| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 禽蛋检测的目的和内容 | 第9-11页 |
| 1.1.1 国内外禽蛋加工行业自动化 | 第9-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 禽蛋蛋壳裂纹检测技术 | 第11-13页 |
| 1.2.1 音频分析检测技术 | 第11-12页 |
| 1.2.2 机器视觉分析检测技术 | 第12-13页 |
| 1.3 本课题研究内容 | 第13-15页 |
| 2 鸭蛋表面图像采集系统的设计 | 第15-22页 |
| 2.1 光源 | 第15-18页 |
| 2.1.1 衡量光源的好坏 | 第15-16页 |
| 2.1.2 照明方式 | 第16-17页 |
| 2.1.3 光源选择 | 第17-18页 |
| 2.2 相机及镜头 | 第18-20页 |
| 2.2.1 相机 | 第18-19页 |
| 2.2.2 镜头 | 第19-20页 |
| 2.3 系统硬件构成及采集过程 | 第20-21页 |
| 2.4 小结 | 第21-22页 |
| 3 基于图像的裂纹识别技术 | 第22-38页 |
| 3.1 基于图像的鸭蛋蛋壳裂纹识别的特点 | 第22-24页 |
| 3.2 局部对比度增强(Local Contrast Enhancement) | 第24-32页 |
| 3.2.1 图像增强(Image Enhancement)概述 | 第24-27页 |
| 3.2.2 局部对比度处理 | 第27-30页 |
| 3.2.3 反锐化掩膜(USM) | 第30-32页 |
| 3.3 统计模式识别 | 第32-36页 |
| 3.3.1 图像分割 | 第33-34页 |
| 3.3.2 图像特征选择与提取 | 第34-36页 |
| 3.4 小结 | 第36-38页 |
| 4 基于图像的裂纹识别算法在MATLAB上的实现 | 第38-54页 |
| 4.1 算法设计 | 第38-53页 |
| 4.1.1 RGB转灰度图像 | 第38-40页 |
| 4.1.2 蛋体掩膜提取(背景及污点的去除) | 第40-41页 |
| 4.1.3 图像增强及二值化 | 第41-47页 |
| 4.1.4 特征参数及识别 | 第47-49页 |
| 4.1.5 基于概率神经网络的识别 | 第49-53页 |
| 4.2 小结 | 第53-54页 |
| 5 系统实验及数据统计 | 第54-59页 |
| 5.1 系统实验过程 | 第54-58页 |
| 5.2 数据分析与统计 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 研究工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间主要的研究成果目录 | 第65-66页 |
| 致谢 | 第66页 |