基于小波变换和人工神经网络的玉米种子纯度识别
| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究目的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-15页 |
| 1.3 研究内容与技术路线 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 机器视觉系统与玉米种子图像采集 | 第18-28页 |
| 2.1 机器视觉 | 第18-19页 |
| 2.2 机器视觉硬件系统 | 第19-26页 |
| 2.2.1 CCD 相机 | 第19-21页 |
| 2.2.2 光照系统 | 第21-22页 |
| 2.2.3 玉玉米种子摆放装置 | 第22-26页 |
| 2.2.4 计计算机 | 第26页 |
| 2.3 玉米种子图像采集 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 玉米种子图像预处理 | 第28-32页 |
| 3.1 灰度化处理 | 第28-29页 |
| 3.2 图像增强 | 第29-30页 |
| 3.3 图像分割 | 第30页 |
| 3.4 轮廓提取 | 第30-31页 |
| 3.5 冠部核心区域提取 | 第31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 小波变换提取玉米种子特征 | 第32-43页 |
| 4.1 连续小波变换 | 第32-33页 |
| 4.2 一维离散小波变换 | 第33页 |
| 4.3 二维离散小波变换 | 第33-36页 |
| 4.4 分解层数的确定 | 第36-38页 |
| 4.5 小波变换提取玉米种子颜色特征 | 第38-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 玉米种子纯度的神经网络识别 | 第43-61页 |
| 5.1 人工神经网络 | 第43页 |
| 5.2 BP 神经网络 | 第43-46页 |
| 5.2.1 输入模式的顺传播 | 第43-44页 |
| 5.2.2 输出误差的逆传播 | 第44-46页 |
| 5.3 玉米种子纯度识别的网络设计 | 第46-54页 |
| 5.3.1 输入样本数据的预处理 | 第47-48页 |
| 5.3.2 识别网络的结构 | 第48-52页 |
| 5.3.3 隐含层设计 | 第52-54页 |
| 5.4 玉米种子纯度识别网络训练 | 第54-57页 |
| 5.5 算法准确率检验 | 第57-58页 |
| 5.6 识别网络验证 | 第58-60页 |
| 5.7 本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| 6.1 主要结论 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间的研究成果 | 第69页 |
