| 目录 | 第1-7页 |
| 图目录 | 第7-10页 |
| 表目录 | 第10-12页 |
| 摘要 | 第12-14页 |
| ABSTRACT | 第14-17页 |
| 第一章 绪论 | 第17-37页 |
| ·课题研究的意义 | 第17页 |
| ·国内外研究现状 | 第17-29页 |
| ·果蔬采摘机器人的研究国内外现状 | 第17-25页 |
| ·采摘机器人视觉系统的研究现状和关键技术 | 第25-29页 |
| ·本文的研究内容和方法 | 第29-31页 |
| ·研究内容 | 第29-30页 |
| ·研究方法 | 第30页 |
| ·技术路线 | 第30-31页 |
| 参考文献 | 第31-37页 |
| 第二章 基于改进K-MEAN聚类算法的彩色果实图像分割 | 第37-63页 |
| ·基本颜色空间特点分析 | 第37-41页 |
| ·色彩空间模型的分类 | 第37页 |
| ·常见的色彩模型 | 第37-39页 |
| ·彩色空间之间的转换 | 第39-40页 |
| ·彩色空间特点讨论 | 第40-41页 |
| ·基于反向传播(BP)神经网络分类器的颜色特征选择 | 第41-50页 |
| ·反向传播(BP)神经网络分类器基本原理 | 第41页 |
| ·I-J-1型BP神经网络预测模型算法 | 第41-42页 |
| ·反向传播(BP)神经网络分类器实现颜色特征的选择 | 第42页 |
| ·颜色特征选择实验对比 | 第42-50页 |
| ·基于改进K-MEAN聚类算法实现果实目标的识别 | 第50-52页 |
| ·k-means聚类算法的基本思想 | 第50页 |
| ·加权欧氏距离的k-means聚类算法实现初始分割 | 第50-52页 |
| ·试验结果与分析 | 第52-60页 |
| ·试验装置 | 第52页 |
| ·实验结果及分析 | 第52-58页 |
| ·试验结果讨论和本章结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 第三章 基于纹理和颜色两步法实现彩色果实图像分割 | 第63-91页 |
| ·基于空间性质的纹理模型 | 第63-65页 |
| ·基本纹理特征 | 第63-64页 |
| ·共生矩阵矩阵(Gray Level Co-occurrence Matrix)模型 | 第64-65页 |
| ·基于小波域的纹理模型 | 第65-68页 |
| ·小波理论基础 | 第65-67页 |
| ·基于小波域的共生矩阵模型 | 第67-68页 |
| ·基于灰度共生矩阵的图像分割 | 第68-79页 |
| ·试验装置 | 第68页 |
| ·试验方法及结果分析 | 第68-72页 |
| ·基于小波域灰度共生矩阵的图像分割 | 第72-79页 |
| ·神经网络分类器实现纹理特征选择 | 第79-83页 |
| ·纹理特征选择算法步骤 | 第79-80页 |
| ·纹理特征选择实验对比 | 第80-83页 |
| ·基于纹理和颜色两步法实现图像分割 | 第83-87页 |
| ·分割方法和步骤 | 第83-84页 |
| ·分割结果比较 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 参考文献 | 第88-91页 |
| 第四章 基于改进的HOUGH变换的果实目标和树枝障碍物的定位和检测 | 第91-127页 |
| ·HOUGH变换基本原理 | 第91-92页 |
| ·基本Hough变换 | 第91-92页 |
| ·改进的两点Hough变换 | 第92页 |
| ·基于改进HOUGH变换的独个类圆果实的定位和检测 | 第92-103页 |
| ·类圆果实图像的预处理 | 第92-93页 |
| ·改进的圆形RHT算法 | 第93-97页 |
| ·试验结果与分析 | 第97-103页 |
| ·结论 | 第103页 |
| ·基于凹点搜索的重叠类圆果实的定位检测算法研究 | 第103-113页 |
| ·果实图像预处理 | 第104页 |
| ·凹点搜索和匹配 | 第104-107页 |
| ·确定重叠果实的形心和半径 | 第107-109页 |
| ·试验结果及分析 | 第109-113页 |
| ·结论 | 第113页 |
| ·改进的HOUGH变换用于树枝的识别和定位 | 第113-124页 |
| ·算法背景 | 第114-116页 |
| ·基于梯度相位编组的直线检测算法 | 第116-117页 |
| ·实验及结果分析 | 第117-123页 |
| ·结论 | 第123-124页 |
| 参考文献 | 第124-127页 |
| 第五章 独立生长苹果的生长姿态识别 | 第127-137页 |
| ·常见的果实姿态 | 第127-128页 |
| ·四种方法确定果实生长姿态 | 第128-132页 |
| ·二阶矩法 | 第128-129页 |
| ·最短距离法 | 第129-130页 |
| ·斜率方差法 | 第130-131页 |
| ·三点一线法三种果实姿态识别方法 | 第131-132页 |
| ·四种识别方法存在的不足之处 | 第132-133页 |
| ·多方法融合的姿态识别算法 | 第133-135页 |
| ·试验装备和试验样本 | 第133页 |
| ·多方法融合的姿态识别算法 | 第133-135页 |
| ·试验结果分析 | 第135页 |
| ·结论 | 第135-136页 |
| 参考文献 | 第136-137页 |
| 第六章 研究结论与今后研究工作的建议 | 第137-143页 |
| ·研究结论 | 第137-138页 |
| ·本研究的创新点 | 第138-139页 |
| ·存在的问题与今后研究工作的建议 | 第139-141页 |
| 参考文献 | 第141-143页 |
| 攻读博士学位期间发表的论文 | 第143-145页 |
| 致谢 | 第145页 |
