| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-13页 |
| 第一章 绪论 | 第13-17页 |
| ·选题的背景和意义 | 第13-14页 |
| ·选题的背景 | 第13页 |
| ·选题的意义 | 第13-14页 |
| ·机器视觉技术 | 第14页 |
| ·国内外研究情况 | 第14-15页 |
| ·本文主要研究的内容和所做工作 | 第15-17页 |
| ·本文主要研究的内容 | 第15页 |
| ·本文所做的工作 | 第15-17页 |
| 第二章 大米品质检测系统的硬件设计 | 第17-26页 |
| ·大米品质检测系统的工作原理 | 第17-18页 |
| ·大米品质检测系统的组成与结构 | 第18页 |
| ·供料系统 | 第18页 |
| ·光学系统 | 第18页 |
| ·分选系统 | 第18页 |
| ·电控系统 | 第18页 |
| ·大米品质检测系统的硬件设计 | 第18-25页 |
| ·线阵 CCD 电路设计 | 第18-22页 |
| ·线阵 CCD 传感器的选择 | 第18页 |
| ·线阵 CCD 电路设计 | 第18-22页 |
| ·电路框图 | 第18-19页 |
| ·调理放大与 A/D 转换 | 第19-22页 |
| ·AD9823 和 AD9821 芯片简介 | 第19-20页 |
| ·调理放大原理 | 第20-21页 |
| ·TCD1209 的电路连接图 | 第21-22页 |
| ·TCD1209 的驱动脉冲设计 | 第22-25页 |
| ·TCD1209 的时序关系 | 第22页 |
| ·时序关系的 FPGA 实现 | 第22-23页 |
| ·软件仿真的结果 | 第23页 |
| ·硬件实现的波形图 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 图像预处理 | 第26-39页 |
| ·图像灰度化 | 第26-27页 |
| ·灰度直方图 | 第27-28页 |
| ·图像去噪 | 第28-32页 |
| ·邻域平滑 | 第29-30页 |
| ·中值滤波 | 第30-31页 |
| ·Gauss 滤波 | 第31-32页 |
| ·滤波结果分析 | 第32页 |
| ·图像增强 | 第32-34页 |
| ·背景分割 | 第34-38页 |
| ·状态法（峰谷法） | 第35页 |
| ·判断分析法 | 第35页 |
| ·最佳熵自动阈值法 | 第35-36页 |
| ·最小误差（最优阈值）分割 | 第36-37页 |
| ·Ostu 算法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 大米特征的提取和主成分分析法 | 第39-51页 |
| ·大米特征值提取 | 第39-46页 |
| ·面积计算方法 | 第39-40页 |
| ·周长计算方法 | 第40-44页 |
| ·梯度算子 | 第40-41页 |
| ·Roberts 梯度算子 | 第41页 |
| ·Sobel 算子 | 第41页 |
| ·Kirsch 算子 | 第41-42页 |
| ·LoG（高斯——拉普拉斯滤波）算子 | 第42页 |
| ·Canny 算子 | 第42-43页 |
| ·曲面拟合 | 第43-44页 |
| ·大米直径(长轴)搜索算法 | 第44-45页 |
| ·经典搜索算法 | 第44-45页 |
| ·中心边缘搜索算法 | 第45页 |
| ·短轴计算算法 | 第45-46页 |
| ·主成分分析法 | 第46-48页 |
| ·主成分分析法的概念 | 第47页 |
| ·主成分分析法的数学模型 | 第47-48页 |
| ·主成分分析法的计算步骤 | 第48页 |
| ·对大米特征值进行主成分分析法 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 遗传 BP 神经网络算法 | 第51-67页 |
| ·人工神经网络 | 第51-53页 |
| ·人工神经网络的概念 | 第51页 |
| ·人工神经网络的发展历程 | 第51-52页 |
| ·人工神经网络的分类及学习规则 | 第52-53页 |
| ·人工神经网络的分类 | 第52页 |
| ·人工神经网络的学习 | 第52-53页 |
| ·BP 神经网络及其基本模型 | 第53-57页 |
| ·BP 神经网络的学习算法 | 第53-55页 |
| ·BP 神经网络学习应注意事项 | 第55-56页 |
| ·BP 神经网络学习算法的改进 | 第56-57页 |
| ·遗传算法基本理论 | 第57-62页 |
| ·遗传算法的常用术语 | 第57页 |
| ·标准遗传算法 | 第57-62页 |
| ·参数编码 | 第58页 |
| ·适应度函数 | 第58-59页 |
| ·遗传操作 | 第59-61页 |
| ·遗传操作的参数选择 | 第61-62页 |
| ·遗传算法优化 BP 神经网络 | 第62-66页 |
| ·连接权的优化方法 | 第62页 |
| ·实验与结果分析 | 第62-66页 |
| ·遗传算法优化初始权值 | 第63-65页 |
| ·GA-BP 神经网络与标准 BP 神经网络的比较 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| ·结论 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士期间发表的论文 | 第72-73页 |