基于机器视觉的苹果在线分级系统平台的研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 研究内容及技术路线 | 第15-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 基于机器视觉苹果分级系统硬件设计 | 第18-24页 |
| 2.1 机器视觉系统 | 第18页 |
| 2.2 苹果分级系统硬件组成 | 第18-23页 |
| 2.2.1 上位机 | 第19页 |
| 2.2.2 工业相机 | 第19-21页 |
| 2.2.3 相机镜头 | 第21-22页 |
| 2.2.4 可编程逻辑控制器 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 相机标定及苹果图像采集 | 第24-30页 |
| 3.1 摄像机标定 | 第24-29页 |
| 3.1.1 摄像机成像模型 | 第24页 |
| 3.1.2 机器视觉常用坐标系 | 第24-27页 |
| 3.1.3 CCD工业相机标定试验 | 第27-29页 |
| 3.2 苹果图像采集 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 机器学习方法对苹果品质分级的研究 | 第30-47页 |
| 4.1 基于外部特征的苹果品质分级方法 | 第30-38页 |
| 4.1.1 图像预处理 | 第30-31页 |
| 4.1.2 背景分割 | 第31-35页 |
| 4.1.3 苹果特征参数的提取 | 第35-37页 |
| 4.1.4 苹果分级 | 第37-38页 |
| 4.2 基于卷积神经网络的苹果品质分级方法 | 第38-44页 |
| 4.2.1 卷积神经网络概述 | 第38-41页 |
| 4.2.2 构建CNN苹果品质分级模型 | 第41-42页 |
| 4.2.3 试验数据 | 第42-43页 |
| 4.2.4 训练CNN模型 | 第43-44页 |
| 4.3 结果分析 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 机器视觉的苹果在线分级系统软件设计 | 第47-53页 |
| 5.1 软件的开发环境 | 第47-48页 |
| 5.1.1 Visual Studio2010 | 第47页 |
| 5.1.2 OpenCV | 第47-48页 |
| 5.1.3 微软基础类库 | 第48页 |
| 5.2 苹果在线分级系统软件总体设计 | 第48-50页 |
| 5.2.1 苹果在线分级系统功能模块设计 | 第49-50页 |
| 5.3 苹果在线分级系统软件运行结果 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表论文及研究成果 | 第60-61页 |
