| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1. 绪论 | 第7-12页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外果实成熟度分级发展现状与存在问题 | 第8-9页 |
| 1.2.1 国内外果实成熟度分级发展现状 | 第8-9页 |
| 1.2.2 国内外果实成熟度分级发展存在问题 | 第9页 |
| 1.3 研究内容与创新点 | 第9-11页 |
| 1.4 本章小结 | 第11-12页 |
| 2. 灵武长枣成熟度分级标准的制定 | 第12-17页 |
| 2.1 灵武长枣成熟度分级标准 | 第12-14页 |
| 2.1.1 国家标准 | 第12-13页 |
| 2.1.2 地方标准 | 第13页 |
| 2.1.3 行业标准 | 第13-14页 |
| 2.1.4 企业标准 | 第14页 |
| 2.1.5 果农标准 | 第14页 |
| 2.2 灵武长枣成熟度判定的分级标准制定 | 第14-16页 |
| 2.3 本章小结 | 第16-17页 |
| 3. 基于颜色特征的灵武长枣成熟度分级 | 第17-29页 |
| 3.1 灵武长枣图像采集与预处理 | 第17页 |
| 3.2 灵武长枣成熟度分级颜色特征分析与提取 | 第17-25页 |
| 3.2.1 颜色空间模型概述 | 第17-21页 |
| 3.2.2 灵武长枣成熟度颜色特征分量分析与提取 | 第21-25页 |
| 3.3 基于颜色特征的灵武长枣成熟度分级 | 第25-28页 |
| 3.3.1 图像分割概述 | 第25-27页 |
| 3.3.2 灵武长枣图像分割 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4. 基于BP神经网络的灵武长枣成熟度分级 | 第29-36页 |
| 4.1 BP神经网络概述 | 第29-31页 |
| 4.1.1 BP神经网络拓扑结构 | 第29-30页 |
| 4.1.2 BP神经网络设计 | 第30-31页 |
| 4.2 基于BP神经网络算法的灵武长枣成熟度分级 | 第31-34页 |
| 4.3 本章小结 | 第34-36页 |
| 5. 基于支持向量机的灵武长枣成熟度分级 | 第36-42页 |
| 5.1 支持向量机理论概述 | 第36-38页 |
| 5.2 支持向量机模型的建立 | 第38-39页 |
| 5.2.1 核函数选择 | 第38页 |
| 5.2.2 交叉验证法参数寻优 | 第38-39页 |
| 5.3 基于支持向量机的灵武长枣成熟度分级 | 第39-40页 |
| 5.4 本章小结 | 第40-42页 |
| 6. 基于压缩感知理论的灵武长枣成熟度分级 | 第42-53页 |
| 6.1 压缩感知理论概述 | 第42-46页 |
| 6.1.1 稀疏表示理论概述 | 第43页 |
| 6.1.2 信号重构 | 第43-46页 |
| 6.2 基于压缩感知的灵武长枣成熟度分级 | 第46-50页 |
| 6.2.1 训练样本的组成 | 第46页 |
| 6.2.2 样本字典矩阵建立 | 第46-47页 |
| 6.2.3 测试样本稀疏表示与分类 | 第47-48页 |
| 6.2.4 基于压缩感知的灵武长枣成熟度分级 | 第48-50页 |
| 6.3 压缩感知与颜色特征、支持向量机、BP神经网络分级算法对比 | 第50-51页 |
| 6.4 本章小结 | 第51-53页 |
| 7. 灵武长枣成熟度分级系统软件设计开发 | 第53-59页 |
| 7.1 需求分析 | 第53-55页 |
| 7.1.1 总体需求 | 第53页 |
| 7.1.2 功能需求 | 第53-54页 |
| 7.1.3 界面需求 | 第54-55页 |
| 7.2 系统设计 | 第55-56页 |
| 7.2.1 系统整体结构 | 第55页 |
| 7.2.2 界面设计 | 第55-56页 |
| 7.3 成熟度分级软件系统实现 | 第56-57页 |
| 7.4 本章小结 | 第57-59页 |
| 8. 结论与展望 | 第59-61页 |
| 8.1 主要工作与结论 | 第59-60页 |
| 8.2 存在的问题与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 个人简介 | 第64-65页 |
| 导师简介 | 第65-66页 |
| 获得成果目录 | 第66-67页 |
| 致谢 | 第67页 |