| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 国内外研究概况 | 第10-11页 |
| 1.2.2 食品安全状况与农产品检测技术研究状况 | 第11-12页 |
| 1.2.3 机器视觉技术研究状况 | 第12-14页 |
| 1.2.4 机器视觉技术在农产品检测方面应用的研究状况 | 第14-15页 |
| 1.3 主要研究内容 | 第15-18页 |
| 第2章 青豆类农产品智能清选系统结构方案分析 | 第18-24页 |
| 2.1 青豆类农产品智能清选系统机架结构 | 第18-20页 |
| 2.2 上料机、物料输送机及输送皮带清洗装置 | 第20页 |
| 2.3 智能清选系统 | 第20-23页 |
| 2.3.1 智能清选系统总体设计 | 第20-21页 |
| 2.3.2 机器视觉系统设计 | 第21页 |
| 2.3.3 自动清除系统设计 | 第21-22页 |
| 2.3.4 清选控制系统设计 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 青豆类物料图像预处理方法研究 | 第24-50页 |
| 3.1 数字图像的感知与获取 | 第24页 |
| 3.2 应用灰度变换处理图像 | 第24-30页 |
| 3.3 图像的几何变换 | 第30页 |
| 3.4 图像增强 | 第30-35页 |
| 3.4.1 空间域图像增强 | 第30-32页 |
| 3.4.2 频率域图像增强 | 第32-35页 |
| 3.5 色彩图像处理 | 第35-39页 |
| 3.5.1 RGB 模型 | 第35-36页 |
| 3.5.2 HSL 和 HSV 色彩空间 | 第36-38页 |
| 3.5.3 从 RGB 到 HSV 的转换 | 第38-39页 |
| 3.6 形态学图像处理 | 第39-41页 |
| 3.7 图像分割 | 第41-44页 |
| 3.7.1 边缘检测 | 第42-43页 |
| 3.7.2 阈值分割 | 第43-44页 |
| 3.8 物料图像提取 | 第44-48页 |
| 3.8.1 物料图像提取方法的 Matlab 试验 | 第44-46页 |
| 3.8.2 物料图像提取的 PC 端机器视觉程序设计 | 第46-48页 |
| 3.9 本章小结 | 第48-50页 |
| 第4章 基于 BP 神经网络的物料识别与物料处理 | 第50-62页 |
| 4.1 BP 神经网络神经元模型的选择 | 第50-51页 |
| 4.2 物料图像特征提取 | 第51-57页 |
| 4.3 BP 神经网络的训练与测试 | 第57-60页 |
| 4.4 对有问题物料的处理 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 主体机架和输送皮带变形及振动分析 | 第62-74页 |
| 5.1 主体机架变形分析 | 第62-64页 |
| 5.1.1 主体机架有限元模型 | 第62-63页 |
| 5.1.2 主体机架结构的约束与载荷 | 第63页 |
| 5.1.3 静力计算与结果分析 | 第63-64页 |
| 5.2 输送皮带变形分析 | 第64-69页 |
| 5.2.1 输送皮带初始设计有限元模型 | 第65页 |
| 5.2.2 输送皮带初始设计约束与载荷 | 第65页 |
| 5.2.3 输送皮带初始设计计算与结果分析 | 第65-67页 |
| 5.2.4 输送皮带改进设计有限元模型 | 第67-68页 |
| 5.2.5 输送皮带改进设计静力计算与结果分析 | 第68-69页 |
| 5.3 主体机架固有频率分析 | 第69-72页 |
| 5.3.1 主体机架的有限元模型建立 | 第70页 |
| 5.3.2 主体机架结构的约束与载荷 | 第70页 |
| 5.3.3 主体机架结构的模态分析 | 第70-72页 |
| 5.4 本章小结 | 第72-74页 |
| 第6章 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74-75页 |
| 6.2 不足和展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-86页 |
| 作者简介 | 第86-88页 |
| 致谢 | 第88页 |
