| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 1 引言 | 第9-26页 |
| ·机器视觉概述 | 第9页 |
| ·研究背景和意义 | 第9-13页 |
| ·国内外研究现状 | 第13-22页 |
| ·国外研究现状 | 第13-18页 |
| ·国内研究现状 | 第18-22页 |
| ·存在问题 | 第22-24页 |
| ·研究内容及目标 | 第24-25页 |
| ·种蛋筛选和孵化成活性检测硬件系统建立 | 第24页 |
| ·基于机器视觉的种蛋筛选 | 第24-25页 |
| ·基于机器视觉的种蛋孵化成活性检测 | 第25页 |
| ·软件系统集成 | 第25页 |
| ·小结 | 第25-26页 |
| 2 彩色机器视觉硬件系统与颜色模型 | 第26-38页 |
| ·种蛋筛选机器视觉硬件系统 | 第26-28页 |
| ·摄像机 | 第26页 |
| ·计算机 | 第26-27页 |
| ·光照箱 | 第27页 |
| ·光源 | 第27页 |
| ·背景 | 第27-28页 |
| ·种蛋孵化成活性检测机器视觉硬件系统 | 第28页 |
| ·视觉系统标定 | 第28-33页 |
| ·摄像机模型 | 第29页 |
| ·摄像机标定方法 | 第29-31页 |
| ·种蛋筛选系统标定 | 第31-33页 |
| ·颜色模型 | 第33-37页 |
| ·常用的颜色模型 | 第33-37页 |
| ·本文使用的颜色模型 | 第37页 |
| ·小结 | 第37-38页 |
| 3 基于机器视觉的种蛋筛选 | 第38-79页 |
| ·种蛋重量检测 | 第39-44页 |
| ·种蛋图像投影面积计算 | 第40-41页 |
| ·种蛋周长计算 | 第41-44页 |
| ·种蛋重量检测样本 | 第44页 |
| ·检测结果与分析 | 第44页 |
| ·种蛋蛋壳表面缺陷检测 | 第44-51页 |
| ·图像分割 | 第45-46页 |
| ·分割结果 | 第46-49页 |
| ·种蛋蛋壳表面污斑面积计算 | 第49-51页 |
| ·种蛋蛋壳表面缺陷检测样本 | 第51页 |
| ·检测结果与分析 | 第51页 |
| ·种蛋蛋形检测 | 第51-75页 |
| ·种蛋蛋形特征参数提取 | 第53-55页 |
| ·改进的免疫遗传 LMBP 神经网络模型建立 | 第55-73页 |
| ·种蛋蛋形检测样本选择 | 第73-74页 |
| ·免疫遗传 LMBP 神经网络检测种蛋蛋形结果与分析 | 第74-75页 |
| ·种蛋壳色检测 | 第75-77页 |
| ·种蛋壳色特征参数提取 | 第75页 |
| ·种蛋蛋壳颜色检测样本选取 | 第75-76页 |
| ·免疫遗传 LMBP 神经网络检测种蛋壳色结果与分析 | 第76-77页 |
| ·基于机器视觉的种蛋筛选检测结果与分析 | 第77-78页 |
| ·小结 | 第78-79页 |
| 4 基于机器视觉的种蛋孵化成活性检测 | 第79-91页 |
| ·种蛋孵化成活性特征参数提取 | 第80-81页 |
| ·改进模拟退火微粒群算法 | 第81-87页 |
| ·微粒群算法 | 第81-84页 |
| ·模拟退火算法 | 第84-86页 |
| ·改进的模拟退火 PSO 算法 | 第86-87页 |
| ·改进的模拟退火微粒群 BP 神经网络模型建立 | 第87-88页 |
| ·改进的模拟退火微粒群 BP 神经网络性能测试 | 第88-89页 |
| ·种蛋孵化成活性检测样本选择及网络训练 | 第89页 |
| ·基于改进模拟退火微粒群神经网络的种蛋孵化成活性检测结果与分析 | 第89-91页 |
| ·小结 | 第91页 |
| 5 基于机器视觉的种蛋筛选及孵化成活性检测软件系统集成 | 第91-92页 |
| 6 结论 | 第92-94页 |
| 7 建议与展望 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-108页 |
| 作者简介 | 第108-109页 |
