基于计算机视觉技术的砀山酥梨果梗和大小一致性识别
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-16页 |
| 1.1 酥梨特征识别研究意义 | 第9-10页 |
| 1.2 常用的酥梨特征检测方法 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 大小尺寸与形状检测 | 第12页 |
| 1.3.2 酥梨的果梗检测 | 第12-13页 |
| 1.3.3 颜色特征检测 | 第13页 |
| 1.3.4 表面缺陷的检测 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 1.5 技术路线 | 第15-16页 |
| 2 数字图像处理技术和计算机视觉系统 | 第16-25页 |
| 2.1 数字图像处理 | 第16-20页 |
| 2.1.1 图像彩色模型 | 第16-18页 |
| 2.1.2 数学形态学理论 | 第18-20页 |
| 2.2 酥梨计算机视觉系统 | 第20-24页 |
| 2.2.1 计算机视觉系统 | 第20页 |
| 2.2.2 CCD相机 | 第20-21页 |
| 2.2.3 照明系统 | 第21-23页 |
| 2.2.4 图像采集卡 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 酥梨图像的采集与预处理 | 第25-35页 |
| 3.1 酥梨样本 | 第25页 |
| 3.2 酥梨外部特征图像采集 | 第25-26页 |
| 3.3 酥梨图像预处理 | 第26-34页 |
| 3.3.1 酥梨图像处理过程 | 第26-27页 |
| 3.3.2 酥梨图像灰度变换 | 第27-28页 |
| 3.3.3 酥梨图像增强 | 第28-29页 |
| 3.3.4 酥梨图像的形态学处理 | 第29-30页 |
| 3.3.5 边缘检测 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于像素点分析的酥梨果梗识别 | 第35-47页 |
| 4.1 酥梨形心提取 | 第35-37页 |
| 4.1.1 酥梨形心提取的数学原理 | 第35-36页 |
| 4.1.2 图像矩特征 | 第36-37页 |
| 4.2 像素点分析果梗检测方法 | 第37-40页 |
| 4.3 分析与实验 | 第40-44页 |
| 4.4 检测结果分析 | 第44-46页 |
| 4.5 本章小节 | 第46-47页 |
| 5 基于提取最大横径的酥梨大小一致性判定方法研究 | 第47-56页 |
| 5.1 概述 | 第47页 |
| 5.2 常用水果大小检测方法 | 第47-50页 |
| 5.2.1 最小外接矩形法 | 第47-48页 |
| 5.2.2 最大果轴法 | 第48-49页 |
| 5.2.3 果径法 | 第49页 |
| 5.2.4 投影面积法 | 第49-50页 |
| 5.3 酥梨大小一致性判定算法 | 第50-51页 |
| 5.3.1 最大纵径的提取 | 第50页 |
| 5.3.2 最大横径的提取 | 第50-51页 |
| 5.4 酥梨大小一致性判别流程 | 第51-54页 |
| 5.5 结果分析 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 6 结论与展望 | 第56-57页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 在读期间发表的学术论文 | 第63页 |
