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 |
