| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 1 绪论 | 第16-22页 |
| 1.1 课题研究背景与意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 果蔬识别分类方法国内外研究现状 | 第17-19页 |
| 1.2.2 嵌入式机器视觉的应用现状 | 第19-20页 |
| 1.3 嵌入式机器视觉技术在果蔬识别应用中的主要问题 | 第20页 |
| 1.4 本文研究的主要内容与组织结构 | 第20-22页 |
| 2 基于嵌入式机器视觉的超市果蔬识别系统总体设计方案 | 第22-28页 |
| 2.1 果蔬识别系统工作流程 | 第22-23页 |
| 2.2 果蔬识别系统设计需求 | 第23-24页 |
| 2.2.1 功能需求 | 第23页 |
| 2.2.2 性能需求 | 第23-24页 |
| 2.3 果蔬识别系统结构设计 | 第24-25页 |
| 2.4 果蔬识别系统研究路线 | 第25-27页 |
| 2.4.1 硬件实现技术路线 | 第25-26页 |
| 2.4.2 识别算法与软件实现技术路线 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 果蔬识别系统硬件模块选择与平台搭建 | 第28-37页 |
| 3.1 处理器选择 | 第28-29页 |
| 3.2 图像采集模块 | 第29-31页 |
| 3.3 WIFI网络通信模块 | 第31-32页 |
| 3.4 存储模块实现 | 第32-33页 |
| 3.5 接口模块实现 | 第33-35页 |
| 3.5.1 RS-232 串口通信 | 第33-34页 |
| 3.5.2 OTG调试接口 | 第34-35页 |
| 3.6 硬件开发环境搭建 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 4 果蔬识别系统识别方法设计 | 第37-61页 |
| 4.1 果蔬图像数据库建立的标准化 | 第37-41页 |
| 4.1.1 果蔬图像采集标准 | 第37-39页 |
| 4.1.2 果蔬图像命名标准 | 第39-41页 |
| 4.2 果蔬图像预处理 | 第41-48页 |
| 4.2.1 图像滤波 | 第41-42页 |
| 4.2.2 基于OTSU和HSV的果蔬图像分割 | 第42-48页 |
| 4.2.3 图像空洞填充 | 第48页 |
| 4.3 果蔬图像特征提取 | 第48-54页 |
| 4.3.1 HSV颜色直方图统计 | 第48-51页 |
| 4.3.2 LBP纹理特征提取 | 第51-54页 |
| 4.4 果蔬识别分类器设计 | 第54-60页 |
| 4.4.1 支持向量机多分类策略 | 第54-56页 |
| 4.4.2 SVM多分类策略分类效率实验对比 | 第56-58页 |
| 4.4.3 基于OAO-SVM和主颜色色调的果蔬识别分类器设计 | 第58-60页 |
| 4.4.4 果蔬识别系统SVM分类模型训练 | 第60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 果蔬识别系统软件设计与实现 | 第61-72页 |
| 5.1 系统选择与软件开发环境搭建 | 第61-64页 |
| 5.1.1 Android系统简介 | 第61-62页 |
| 5.1.2 系统开发环境搭建 | 第62-64页 |
| 5.2 果蔬识别系统数据库设计 | 第64-66页 |
| 5.3 果蔬识别软件设计 | 第66-68页 |
| 5.4 果蔬信息管理软件设计 | 第68-69页 |
| 5.5 Android客户端识别结果测试 | 第69-71页 |
| 5.6 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 本文总结 | 第72页 |
| 6.2 研究工作展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 作者简介 | 第77页 |
