| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 文献综述 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 机器视觉和近红外光谱在苹果品质检测中的研究进展 | 第14-17页 |
| 1.2.1 机器视觉在苹果品质检测中的应用 | 第14-15页 |
| 1.2.2 近红外光谱在苹果品质检测中的应用 | 第15-17页 |
| 1.3 生物散斑技术在农产品无损检测中的研究进展 | 第17-18页 |
| 1.3.1 生物散斑技术简介 | 第17页 |
| 1.3.2 生物散斑技术在农产品无损检测中的应用 | 第17-18页 |
| 1.4 研究目的与意义 | 第18页 |
| 1.5 研究内容和技术路线 | 第18-21页 |
| 第二章 生物散斑测量装置的构建及图像处理 | 第21-37页 |
| 2.1 生物散斑装置的构建 | 第21-23页 |
| 2.2 激光发射器的选型 | 第23-26页 |
| 2.2.1 不同波长的激光器对苹果散斑效果的影响 | 第24页 |
| 2.2.2 不同功率的激光器对苹果散斑效果的影响 | 第24-26页 |
| 2.3 生物散斑图像的获取 | 第26-27页 |
| 2.4 生物散斑图像的预处理 | 第27-30页 |
| 2.4.1 灰度转化 | 第27-28页 |
| 2.4.2 去噪处理 | 第28-30页 |
| 2.5 生物散斑图像的阈值分割 | 第30-34页 |
| 2.5.1 双峰法 | 第31-32页 |
| 2.5.2 迭代法 | 第32-33页 |
| 2.5.3 最大类间方差法 | 第33-34页 |
| 2.6 特征参数提取 | 第34-35页 |
| 2.7 数据处理方法 | 第35页 |
| 2.8 本章小结 | 第35-37页 |
| 第三章 基于生物散斑图像的苹果内部品质检测与模型的建立 | 第37-51页 |
| 3.1 材料与方法 | 第37-40页 |
| 3.1.1 实验材料 | 第37-40页 |
| 3.1.2 处理方法 | 第40页 |
| 3.1.3 实验仪器 | 第40页 |
| 3.1.4 生物散斑测量装置 | 第40页 |
| 3.2 试验方法 | 第40-42页 |
| 3.2.1 图像的获取及处理 | 第40-41页 |
| 3.2.2 内部品质分级标准 | 第41页 |
| 3.2.3 品质指标的测定 | 第41-42页 |
| 3.3 数据分析方法 | 第42页 |
| 3.4 结果与分析 | 第42-50页 |
| 3.4.1 品质指标的变化分析 | 第42-43页 |
| 3.4.2 苹果贮藏期图像参数的变化 | 第43页 |
| 3.4.3 品质指标与图像参数相关性分析 | 第43-44页 |
| 3.4.4 品质指标预测建模的建立 | 第44-46页 |
| 3.4.5 品质指标预测模型的验证 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于生物散斑技术的苹果内部品质检测分级仪器的开发 | 第51-63页 |
| 4.1 仪器设计 | 第51-56页 |
| 4.1.1 硬件工作原理及组成 | 第51-52页 |
| 4.1.2 CCD工业相机 | 第52-53页 |
| 4.1.3 激光器 | 第53-54页 |
| 4.1.4 计算机 | 第54页 |
| 4.1.5 暗箱 | 第54页 |
| 4.1.6 硬件系统集成 | 第54-56页 |
| 4.2 软件开发 | 第56-58页 |
| 4.2.1 软件开发平台 | 第56页 |
| 4.2.2 软件模块开发 | 第56-58页 |
| 4.3 交互界面及使用 | 第58-61页 |
| 4.4 软件测试结果 | 第61页 |
| 4.5 本章小结 | 第61-63页 |
| 全文总结 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71-79页 |
| 致谢 | 第79页 |
