基于计算机视觉的脱水蒜片检测与分级研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究目的与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·计算机视觉应用于农业领域的国外研究现状 | 第14-16页 |
| ·国内研究现状 | 第16-17页 |
| ·研究目的与技术路线 | 第17-18页 |
| ·研究的内容与目标 | 第17-18页 |
| ·技术路线 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第二章 脱水蒜片图像获取及预处理 | 第20-34页 |
| ·计算机视觉系统 | 第20页 |
| ·计算机及摄影箱 | 第20-21页 |
| ·实验样本与图像获取 | 第21-22页 |
| ·实验样本 | 第21页 |
| ·图像获取 | 第21-22页 |
| ·图像预处理 | 第22-33页 |
| ·图像去噪 | 第22-25页 |
| ·背景分割 | 第25-30页 |
| ·脱水蒜片图像提取 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 脱水蒜片图像特征参数的选择与提取 | 第34-40页 |
| ·颜色模型 | 第34-35页 |
| ·RGB模型 | 第34-35页 |
| ·HSI模型 | 第35页 |
| ·脱水蒜片颜色特征 | 第35-36页 |
| ·形状特征 | 第36-38页 |
| ·周长 | 第36-37页 |
| ·面积 | 第37页 |
| ·圆形率 | 第37-38页 |
| ·特征值归一化 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于LMBP神经网络脱水蒜片等级判别 | 第40-52页 |
| ·人工神经网络理论 | 第40-41页 |
| ·BP网络及其改进 | 第41-45页 |
| ·BP网络模型与结构 | 第41-42页 |
| ·BP学习算法 | 第42-43页 |
| ·BP算法的改进 | 第43-45页 |
| ·BP网络判定脱水蒜片等级 | 第45-51页 |
| ·BP网络设计 | 第45-47页 |
| ·网络训练及识别结果分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 脱水蒜片检测分级系统的设计与实现 | 第52-60页 |
| ·系统设计平台 | 第52页 |
| ·系统设计及功能 | 第52-57页 |
| ·系统总体设计方案 | 第52-54页 |
| ·各个功能模块的介绍 | 第54-57页 |
| ·系统功能测试 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |
