基于机器视觉的产地鸭蛋外形及裂纹检测方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 禽蛋外形的检测 | 第9-10页 |
| 1.2.2 禽蛋裂纹的检测 | 第10-12页 |
| 1.3 机器视觉概述 | 第12-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 技术路线 | 第14页 |
| 1.6 本章小结 | 第14-15页 |
| 2 产地鸭蛋的图像采集 | 第15-19页 |
| 2.1 试验材料 | 第15页 |
| 2.2 图像采集系统 | 第15-16页 |
| 2.2.1 工业相机和工业镜头的选择 | 第15页 |
| 2.2.2 光源和照明方式的选择 | 第15-16页 |
| 2.2.3 光电开关的选择 | 第16页 |
| 2.2.4 图像采集系统的搭建 | 第16页 |
| 2.3 图像采集方法 | 第16-17页 |
| 2.4 图像采集结果 | 第17-18页 |
| 2.4.1 产地鸭蛋外形图像 | 第17-18页 |
| 2.4.2 产地鸭蛋裂纹图像 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 产地鸭蛋图像的预处理 | 第19-34页 |
| 3.1 MATLAB简介 | 第19页 |
| 3.2 图像处理介绍 | 第19-24页 |
| 3.2.1 图像的运算 | 第20页 |
| 3.2.2 图像的增强 | 第20-21页 |
| 3.2.3 彩色图像处理 | 第21-22页 |
| 3.2.4 形态学处理 | 第22-23页 |
| 3.2.5 图像的分割 | 第23-24页 |
| 3.3 产地鸭蛋外形预处理 | 第24-29页 |
| 3.4 产地鸭蛋裂纹预处理 | 第29-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 产地鸭蛋外形的检测与分级 | 第34-48页 |
| 4.1 边缘的椭圆拟合算法 | 第34-38页 |
| 4.1.1 最小二乘法椭圆拟合 | 第34-35页 |
| 4.1.2 最小平方中值法椭圆拟合 | 第35-37页 |
| 4.1.3 比较分析 | 第37-38页 |
| 4.2 外形特征参数的提取 | 第38-40页 |
| 4.2.1 参数的计算 | 第38-39页 |
| 4.2.2 边缘椭圆拟合算法的检验 | 第39-40页 |
| 4.3 分级模型的建立与检验 | 第40-46页 |
| 4.3.1 人工神经网络 | 第40-42页 |
| 4.3.2 支持向量机 | 第42-45页 |
| 4.3.3 比较分析 | 第45-46页 |
| 4.4 群体产地鸭蛋外形检测分级的实现 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 产地鸭蛋裂纹的检测 | 第48-60页 |
| 5.1 裂纹特征的提取算法 | 第48-54页 |
| 5.1.1 边缘检测 | 第48-52页 |
| 5.1.2 纹理分析 | 第52-54页 |
| 5.1.3 比较分析 | 第54页 |
| 5.2 裂纹检测的实现 | 第54-58页 |
| 5.3 检测结果与分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 结论与展望 | 第60-61页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |
| 致谢 | 第66页 |
