| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-11页 |
| 1 绪论 | 第11-18页 |
| ·大豆应用价值 | 第11页 |
| ·课题研究的目的与意义 | 第11-12页 |
| ·我国现行大豆品质检测手段 | 第11-12页 |
| ·课题研究的现实意义 | 第12页 |
| ·数字图像处理技术在农产品检测中的应用 | 第12-14页 |
| ·研究的内容和技术路线 | 第14-17页 |
| ·课题研究的主要内容 | 第15页 |
| ·课题研究的技术路线 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 2 实验材料与检测系统硬件的搭建 | 第18-25页 |
| ·数字图像处理技术概述 | 第18-19页 |
| ·实验材料 | 第19-20页 |
| ·系统硬件组成结构 | 第20-22页 |
| ·光源和暗箱 | 第20-21页 |
| ·照度计 | 第21页 |
| ·CCD摄像机 | 第21-22页 |
| ·计算机 | 第22页 |
| ·图像采集 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 大豆图像预处理 | 第25-36页 |
| ·颜色模型 | 第25-29页 |
| ·RGB颜色模型 | 第25-27页 |
| ·HIS颜色模型 | 第27-29页 |
| ·图像增强 | 第29-30页 |
| ·图像分割 | 第30-35页 |
| ·目标与背景分割 | 第31-34页 |
| ·豆粒黏连分割 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 特征提取 | 第36-41页 |
| ·形态特征提取 | 第36-37页 |
| ·颜色特征提取 | 第37-39页 |
| ·纹理特征提取 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 基于BP神经网络的大豆样本识别研究 | 第41-53页 |
| ·构建神经网络的基础 | 第41-44页 |
| ·神经网络发展 | 第41-42页 |
| ·神经网络结构和类型 | 第42-44页 |
| ·神经网络的学习和训练 | 第44页 |
| ·BP神经网络 | 第44-45页 |
| ·基于BP神经网络的单种大豆病害识别系统的设计 | 第45-49页 |
| ·构建合理的BP神经网络 | 第45-47页 |
| ·特征数据降维处理 | 第47页 |
| ·BP神经网络识别系统对各种病害大豆样本识别的识别结果 | 第47-49页 |
| ·基于BP神经网络的多种大豆识别系统的设计 | 第49-51页 |
| ·网络测试 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 6 大豆外观品质检测软件的设计与实现 | 第53-59页 |
| ·系统开发总体思路 | 第53-54页 |
| ·模块的开发和功能应用 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 7 结论与展望 | 第59-61页 |
| ·课题研究结论 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
| 攻读学位期间发表的学术论文 | 第67页 |