基于机器视觉的豆荚内部害虫检测技术研究
| 摘要 | 第11-13页 |
| abstract | 第13-15页 |
| 1 前言 | 第16-28页 |
| 1.1 研究的目的和意义 | 第16-18页 |
| 1.2 农产品品质检测研究动态和趋势 | 第18-25页 |
| 1.2.1 近红外成像检测技术 | 第18页 |
| 1.2.2 高光谱成像检测技术 | 第18-19页 |
| 1.2.3 X射线成像检测技术 | 第19-20页 |
| 1.2.4 核磁共振成像技术 | 第20-21页 |
| 1.2.5 热成像检测技术 | 第21-22页 |
| 1.2.6 可见光成像检测技术 | 第22-25页 |
| 1.3 研究目标、内容和技术路线 | 第25-28页 |
| 1.3.1 课题来源 | 第25页 |
| 1.3.2 研究目标 | 第25-26页 |
| 1.3.3 研究内容 | 第26页 |
| 1.3.4 研究方案和技术路线 | 第26-28页 |
| 2 机器视觉技术与数字图像处理方法 | 第28-34页 |
| 2.1 机器视觉技术 | 第28-29页 |
| 2.2 数字图像处理方法 | 第29-33页 |
| 2.2.1 数字图像处理的一般步骤 | 第29-31页 |
| 2.2.2 彩色图像处理与颜色模型 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 3 机器视觉平台搭建与实验数据获取 | 第34-52页 |
| 3.1 豆荚样本来源 | 第34页 |
| 3.2 豆荚内部害虫检测方案选择 | 第34-39页 |
| 3.2.1 近红外透射成像方案 | 第35-37页 |
| 3.2.2 软X射线成像方案 | 第37-38页 |
| 3.2.3 可见光透射成像方案 | 第38-39页 |
| 3.3 基于可见光的机器视觉平台搭建 | 第39-46页 |
| 3.3.1 光照系统 | 第40-42页 |
| 3.3.2 数据采集处理系统 | 第42-46页 |
| 3.4 机器视觉平台关键参数优化 | 第46-49页 |
| 3.4.1 光源透射角度 | 第46-47页 |
| 3.4.2 载物介质 | 第47-48页 |
| 3.4.3 光源与载物介质的垂直距离 | 第48-49页 |
| 3.4.4 光源透射环境 | 第49页 |
| 3.5 样本图像采集 | 第49-50页 |
| 3.5.1 相机校对 | 第49-50页 |
| 3.5.2 图像采集方法 | 第50页 |
| 3.6 本章小结 | 第50-52页 |
| 4 豆荚表面虫孔识别方法研究 | 第52-66页 |
| 4.1 图像背景分割 | 第52-58页 |
| 4.1.1 图像分割 | 第52-55页 |
| 4.1.2 连通域分析 | 第55-56页 |
| 4.1.3 腐蚀、膨胀和闭运算 | 第56-58页 |
| 4.1.4 豆荚表面区域提取 | 第58页 |
| 4.2 豆荚表面区域完整性提取 | 第58-63页 |
| 4.2.1 动态阈值分割 | 第59-60页 |
| 4.2.2 均值滤波 | 第60-62页 |
| 4.2.3 完整豆荚表面区域获取 | 第62-63页 |
| 4.3 基于阈值分割的豆荚表面虫孔识别 | 第63-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 豆荚内部害虫识别方法研究 | 第66-90页 |
| 5.1 实验材料分类 | 第66-68页 |
| 5.1.1 豆荚内部害虫外观特征分析 | 第66页 |
| 5.1.2 豆荚害虫不同生命阶段生活习性分析 | 第66-67页 |
| 5.1.3 内部含虫的豆荚样本分类 | 第67-68页 |
| 5.2 豆荚内部害虫图像背景分割 | 第68-73页 |
| 5.2.1 图像对比度拉伸 | 第68-70页 |
| 5.2.2 图像分割 | 第70-73页 |
| 5.3 基于多种形态学方法叠加的豆荚内部害虫识别 | 第73-88页 |
| 5.3.1 基于面积差异的内部害虫识别 | 第74-79页 |
| 5.3.2 基于最小外接矩形的内部害虫识别 | 第79-83页 |
| 5.3.3 基于局部灰度标准差的内部害虫识别 | 第83-88页 |
| 5.4 本章小结 | 第88-90页 |
| 6 豆荚内部害虫识别软件系统的开发与测试 | 第90-100页 |
| 6.1 功能需求分析 | 第91页 |
| 6.2 开发平台 | 第91-92页 |
| 6.2.1 VisualStudio | 第91-92页 |
| 6.2.2 MFC | 第92页 |
| 6.2.3 HALCON | 第92页 |
| 6.3 系统开发 | 第92-95页 |
| 6.3.1 识别系统软件功能设计 | 第92-93页 |
| 6.3.2 系统实现 | 第93-95页 |
| 6.4 系统测试 | 第95-99页 |
| 6.5 本章小结 | 第99-100页 |
| 7 结论与展望 | 第100-104页 |
| 7.1 主要研究结论 | 第100-101页 |
| 7.2 主要创新点 | 第101页 |
| 7.3 进一步研究展望 | 第101-104页 |
| 参考文献 | 第104-110页 |
| 致谢 | 第110-112页 |
| 个人简历 | 第112页 |
| 个人情况 | 第112页 |
| 教育背景 | 第112页 |
| 科研经历 | 第112页 |
| 在学期间发表论文 | 第112页 |
| 在学期间申请专利 | 第112页 |
