基于机器视觉和高光谱图像技术的粮食水分检测及杂质与不完善粒识别方法研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 目录 | 第11-13页 |
| 插图清单 | 第13-14页 |
| 表格清单 | 第14-15页 |
| 主要符号对照表 | 第15-16页 |
| 第一章 绪论 | 第16-24页 |
| ·本研究的目的和意义 | 第16-18页 |
| ·国内外研究动态 | 第18-22页 |
| ·水稻 | 第19-20页 |
| ·小麦 | 第20-21页 |
| ·玉米 | 第21-22页 |
| ·研究内容 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第二章 机器视觉、数字图像处理与高光谱技术 | 第24-43页 |
| ·机器视觉检测系统 | 第24-30页 |
| ·常见的检测系统分类 | 第24-26页 |
| ·硬件系统各部分简介 | 第26-29页 |
| ·软件系统介绍 | 第29-30页 |
| ·数字图像处理技术 | 第30-41页 |
| ·图像采集 | 第30-32页 |
| ·图像预处理技术 | 第32-33页 |
| ·图像的色彩及其处理技术 | 第33-36页 |
| ·特征选取与模式识别 | 第36-38页 |
| ·编程实现 | 第38-41页 |
| ·高光谱图像技术 | 第41-42页 |
| ·粮粒水分检测技术 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第三章 粮粒杂质检测参数优选 | 第43-53页 |
| ·实验材料与方法 | 第43-47页 |
| ·样品的准备 | 第43-44页 |
| ·实验台的搭建 | 第44页 |
| ·正交实验的设计 | 第44-46页 |
| ·基于主成分分析的高光谱波段选择降维方法 | 第46-47页 |
| ·实验步骤:高光谱数据的采集 | 第47-48页 |
| ·结果与讨论 | 第48-52页 |
| ·背景材料及光照条件优选 | 第48-50页 |
| ·特征波段选取 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 高光谱检测粮粒水分 | 第53-62页 |
| ·实验材料准备 | 第53-54页 |
| ·实验步骤 | 第54-55页 |
| ·复水实验设计 | 第54-55页 |
| ·粮粒高光谱图像采集 | 第55页 |
| ·实验数据分析 | 第55-60页 |
| ·结果与讨论 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 粮粒与杂质图像的预处理和特征提取 | 第62-69页 |
| ·实验材料准备与平台搭建 | 第62页 |
| ·粮粒与图像数据采集 | 第62-64页 |
| ·图像数据处理 | 第64-68页 |
| ·预处理 | 第64页 |
| ·背景选择 | 第64-67页 |
| ·特征提取 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 粮粒杂质识别 | 第69-76页 |
| ·基于判决树的单特征识别 | 第69-70页 |
| ·使用ANN建立多特征识别模型 | 第70-73页 |
| ·粮粒杂质识别软件系统 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 第七章 结论与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·主要创新点 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 作者简历及硕士期间的主要科研成果 | 第82页 |
