基于机器视觉的柑橘分级技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 水果分级的目的和意义 | 第11-12页 |
| 1.2 水果分级的方法 | 第12-13页 |
| 1.3 基于机器视觉的水果分级研究现状 | 第13-16页 |
| 1.3.1 国外的研究现状 | 第13-14页 |
| 1.3.2 国内的研究现状 | 第14-16页 |
| 1.4 本文的主要内容和结构安排 | 第16-17页 |
| 第2章 机器视觉检测平台设计 | 第17-25页 |
| 2.1 机器视觉系统工作原理 | 第17页 |
| 2.2 机器视觉系统的构建 | 第17-21页 |
| 2.2.1 图像采集系统光源 | 第18-19页 |
| 2.2.2 图像采集系统光学镜头与工业相机 | 第19-21页 |
| 2.2.3 计算机配置和软件环境 | 第21页 |
| 2.3 柑橘全表面图像的采集 | 第21-23页 |
| 2.3.1 传统图像采集方式存在的问题 | 第21-22页 |
| 2.3.2 常见的全表面图像采集方法 | 第22-23页 |
| 2.3.3 本课题采用的全表面图像采集方法 | 第23页 |
| 2.4 柑橘图像采集试验箱 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 柑橘图像预处理 | 第25-38页 |
| 3.1 颜色空间的选取 | 第25-30页 |
| 3.1.1 RGB颜色空间 | 第25-26页 |
| 3.1.2 HSI颜色空间 | 第26-28页 |
| 3.1.3 本课题中的处理方式 | 第28-30页 |
| 3.2 柑橘图像的降噪 | 第30-33页 |
| 3.2.1 中值滤波 | 第31页 |
| 3.2.2 高斯滤波 | 第31-32页 |
| 3.2.3 巴特沃兹低通滤波 | 第32页 |
| 3.2.4 高斯低通滤波 | 第32-33页 |
| 3.3 柑橘图像分割 | 第33-37页 |
| 3.3.1 图像分割算法 | 第33-34页 |
| 3.3.2 阈值分割 | 第34-35页 |
| 3.3.3 OTSU阈值分割 | 第35-36页 |
| 3.3.4 分割图像孔洞填充 | 第36页 |
| 3.3.5 误分割区域剔除 | 第36-37页 |
| 3.3.6 柑橘彩色图像区域的提取 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 柑橘的特征提取 | 第38-46页 |
| 4.1 柑橘横径检测 | 第38-40页 |
| 4.1.1 柑橘上表面图像提取 | 第38页 |
| 4.1.2 柑橘上表面图像边缘检测 | 第38-39页 |
| 4.1.3 柑橘最大横径检测 | 第39-40页 |
| 4.2 柑橘果形检测 | 第40-41页 |
| 4.3 柑橘成熟度检测 | 第41-42页 |
| 4.4 柑橘缺陷检测 | 第42-45页 |
| 4.4.1 采后柑橘的常见缺陷 | 第42-43页 |
| 4.4.2 柑橘亮度图像提取 | 第43-44页 |
| 4.4.3 柑橘图像亮度校正和缺陷检测 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于模糊理论的柑橘分级 | 第46-54页 |
| 5.1 模糊基本理论 | 第46-49页 |
| 5.1.1 模糊集合定义及表示 | 第46-47页 |
| 5.1.2 隶属函数的确定方法 | 第47-48页 |
| 5.1.3 模糊分布 | 第48页 |
| 5.1.4 模糊综合评判 | 第48-49页 |
| 5.2 柑橘模糊分级建模 | 第49-52页 |
| 5.2.1 特征量的选取和评价 | 第49-50页 |
| 5.2.2 特征量隶属函数的确定 | 第50-52页 |
| 5.2.3 特征量权重集的确定 | 第52页 |
| 5.3 柑橘的模糊分级检测 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第60-61页 |
| 附录B 攻读学位期间参加的科研项目 | 第61页 |
