基于卷积神经网络和机器视觉的辣椒检测与识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 目前研究存在的问题 | 第11-12页 |
| 1.4 本论文的主要研究内容 | 第12页 |
| 1.5 小结 | 第12-13页 |
| 第二章 机器视觉及图像预处理 | 第13-27页 |
| 2.1 机器视觉系统 | 第13页 |
| 2.2 图像采集及颜色特征分析 | 第13-17页 |
| 2.2.1 图像采集 | 第14-15页 |
| 2.2.2 辣椒的颜色特征分析 | 第15-17页 |
| 2.3 图像预处理 | 第17-25页 |
| 2.3.1 图像规格化 | 第17-18页 |
| 2.3.2 灰度化 | 第18-20页 |
| 2.3.3 图像滤波及增强 | 第20-21页 |
| 2.3.4 图像分割 | 第21-23页 |
| 2.3.5 图像二值化 | 第23-24页 |
| 2.3.6 形态学处理 | 第24-25页 |
| 2.4 图像处理实验平台开发 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于卷积神经网络的辣椒识别 | 第27-39页 |
| 3.1 神经网络理论 | 第27-29页 |
| 3.1.1 神经元 | 第27-28页 |
| 3.1.2 神经网络的模型 | 第28-29页 |
| 3.2 BP神经网络 | 第29-31页 |
| 3.2.1 BP网络原理 | 第29-30页 |
| 3.2.2 网络权值和阈值的调整 | 第30-31页 |
| 3.3 卷积神经网络 | 第31-33页 |
| 3.3.1 卷积神经网络的概念 | 第31-32页 |
| 3.3.2 卷积神经网络结构 | 第32-33页 |
| 3.4 改进的卷积神经网络 | 第33-35页 |
| 3.4.1 网络深度 | 第33-34页 |
| 3.4.2 引入的结构 | 第34页 |
| 3.4.3 优化的网络结构 | 第34-35页 |
| 3.5 实验结果与分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 辣椒的三维空间匹配和定位 | 第39-53页 |
| 4.1 立体视觉 | 第39页 |
| 4.2 双目立体视觉 | 第39-50页 |
| 4.2.1 图像获取 | 第42-43页 |
| 4.2.2 相机标定 | 第43-44页 |
| 4.2.3 基本坐标系 | 第44-47页 |
| 4.2.4 深度计算 | 第47-48页 |
| 4.2.5 立体匹配 | 第48-50页 |
| 4.2.6 三维重建 | 第50页 |
| 4.3 空间定位实验结果 | 第50-52页 |
| 4.3.1 实验方案 | 第50-51页 |
| 4.3.2 实验结果及分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |
