验Y两优900神经网络模式识别模型 | 第62-63页 |
| 5.4.3 检验两优6326神经网络模式识别模型 | 第63页 |
| 5.4.4 检验新两优6380神经网络模式识别模型 | 第63页 |
| 5.4.5 检验镇籼优184神经网络模式识别模型 | 第63-64页 |
| 5.5 试验结果对比 | 第64-65页 |
| 5.5.1 两优6326两种方法识别率比较 | 第64页 |
| 5.5.2 新两优6380两种方法识别率比较 | 第64-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 结论 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 进一步研究建议 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间发表论文目录 | 第74页 |