基于机器视觉的禽蛋分级分选机器人
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 研究的目的与意义 | 第7页 |
| 1.2 机器视觉在禽蛋检测中的研究现状 | 第7-9页 |
| 1.2.1 国内研究现状 | 第8页 |
| 1.2.2 国外研究现状 | 第8-9页 |
| 1.3 本文研究主要内容 | 第9-10页 |
| 第二章 机器视觉系统设计 | 第10-13页 |
| 2.1 机器视觉系统 | 第10-11页 |
| 2.2 光源选择 | 第11页 |
| 2.3 图像采集箱的设计 | 第11-12页 |
| 2.4 实验材料选取 | 第12页 |
| 2.5 软件开发工具 | 第12页 |
| 2.6 本章小结 | 第12-13页 |
| 第三章 特征提取与处理方法研究 | 第13-24页 |
| 3.1 禽蛋图像采集方法及实现 | 第13-14页 |
| 3.2 图像预处理 | 第14-23页 |
| 3.2.1 图像灰度化 | 第14-15页 |
| 3.2.2 图像增强 | 第15-18页 |
| 3.2.3 图像去噪 | 第18-20页 |
| 3.2.4 图像二值化 | 第20-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第四章 禽蛋外部品质检测算法研究 | 第24-44页 |
| 4.1 禽蛋尺寸与蛋形指数检测 | 第24-34页 |
| 4.1.1 禽蛋图像颜色空间转换及聚类分割 | 第24-26页 |
| 4.1.2 禽蛋图像腐蚀、膨胀处理 | 第26-27页 |
| 4.1.3 禽蛋图像边缘检测 | 第27-28页 |
| 4.1.4 椭圆拟合 | 第28-30页 |
| 4.1.5 分级标准设定 | 第30-33页 |
| 4.1.6 检测结果与分析 | 第33-34页 |
| 4.2 禽蛋壳色检测 | 第34-39页 |
| 4.2.1 颜色模型 | 第34-36页 |
| 4.2.2 颜色特征提取 | 第36-37页 |
| 4.2.3 BP神经网络建立与实验 | 第37-39页 |
| 4.3 禽蛋蛋壳表面肮脏检测 | 第39-43页 |
| 4.3.1 禽蛋图像特征参数提取 | 第40-42页 |
| 4.3.2 禽蛋图像特征面积计算 | 第42页 |
| 4.3.3 分级设定与实验结果检验分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 机械结构及控制系统 | 第44-58页 |
| 5.1 系统工作原理 | 第44-45页 |
| 5.2 机械结构 | 第45-47页 |
| 5.3 总体控制电路 | 第47-50页 |
| 5.4 机械臂运动控制分析 | 第50-54页 |
| 5.4.1 吸盘运动轨迹规划 | 第50-53页 |
| 5.4.2 坐标转换 | 第53-54页 |
| 5.5 吸盘系统设计 | 第54-57页 |
| 5.5.1 吸盘结构选择 | 第54-55页 |
| 5.5.2 吸盘气路系统设计 | 第55-56页 |
| 5.5.3 控制电路设计 | 第56-57页 |
| 5.5.4 超声波测距 | 第57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-59页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
