机器视觉技术在果园自动化中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-15页 |
| 第一章 绪论 | 第15-27页 |
| ·研究目的和意义 | 第15-16页 |
| ·国内外研究现状 | 第16-24页 |
| ·机器视觉在水果自动分级中的应用方面的研究状况 | 第16-17页 |
| ·机器视觉在对靶检测中的应用方面的研究状况 | 第17-20页 |
| ·机器视觉在采摘机器人中的应用的研究状况 | 第20-24页 |
| ·研究内容和技术路线 | 第24-26页 |
| ·基金支持 | 第26-27页 |
| 第二章 机器视觉及数字图像处理技术 | 第27-51页 |
| ·引言 | 第27页 |
| ·机器视觉系统 | 第27-40页 |
| ·相机模型 | 第28-32页 |
| ·相机标定方法的分类 | 第32-33页 |
| ·双目立体视觉与三维重建技术 | 第33-40页 |
| ·数字图像技术 | 第40-50页 |
| ·彩色空间 | 第40-44页 |
| ·图像处理基本方法 | 第44-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 樱桃外观品质检测 | 第51-73页 |
| ·引言 | 第51-52页 |
| ·基于模式识别的樱桃表面颜色分级方法 | 第52-61页 |
| ·试验材料与设备 | 第53-54页 |
| ·试验方法 | 第54-57页 |
| ·试验结果与讨论 | 第57-60页 |
| ·结论 | 第60-61页 |
| ·基于主动光源的樱桃颜色分级方法 | 第61-67页 |
| ·试验材料与方法 | 第61页 |
| ·图像采集 | 第61-62页 |
| ·图像处理 | 第62-64页 |
| ·试验结果与讨论 | 第64-67页 |
| ·结论 | 第67页 |
| ·樱桃外径测量 | 第67-72页 |
| ·试验材料与方法 | 第67-69页 |
| ·试验结果与分析 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第四章 葡萄根蘖的实时检测与定位 | 第73-98页 |
| ·引言 | 第73页 |
| ·静态根蘖图像分析 | 第73-79页 |
| ·树杆分割 | 第74页 |
| ·树杆分割后的形态学方法分析 | 第74-75页 |
| ·纹理分析 | 第75-76页 |
| ·自然场景下的图像分割 | 第76-77页 |
| ·根蘖和树杆信息综合分析 | 第77-79页 |
| ·静态图像分析总结 | 第79页 |
| ·葡萄根蘖实时检测和定位方法 | 第79-94页 |
| ·系统硬件设计 | 第79-84页 |
| ·根蘖对靶检测方法 | 第84-94页 |
| ·田间试验方法及试验结果分析 | 第94-97页 |
| ·试验目的和试验条件 | 第94页 |
| ·试验结果分析 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 第五章 采摘机器人智能视觉系统 | 第98-119页 |
| ·引言 | 第98页 |
| ·智能采摘视觉系统的组成 | 第98-110页 |
| ·双目视觉系统 | 第99-105页 |
| ·单目视觉系统 | 第105页 |
| ·苹果采摘方法分析 | 第105-110页 |
| ·智能视觉系统实现方法 | 第110-116页 |
| ·苹果的识别与定位 | 第111-114页 |
| ·视觉传感器间信息的传递 | 第114-115页 |
| ·近距离苹果的识别与定位 | 第115-116页 |
| ·试验结果与讨论 | 第116-118页 |
| ·双目视觉系统的苹果的识别与定位试验 | 第116-117页 |
| ·单目视觉系统的苹果的识别与定位试验 | 第117-118页 |
| ·结论 | 第118-119页 |
| 第六章 结论和展望 | 第119-121页 |
| ·结论 | 第119-120页 |
| ·展望 | 第120页 |
| ·创新点 | 第120-121页 |
| 参考文献 | 第121-130页 |
| 致谢 | 第130-131页 |
| 作者简历 | 第131页 |
