首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于高光谱图像技术的水蜜桃表面缺陷检测方法研究

致谢第1-8页
摘要第8-9页
ABSTRACT第9-10页
插图清单第10-13页
表格清单第13-15页
英文缩略表第15-16页
目录第16-19页
第一章 绪论第19-32页
   ·研究目的与意义第19-21页
   ·基于高光谱图像技术的水果品质检测研究现状第21-26页
     ·检测水果成熟度和硬度第22-23页
     ·检测水果外部品质第23-26页
   ·研究对象第26-30页
   ·主要研究内容及技术路线第30-31页
     ·研究内容第30页
     ·技术路线第30-31页
   ·本章小结第31-32页
第二章 试验材料及应用到的相关理论第32-56页
   ·高光谱成像原理及系统介绍第32-34页
   ·试验样本第34-35页
   ·系统调试及高光谱图像获取第35-38页
     ·高光谱仪系统参数调试第35-36页
     ·高光谱图像采集第36-37页
     ·高光谱图像数据缩减第37-38页
   ·应用到的高光谱图像处理方法第38-55页
     ·主成分分析(PCA)第38-40页
     ·波段比第40页
     ·高光谱波段选择算法第40-45页
     ·高光谱图像处理方法第45-55页
   ·本章小结第55-56页
第三章 水蜜桃高光谱图像预处理及特征波段选择第56-82页
   ·类球形曲面引起的光谱差异修正第56-67页
     ·全波段光谱差异修正第58-64页
     ·多波段光谱差异修正第64-67页
   ·褐腐病缺陷光谱分析及特征波段选择第67-81页
     ·褐腐病缺陷光谱分析第67-68页
     ·基于信息量的3种波段选择算法处理结果第68-71页
     ·马氏距离波段选择算法处理结果第71-80页
     ·小结第80-81页
   ·本章小结第81-82页
第四章 水蜜桃褐腐病缺陷检测方法研究第82-96页
   ·试验数据处理第82-85页
     ·高光谱图像获取第82页
     ·高光谱图像灰度校正与波段组合特征量优选第82-85页
     ·特征波段图像分割第85页
   ·褐腐病缺陷检测结果与分析第85-89页
     ·缺陷在视场中央第85-87页
     ·缺陷在视场偏边缘和边缘第87-89页
   ·水蜜桃果梗与褐腐病缺陷识别第89-95页
     ·波段图像特征提取第90-91页
     ·果梗与褐腐病缺陷识别第91-95页
   ·本章小结第95-96页
第五章 水蜜桃疮痂病缺陷检测方法研究第96-107页
   ·疮痂病缺陷光谱分析及波段选择第96-101页
   ·波段组合特征值比较第101-103页
   ·疮痂病缺陷检测结果与分析第103-106页
   ·本章小结第106-107页
第六章 总结与展望第107-109页
   ·本研究结论第107页
   ·主要创新点第107-108页
   ·展望第108-109页
参考文献第109-116页
作者简历第116页

论文共116页,点击 下载论文
上一篇:指路标志检测比较性研究
下一篇:高偏振消光比光学谐振腔研究