基于机器视觉的马铃薯分类研究
摘要 | 第1-3页 |
Summary | 第3-8页 |
第一章 前言 | 第8-15页 |
·机器视觉技术概述 | 第8页 |
·研究的背景与意义 | 第8-9页 |
·国内外的研究现状 | 第9-12页 |
·国外研究现状 | 第9-10页 |
·国内研究现状 | 第10-12页 |
·存在的问题 | 第12页 |
·本研究的主要内容 | 第12-14页 |
·图像的获取 | 第13页 |
·图像预处理 | 第13页 |
·质量分选 | 第13页 |
·形状分选 | 第13页 |
·表面缺陷分选 | 第13页 |
·软件系统设计 | 第13-14页 |
·本章小结 | 第14-15页 |
第二章 机器视觉的系统 | 第15-17页 |
·马铃薯图像获取系统 | 第15页 |
·摄像机 | 第15-16页 |
·处理系统 | 第16页 |
·本章小结 | 第16-17页 |
第三章 马铃薯图像的预处理 | 第17-27页 |
·图像灰度化 | 第17-19页 |
·图像增强 | 第19-21页 |
·图像的直方图修正 | 第19-20页 |
·图像平滑 | 第20-21页 |
·图像的分割 | 第21-24页 |
·双峰法图像分割 | 第22页 |
·迭代法 | 第22-23页 |
·大津法 | 第23-24页 |
·边缘检测算子 | 第24-25页 |
·数学形态学处理 | 第25页 |
·本章小结 | 第25-27页 |
第四章 马铃薯质量检测 | 第27-34页 |
·面积法 | 第27页 |
·周长法 | 第27页 |
·质量模型参数选择 | 第27-32页 |
·单因素模型法 | 第27-30页 |
·双因素模型法 | 第30-31页 |
·多因素模型法 | 第31-32页 |
·检测结果 | 第32-33页 |
·本章小结 | 第33-34页 |
第五章 马铃薯形状检测 | 第34-46页 |
·形状特征参数 | 第34-42页 |
·不变矩 | 第35-37页 |
·不变矩实验 | 第37-39页 |
·二值边缘的不变矩 | 第39-42页 |
·人工神经网络 | 第42-43页 |
·人工神经元模型 | 第42-43页 |
·BP神经网络 | 第43页 |
·基于BP神经网络的形状分类模型构建 | 第43-44页 |
·检测结果 | 第44-45页 |
·本章小结 | 第45-46页 |
第六章 马铃薯表面缺陷检测 | 第46-60页 |
·缺陷分割 | 第47-48页 |
·RGB模型 | 第47页 |
·k-均值聚类图像分割算法 | 第47-48页 |
·改进的k-均值聚类图像分割算法 | 第48页 |
·缺陷分割结果 | 第48-49页 |
·表面缺陷分类参数选择 | 第49-57页 |
·分类试验及结果 | 第57-59页 |
·本章小结 | 第59-60页 |
第七章 软件系统的设计 | 第60-64页 |
第八章 结论与展望 | 第64-66页 |
·结论 | 第64-65页 |
·展望 | 第65-66页 |
致谢 | 第66-67页 |
参考文献 | 第67-73页 |
附录 MATLAB程序 | 第73-77页 |
作者简介 | 第77-78页 |
导师简介 | 第78-80页 |