基于机器视觉的鸡翅质检研究
| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第9-17页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 机器视觉技术简介及应用现状 | 第9-14页 |
| 1.2.1 国外现状 | 第10-12页 |
| 1.2.2 国内现状 | 第12-14页 |
| 1.3 研究内容与技术路线 | 第14-16页 |
| 1.3.1 课题研究内容 | 第14-15页 |
| 1.3.2 课题研究技术路线 | 第15-16页 |
| 1.4 课题创新点 | 第16-17页 |
| 2 图像采集系统及图像预处理 | 第17-28页 |
| 2.1 图像采集系统 | 第17-19页 |
| 2.1.1 系统构成 | 第17-18页 |
| 2.1.2 图像采集 | 第18-19页 |
| 2.2 图像标定 | 第19-20页 |
| 2.3 鸡翅图像预处理 | 第20-27页 |
| 2.3.1 图像灰度化 | 第20-22页 |
| 2.3.2 图像增强 | 第22-26页 |
| 2.3.3 图像二值化与形态学去噪 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 鸡翅品质检测研究 | 第28-43页 |
| 3.1 常用颜色模型 | 第28-32页 |
| 3.1.1 RGB颜色模型 | 第28-29页 |
| 3.1.2 HSI颜色模型 | 第29-31页 |
| 3.1.3 Lab颜色模型 | 第31-32页 |
| 3.2 特征提取与分析 | 第32-37页 |
| 3.2.1 颜色特征提取 | 第32页 |
| 3.2.2 淤血部分面积百分比特征提取 | 第32-34页 |
| 3.2.3 主成分分析及品质特征相关性分析 | 第34-37页 |
| 3.3 基于支持向量机的分类识别 | 第37-42页 |
| 3.3.1 支持向量机的基本原理 | 第37-39页 |
| 3.3.2 网格搜索法参数寻优 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 鸡翅重量预测研究 | 第43-49页 |
| 4.1 鸡翅外部特征提取 | 第43-44页 |
| 4.2 预测模型建立 | 第44-48页 |
| 4.3 本章小结 | 第48-49页 |
| 5 模型验证与分析 | 第49-52页 |
| 5.1 鸡翅品质检测模型验证与分析 | 第49-50页 |
| 5.2 鸡翅重量预测模型验证与分析 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |
