黄瓜收获机器人视觉系统的研究
| 目录 | 第1-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-13页 |
| 图片清单 | 第13-16页 |
| 图表清单 | 第16-17页 |
| 第一章 绪论 | 第17-37页 |
| ·黄瓜收获的背景和意义 | 第17页 |
| ·国内外的视觉系统研究现状 | 第17-26页 |
| ·机器视觉在农作物自动收获中的应用 | 第18-22页 |
| ·机器视觉在农副产品检测中的应用 | 第22-23页 |
| ·光谱技术在农业中的应用 | 第23-26页 |
| ·黄瓜收获机器人的发展状况 | 第26-28页 |
| ·主要问题和挑战 | 第28页 |
| ·研究内容与技术路线 | 第28-31页 |
| ·主要研究内容 | 第28-29页 |
| ·技术路线 | 第29-31页 |
| 参考文献 | 第31-37页 |
| 第二章 基于光谱分析技术的黄瓜与茎叶识别 | 第37-47页 |
| ·引言 | 第37页 |
| ·样本光谱数据获取与预处理 | 第37-38页 |
| ·样本光谱数据获取 | 第37-38页 |
| ·样本来源 | 第37页 |
| ·样本光谱的获取 | 第37-38页 |
| ·数据集 | 第38页 |
| ·光谱数据预处理 | 第38页 |
| ·光谱的处理方法 | 第38-40页 |
| ·光谱波段的选择 | 第38-39页 |
| ·主成分分析 | 第39页 |
| ·马氏距离判别法 | 第39页 |
| ·PLS正交验证回归模型 | 第39-40页 |
| ·试验结果与分析 | 第40-44页 |
| ·样本光谱 | 第40页 |
| ·光谱波段相关性选择 | 第40-41页 |
| ·异常样本的剔除 | 第41-42页 |
| ·PLS预测模型 | 第42-43页 |
| ·预测结果 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 第三章 黄瓜图像颜色分析与增强处理 | 第47-72页 |
| ·引言 | 第47页 |
| ·黄瓜图像采集与特点分析 | 第47页 |
| ·图像采集 | 第47页 |
| ·黄瓜图像的特点分析 | 第47页 |
| ·颜色空间的选取 | 第47-52页 |
| ·RGB颜色空间 | 第48-49页 |
| ·YCrCb颜色空间 | 第49页 |
| ·HSI颜色空间 | 第49-50页 |
| ·三种颜色空间的黄瓜图像比较分析 | 第50-52页 |
| ·黄瓜图像增强处理 | 第52-68页 |
| ·脉冲耦合神经网络简介 | 第53-57页 |
| ·人眼视觉特性 | 第57-58页 |
| ·改进的PCNN进行黄瓜图像增强 | 第58-65页 |
| ·离散数学方程的改进 | 第58-60页 |
| ·自适应参数的确定 | 第60-62页 |
| ·PCNN赋时矩阵 | 第62-64页 |
| ·赋时矩阵黄瓜图像增强 | 第64-65页 |
| ·试验结果与分析 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 第四章 温室黄瓜图像分割研究 | 第72-87页 |
| ·引言 | 第72页 |
| ·PA-PCNN模型 | 第72-78页 |
| ·图像二维Tsallis熵 | 第78-79页 |
| ·二维直方图计算 | 第78页 |
| ·图像2-D Tsallis熵的计算 | 第78-79页 |
| ·确定最佳迭代次数 | 第79页 |
| ·PA-PCNN黄瓜图像分割算法 | 第79-80页 |
| ·试验结果分析与评价 | 第80-85页 |
| ·试验一 | 第80-84页 |
| ·试验二 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 参考文献 | 第86-87页 |
| 第五章 基于特征选择的温室黄瓜识别 | 第87-101页 |
| ·引言 | 第87页 |
| ·黄瓜图像预处理 | 第87-89页 |
| ·图像分割 | 第87-88页 |
| ·区域形态学处理 | 第88-89页 |
| ·目标特征提取 | 第89-95页 |
| ·几何特征提取 | 第90-93页 |
| ·纹理特征提取 | 第93-95页 |
| ·基于最小二乘支持向量机识别方法 | 第95-98页 |
| ·最小二乘支持向量机 | 第95-96页 |
| ·黄瓜识别与分析 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 参考文献 | 第99-101页 |
| 第六章 部分遮挡黄瓜的识别研究 | 第101-116页 |
| ·引言 | 第101页 |
| ·黄瓜三维重绘和曲面表达 | 第101-103页 |
| ·广义霍夫变换简介 | 第103-106页 |
| ·Hough变换 | 第103-104页 |
| ·广义Hough变换 | 第104-105页 |
| ·R-表建立 | 第104-105页 |
| ·投票累加检测图形 | 第105页 |
| ·广义霍夫变换的局限性 | 第105-106页 |
| ·广义模糊霍夫变换 | 第106-111页 |
| ·参考表的建立 | 第107-108页 |
| ·图像检测处理 | 第108-109页 |
| ·广义模糊霍夫变换 | 第109-110页 |
| ·制作不同的黄瓜模板 | 第110页 |
| ·黄瓜形状恢复 | 第110页 |
| ·目标识别步骤 | 第110-111页 |
| ·试验结果与分析 | 第111-113页 |
| ·本章小结 | 第113-114页 |
| 参考文献 | 第114-116页 |
| 第七章 基于机器视觉温室环境导航路径的检测 | 第116-124页 |
| ·引言 | 第116页 |
| ·温室环境的图像获取 | 第116-117页 |
| ·图像获取 | 第116页 |
| ·温室环境图像的特点 | 第116-117页 |
| ·图像预处理 | 第117-120页 |
| ·颜色转换 | 第117-118页 |
| ·导航路径可能出现的位置 | 第118-119页 |
| ·图像分割 | 第119页 |
| ·二值图像优化 | 第119-120页 |
| ·导航路径的提取 | 第120-121页 |
| ·导航路径上的离散点获取 | 第120-121页 |
| ·导航直线拟合 | 第121页 |
| ·本章小结 | 第121-123页 |
| 参考文献 | 第123-124页 |
| 第八章 结论与展望 | 第124-127页 |
| ·研究结论 | 第124-125页 |
| ·主要创新内容 | 第125页 |
| ·对后续工作的建议 | 第125-127页 |
| 攻读博士学位期间取得的研究成果 | 第127-129页 |
| 致谢 | 第129页 |
