首页--农业科学论文--农作物论文--薯类作物论文--马铃薯(土豆)论文

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

论文共80页,点击 下载论文
上一篇:六种薰衣草抗旱生理特性及光合参数研究
下一篇:当归水煎液对血虚小鼠补血作用的差异蛋白组学研究