| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-23页 |
| ·课题研究背景和意义 | 第11-13页 |
| ·我国水果生产及分级现状 | 第11-12页 |
| ·传统的水果分级方法 | 第12页 |
| ·计算机视觉技术 | 第12-13页 |
| ·国内外研究动态及发展趋势 | 第13-20页 |
| ·国外研究概况 | 第14-17页 |
| ·国内研究概况 | 第17-20页 |
| ·课题研究的目的、主要内容及技术路线 | 第20-22页 |
| ·研究的目的与意义 | 第20-21页 |
| ·主要的研究内容 | 第21页 |
| ·所采用的技术路线 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第二章 计算机视觉系统及番木瓜图像的采集 | 第23-41页 |
| ·计算机视觉系统及图像处理技术 | 第23-26页 |
| ·计算机视觉系统构成 | 第23-25页 |
| ·图像处理技术 | 第25-26页 |
| ·番木瓜图像采集系统的设计 | 第26-35页 |
| ·光照箱尺寸的设计 | 第27-28页 |
| ·光照箱内光源的设计 | 第28-30页 |
| ·工作台斜面的设计及计算 | 第30-33页 |
| ·摄像机、图像采集卡、图像处理系统的选择 | 第33-35页 |
| ·单目二维视觉测量的摄像机标定 | 第35-38页 |
| ·摄像机外参数模型 | 第36页 |
| ·摄像机内参数模型 | 第36-37页 |
| ·本研究的标定方法 | 第37-38页 |
| ·番木瓜标准图像的建立 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第三章 番木瓜图像的预处理算法研究 | 第41-55页 |
| ·图像灰度化 | 第41-42页 |
| ·图像增强方法研究 | 第42-48页 |
| ·基于点运算的图像增强方法 | 第43-44页 |
| ·基于空间运算的图像增强方法 | 第44-46页 |
| ·数学形态学的图像增强方法 | 第46-48页 |
| ·图像分割和边缘检测方法研究 | 第48-53页 |
| ·图像分割方法 | 第48-51页 |
| ·图像边缘检测方法 | 第51-53页 |
| ·小结 | 第53-55页 |
| 第四章 番木瓜外观品质检测算法研究 | 第55-77页 |
| ·番木瓜颜色特征提取 | 第55-63页 |
| ·常用的颜色模型 | 第55-58页 |
| ·RGB与HIS之间的转换 | 第58-60页 |
| ·番木瓜颜色提取 | 第60-63页 |
| ·番木瓜的外型尺寸特征提取 | 第63-71页 |
| ·几何特征 | 第63-65页 |
| ·形状特征 | 第65-67页 |
| ·番木瓜外形信息提取 | 第67-71页 |
| ·番木瓜表面缺陷检测研究 | 第71-76页 |
| ·表面缺陷特征提取的识别方法研究 | 第72-74页 |
| ·番木瓜表面缺陷轮廓提取法 | 第74-76页 |
| ·小结 | 第76-77页 |
| 第五章 基于人工神经网络的番木瓜外观品质识别 | 第77-87页 |
| ·几种典型的神经网络模型 | 第77-80页 |
| ·误差反传训练算法(Back-Propagation algorithm—BP算法) | 第77-78页 |
| ·径向基网络(Radial Basis Function—RBF网络) | 第78-79页 |
| ·支持向量机法(Support Vector Machine—SVM算法) | 第79-80页 |
| ·番木瓜外观品质检测分级 | 第80-86页 |
| ·BP算法用于分类的设计 | 第83-85页 |
| ·RBF算法用于分类的设计 | 第85页 |
| ·SVM算法用于分类的设计 | 第85-86页 |
| ·小结 | 第86-87页 |
| 第六章 结论和展望 | 第87-91页 |
| ·研究结论 | 第87页 |
| ·下一步研究设想 | 第87-91页 |
| 致谢 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 附录:本人攻读硕士学位期间发表学术论文、申请专利及获奖情况 | 第97-98页 |
