基于机器视觉的花生种子自动识别系统设计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 机器视觉研究现状 | 第11-14页 |
| 1.2.1 机器视觉概述 | 第11-12页 |
| 1.2.2 机器视觉的国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 第2章 机器视觉检测系统的构建 | 第15-21页 |
| 2.1 机器视觉检测系统总体结构 | 第15页 |
| 2.2 机器视觉检测系统硬件组成 | 第15-16页 |
| 2.3 机器视觉检测系统软件设计 | 第16-20页 |
| 2.3.1 系统流程 | 第17-18页 |
| 2.3.2 软件开发环境 LabVIEW | 第18-19页 |
| 2.3.3 LabVIEW 的图像处理模块 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 花生种子图像的预处理算法研究 | 第21-32页 |
| 3.1 图像灰度处理 | 第21-23页 |
| 3.1.1 彩色图像 | 第21页 |
| 3.1.2 灰度图像 | 第21-22页 |
| 3.1.3 图像灰度化 | 第22-23页 |
| 3.2 图像滤波 | 第23-25页 |
| 3.2.1 邻域平均滤波 | 第23-24页 |
| 3.2.2 中值滤波 | 第24-25页 |
| 3.3 边缘检测 | 第25页 |
| 3.3.1 边缘检测技术 | 第25页 |
| 3.3.2 改进的边缘检测 | 第25页 |
| 3.4 图像分割 | 第25-29页 |
| 3.4.1 图像分割的基本概念 | 第26页 |
| 3.4.2 阈值分割 | 第26-27页 |
| 3.4.3 最大类间方差法 | 第27-29页 |
| 3.5 数学形态学 | 第29-31页 |
| 3.5.1 形态学概念 | 第29页 |
| 3.5.2 形态学的基本算法及处理结果 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 花生种子的特征提取及识别 | 第32-42页 |
| 4.1 花生种子的特征概述 | 第32页 |
| 4.2 几何特征提取 | 第32-37页 |
| 4.2.1 基本几何特征量 | 第32-35页 |
| 4.2.2 几何特征提取及大小识别 | 第35-37页 |
| 4.3 花生种子颜色特征提取 | 第37-41页 |
| 4.3.1 颜色参数提取 | 第37-39页 |
| 4.3.2 颜色特征识别 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 机器视觉检测系统设计与实现 | 第42-55页 |
| 5.1 系统实现功能 | 第42页 |
| 5.2 系统设计结构 | 第42-43页 |
| 5.3 系统功能的设计与实现 | 第43-54页 |
| 5.3.1 图像采集 | 第43-45页 |
| 5.3.2 图像灰度化 | 第45-47页 |
| 5.3.3 图像滤波 | 第47-48页 |
| 5.3.4 边缘检测 | 第48-49页 |
| 5.3.5 图像分割 | 第49-50页 |
| 5.3.6 形态学处理 | 第50-51页 |
| 5.3.7 几何特征提取 | 第51-53页 |
| 5.3.8 颜色特征提取 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
