| 摘要 | 第7-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及选题意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-12页 |
| 1.3 国内外研究存在的问题 | 第12-13页 |
| 1.4 论文的主要研究内容及方法 | 第13-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 实验材料、实验设备及研究方法 | 第16-25页 |
| 2.1 实验材料及实验设计 | 第16-17页 |
| 2.1.1 实验材料 | 第16页 |
| 2.1.2 实验设计 | 第16-17页 |
| 2.2 实验设备 | 第17-22页 |
| 2.2.1 高光谱成像系统硬件平台 | 第17-19页 |
| 2.2.2 高光谱成像系统的软件平台 | 第19-20页 |
| 2.2.3 计算机视觉成像系统硬件平台 | 第20-22页 |
| 2.3 实验分析方法 | 第22页 |
| 2.4 高光谱数据预处理 | 第22-23页 |
| 2.5 计算机视觉的图像处理 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于高光谱图像技术的核桃壳、仁、分心木识别 | 第25-32页 |
| 3.1 高光谱成像技术原理 | 第25页 |
| 3.2 高光谱成像系统设备组成 | 第25-26页 |
| 3.3 高光谱图像采集 | 第26页 |
| 3.4 高光谱图像数据处理 | 第26-30页 |
| 3.5 预测分析和分类方法 | 第30-31页 |
| 3.5.1 全波长PLS模型分类结果 | 第30页 |
| 3.5.2 全波长PCR模型分类结果 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于计算机视觉技术的核桃壳、仁及分心木的识别 | 第32-45页 |
| 4.1 基于计算机视觉技术简介 | 第32页 |
| 4.2 计算机视觉系统的搭建 | 第32-37页 |
| 4.2.1 计算机视觉组成和特点 | 第32-33页 |
| 4.2.2 图像采集系统设计 | 第33-35页 |
| 4.2.3 光源和暗箱的选择 | 第35-37页 |
| 4.2.4 计算机 | 第37页 |
| 4.3 基于计算机视觉技术的核桃壳、仁、分心木的识别 | 第37-44页 |
| 4.3.1 卷积神经网络 | 第38-39页 |
| 4.3.2 结果分析 | 第39-40页 |
| 4.3.3 基于MATLAB的CNN神经网络的实现 | 第40-41页 |
| 4.3.4 核桃仁、壳及分心木的识别系统GUI设计 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 结论与展望 | 第45-46页 |
| 5.1 主要研究结论与成果 | 第45页 |
| 5.2 主要创新点 | 第45页 |
| 5.3 进一步研究设想 | 第45-46页 |
| 参考文献 | 第46-49页 |
| Abstract | 第49-50页 |
| 致谢 | 第51页 |
