基于机器视觉的生猪瘦肉率无损检测技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 前言 | 第10-15页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.2.1 无损检测研究现状 | 第11-12页 |
| 1.2.2 机器视觉研究现状 | 第12页 |
| 1.2.3 机器视觉技术在无损检测中的应用 | 第12-13页 |
| 1.3 本文研究目标、内容及技术路线 | 第13-15页 |
| 1.3.1 研究目标 | 第13页 |
| 1.3.2 研究内容 | 第13页 |
| 1.3.3 技术路线 | 第13-15页 |
| 2 试验数据获取与分析 | 第15-22页 |
| 2.1 畜牧学理论基础 | 第15页 |
| 2.2 数据采集 | 第15-17页 |
| 2.2.1 生猪图像采集 | 第15-16页 |
| 2.2.2 实测数据采集 | 第16-17页 |
| 2.3 特征参数选择 | 第17-18页 |
| 2.4 基于实测数据的关系模型建立 | 第18-21页 |
| 2.4.1 外形特征与腿臀比之间的关系模型 | 第18-19页 |
| 2.4.2 外形特征与背膘厚之间的关系模型 | 第19页 |
| 2.4.3 外形特征与眼肌面积之间的关系模型 | 第19-20页 |
| 2.4.4 外形特征与瘦肉率之间的关系模型 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 图像处理与特征提取 | 第22-42页 |
| 3.1 灰度转换 | 第23页 |
| 3.2 图像平滑 | 第23-26页 |
| 3.2.1 均值滤波 | 第24页 |
| 3.2.2 中值滤波 | 第24页 |
| 3.2.3 高斯滤波 | 第24-25页 |
| 3.2.4 双边滤波 | 第25页 |
| 3.2.5 滤波效果比较 | 第25-26页 |
| 3.3 对比度调节 | 第26-27页 |
| 3.4 图像分割 | 第27-30页 |
| 3.4.1 固定阈值分割 | 第27页 |
| 3.4.2 迭代阈值分割 | 第27-28页 |
| 3.4.3 自适应阈值分割 | 第28-29页 |
| 3.4.4 分割结果分析 | 第29-30页 |
| 3.5 形态学处理 | 第30-32页 |
| 3.5.1 形态学的基本运算 | 第31页 |
| 3.5.2 形态学的应用 | 第31-32页 |
| 3.6 轮廓提取 | 第32-36页 |
| 3.6.1 一阶锐化算法 | 第33-34页 |
| 3.6.2 二阶锐化算法 | 第34-36页 |
| 3.6.3 轮廓提取效果 | 第36页 |
| 3.7 关键点定位 | 第36-40页 |
| 3.7.1 最小外接矩阵 | 第37-38页 |
| 3.7.2 背面关键点检测 | 第38页 |
| 3.7.3 侧面关键点检测 | 第38-40页 |
| 3.8 特征提取与验证 | 第40-41页 |
| 3.8.1 特征提取 | 第40页 |
| 3.8.2 数据验证 | 第40-41页 |
| 3.9 本章小结 | 第41-42页 |
| 4 人工神经网络在瘦肉率预测中的应用 | 第42-52页 |
| 4.1 样本归一化 | 第42页 |
| 4.2 BP神经网络 | 第42-45页 |
| 4.2.1 BP神经网络相关概念 | 第42-44页 |
| 4.2.2 BP神经网络设计 | 第44-45页 |
| 4.3 Elman神经网络 | 第45-47页 |
| 4.3.1 Elman神经网络相关概念 | 第45-46页 |
| 4.3.2 Elman神经网络设计 | 第46-47页 |
| 4.4 RBF神经网络 | 第47-49页 |
| 4.4.1 RBF神经网络相关概念 | 第47-48页 |
| 4.4.2 RBF神经网络设计 | 第48-49页 |
| 4.5 三种神经网络比较 | 第49-51页 |
| 4.6 基于图像提取特征的RBF网络预测 | 第51页 |
| 4.7 本章小结 | 第51-52页 |
| 5 软件界面实现 | 第52-55页 |
| 5.1 界面程序语言 | 第52页 |
| 5.2 软件界面 | 第52-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 总结与讨论 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 不足与改进方向 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录A：攻读学位期间发表的学术论文和专利 | 第62-63页 |
| 附录B：部分调用M函数 | 第63-67页 |
