计算机视觉系统在番茄品质识别与分类中的研究
| 1 引言 | 第1-13页 |
| 1．1 研究的目的与意义 | 第9页 |
| 1．2 国内外对果品品质研究的现状 | 第9-12页 |
| 1．2．1 国外对水果品质的研究概况 | 第10-11页 |
| 1．2．2 国内对水果的研究概况 | 第11-12页 |
| 1．3 本研究的主要内容 | 第12-13页 |
| 2 计算机视觉系统硬件构成及图像采集 | 第13-17页 |
| 2．1 计算机视觉系统硬件组成 | 第13-15页 |
| 2．1．1 CCD摄像头选择 | 第13-14页 |
| 2．1．2 计算机视觉的光照系统的选择 | 第14-15页 |
| 2．1．3 图像采集卡 | 第15页 |
| 2．1．4 PC机配置 | 第15页 |
| 2．2 系统校验 | 第15-16页 |
| 2．3 番茄图像的采集 | 第16-17页 |
| 3 计算机视觉低层处理算法 | 第17-28页 |
| 3．1 图像处理窗口确定及图像二值化 | 第17-19页 |
| 3．1．1 图像处理窗口确定 | 第17-18页 |
| 3．1．2 图像二值化 | 第18-19页 |
| 3．2 图像噪声去除 | 第19-22页 |
| 3．2．1 邻域平均法 | 第19-20页 |
| 3．2．2 中值滤波法 | 第20-21页 |
| 3．2．3 形态学滤波算法 | 第21-22页 |
| 3．3 图像与背景分割 | 第22-24页 |
| 3．4 图像增强 | 第24-25页 |
| 3．5 图像的边缘提取 | 第25-28页 |
| 3．5．1 Roberts算子 | 第25页 |
| 3．5．2 Prewitt算子 | 第25-26页 |
| 3．5．3 Sobel算子 | 第26页 |
| 3．5．4 Laplacian算子 | 第26-28页 |
| 4 遗传算法与人工神经网络相结合的番茄识别分类 | 第28-34页 |
| 4．1 人工神经网络 | 第28-30页 |
| 4．1．1 人工神经网络与模式识别 | 第28-29页 |
| 4．1．2 常见神经网络模型比较分析 | 第29-30页 |
| 4．2 遗传算法训练神经网络的模型建立 | 第30-34页 |
| 4．2．1 遗传算法简介 | 第30-31页 |
| 4．2．2 遗传算法训练神经网络模型建立 | 第31-32页 |
| 4．2．3 遗传算法实现 | 第32-34页 |
| 5 番茄特征提取及网络训练判别 | 第34-44页 |
| 5．1 番茄表面缺陷特征提取 | 第34-35页 |
| 5．2 番茄成熟度的判别 | 第35-38页 |
| 5．2．1 常用色彩模型 | 第35-36页 |
| 5．2．2 番茄成熟度神经网络训练与实验 | 第36-38页 |
| 5．3 番茄果形判别 | 第38-42页 |
| 5．3．1 番茄果形参数的确定 | 第38-39页 |
| 5．3．2 圆度特征参数提取 | 第39-41页 |
| 5．3．3 果径变化特征网络模型组建 | 第41-42页 |
| 5．3．4 比值特征判别参数 | 第42页 |
| 5．4 番茄重量测量 | 第42-44页 |
| 6 果品识别与分级软件设计 | 第44-49页 |
| 6．1 软件开发平台 | 第44-45页 |
| 6．1．1 LabVIEW7．1简介 | 第44-45页 |
| 6．1．2 IMAQ Vision简介 | 第45页 |
| 6．2 软件结构与功能 | 第45-47页 |
| 6．3 番茄分级实验结果 | 第47页 |
| 6．4 软件功能实现 | 第47-49页 |
| 7 结论及建议 | 第49-50页 |
| 7．1 研究结论 | 第49页 |
| 7．2 建议 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录A 实验硬件设备 | 第53-54页 |
| 附录B 部分程序 | 第54-55页 |
| 在读期间发表的学术论文 | 第55-56页 |
| 作者简历 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附发表文章 | 第58-62页 |
| 虚拟仪器的计算机视觉系统设计研究与应用 | 第60-62页 |
