名优茶机械化采摘中嫩芽识别方法的研究
| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题来源 | 第9页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容 | 第11页 |
| ·研究意义 | 第11-13页 |
| 第2章 智能化采茶嫩芽识别系统构建 | 第13-17页 |
| ·机器视觉理论 | 第13-14页 |
| ·数字图像概论 | 第13页 |
| ·机器视觉系统 | 第13-14页 |
| ·机器视觉在农业机器人中的应用现状 | 第14-15页 |
| ·智能化采茶嫩芽识别系统 | 第15-16页 |
| ·采茶机器人设计方案 | 第15-16页 |
| ·实验系统的组成 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第3章 色彩因子的选择 | 第17-28页 |
| ·引言 | 第17-18页 |
| ·颜色概述 | 第17页 |
| ·基于颜色特征进行作物识别的研究现状 | 第17-18页 |
| ·RGB 空间 | 第18-21页 |
| ·YIQ 空间 | 第21-22页 |
| ·Lab 空间 | 第22-24页 |
| ·HSI 空间 | 第24-26页 |
| ·YCbCr 空间 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 图像的阈值分割和滤波处理 | 第28-47页 |
| ·阈值分割概述 | 第28-32页 |
| ·直方图分析法 | 第29页 |
| ·最大类间方差法 | 第29-30页 |
| ·迭代法 | 第30-32页 |
| ·R-B 灰度图像的阈值分割 | 第32-33页 |
| ·I 灰度图像的阈值分割 | 第33-35页 |
| ·b 灰度的阈值分割 | 第35-36页 |
| ·S 灰度图像的阈值分割 | 第36-38页 |
| ·Cb 灰度图像的阈值分割 | 第38-39页 |
| ·图像的滤波 | 第39-46页 |
| ·滤波方法 | 第40-41页 |
| ·R-B 二值图像的滤波分析 | 第41-42页 |
| ·I 二值图像的滤波分析 | 第42-43页 |
| ·b 二值图像的滤波分析 | 第43-44页 |
| ·S 二值图像的滤波分析 | 第44-45页 |
| ·Cb 二值图像的滤波分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 图像形态学处理和嫩芽定位 | 第47-55页 |
| ·图像形态学 | 第47-50页 |
| ·数学形态学 | 第47-48页 |
| ·图像特征 | 第48-49页 |
| ·区域标记 | 第49-50页 |
| ·图像的形态学处理 | 第50-52页 |
| ·嫩芽的定位 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 基于光谱分析技术的的嫩芽识别方法研究 | 第55-62页 |
| ·引言 | 第55页 |
| ·光谱分析技术在作物识别的应用 | 第55-56页 |
| ·茶叶嫩芽和老叶的光谱识别 | 第56-61页 |
| ·实验仪器 | 第56页 |
| ·户外实验数据分析 | 第56-59页 |
| ·室内实验数据分析 | 第59-61页 |
| ·实验结论 | 第61页 |
| ·小结 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| ·内容总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间论文发表 | 第67-68页 |
| 附录 | 第68-70页 |
| 摘要 | 第70-72页 |
| Abstract | 第72-73页 |
