基于机器视觉的谷物外观品质检测技术研究
第一章 绪论 | 第1-24页 |
·研究目的和意义 | 第14-15页 |
·国内外研究现状 | 第15-22页 |
·机器视觉在农业工程领域中的应用 | 第15-16页 |
·国外研究现状 | 第16-18页 |
·国内研究现状 | 第18-20页 |
·存在的问题 | 第20-22页 |
·研究内容与方法 | 第22-24页 |
第二章 谷物图像处理的基础算法研究 | 第24-45页 |
·引言 | 第24页 |
·图像灰度化 | 第24-25页 |
·灰度化方法 | 第24-25页 |
·谷物图像处理结果分析 | 第25页 |
·边缘检测算法 | 第25-27页 |
·边界检测算子 | 第26页 |
·静态谷物图像结果分析 | 第26-27页 |
·动态谷物图像结果分析 | 第27页 |
·图像滤波算法 | 第27-30页 |
·图像滤波算法 | 第28-29页 |
·静态谷物图像结果分析 | 第29页 |
·动态谷物图像结果分析 | 第29-30页 |
·图像分割算法 | 第30-33页 |
·图像分割算法 | 第30-32页 |
·谷物图像处理结果分析 | 第32-33页 |
·形态学处理算法 | 第33-36页 |
·形态学算法 | 第33-34页 |
·形态学滤波 | 第34-35页 |
·接触籽粒的分割 | 第35-36页 |
·模糊图像的恢复算法 | 第36-41页 |
·运动成像分析 | 第36-37页 |
·匀速直线运动恢复算法 | 第37-40页 |
·谷物图像处理结果分析 | 第40-41页 |
·区域标记算法 | 第41-44页 |
·区域标记算法 | 第41-43页 |
·谷物图像处理结果分析 | 第43-44页 |
·本章小结 | 第44-45页 |
第三章 基于极坐标的图像处理算法研究 | 第45-57页 |
·极坐标与直角坐标的关系 | 第46-48页 |
·区域型心的检测算法 | 第48-49页 |
·区域边界的检测算法 | 第49-51页 |
·二值图像的边界检测算法 | 第49-50页 |
·灰度图像的边界检测算法 | 第50-51页 |
·区域初始方向的检测算法 | 第51-52页 |
·基于主轴方向角的检测算法 | 第51-52页 |
·基于先验知识的检测算法 | 第52页 |
·基于极坐标的图像处理算法 | 第52-56页 |
·长短轴快速检测算法 | 第52-54页 |
·非均匀采样 | 第54-55页 |
·特定区域的检测算法 | 第55-56页 |
·本章小结 | 第56-57页 |
第四章 谷物图像的静态检测方法 | 第57-97页 |
·引言 | 第57页 |
·静态谷物图像检测系统 | 第57-61页 |
·硬件系统 | 第57-59页 |
·软件系统 | 第59-61页 |
·籽粒的分割 | 第61-68页 |
·改进的腐蚀膨胀分割算法 | 第61-63页 |
·基于流域变换的分割算法 | 第63-68页 |
·垩白米的检测 | 第68-82页 |
·基于垩白大小的检测算法 | 第69-71页 |
·基于分形维数的检测算法 | 第71-74页 |
·基于极坐标的检测算法 | 第74-76页 |
·基于神经网络的检测算法 | 第76-80页 |
·垩白度和垩白粒率的检测算法 | 第80-82页 |
·黄粒米的检测 | 第82-90页 |
·常用的颜色模型 | 第82-84页 |
·基于色度的检测算法 | 第84-87页 |
·基于神经网络的检测算法 | 第87-90页 |
·粒型的检测 | 第90-93页 |
·基于直角坐标的检测算法 | 第90-92页 |
·基于极坐标的检测算法 | 第92-93页 |
·异型米的检测 | 第93-95页 |
·本章小结 | 第95-97页 |
第五章 谷物图像的动态检测方法 | 第97-113页 |
·引言 | 第97页 |
·动态谷物图像检测系统 | 第97-102页 |
·硬件系统 | 第97-99页 |
·软件系统 | 第99-100页 |
·图像的获取和预处理 | 第100-102页 |
·稻米的分类算法 | 第102-104页 |
·小麦的分类算法 | 第104-108页 |
·玉米的分类算法 | 第108-112页 |
·本章小结 | 第112-113页 |
第六章 结论与建议 | 第113-115页 |
·结论 | 第113-114页 |
·建议 | 第114-115页 |
参考文献 | 第115-121页 |
致谢 | 第121-122页 |
附录 | 第122-127页 |
个人简介 | 第127页 |