基于机器视觉的小麦质量判别系统的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 引言 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·国内外发展状况 | 第11-15页 |
| ·机器视觉技术简介 | 第11-12页 |
| ·机器视觉技术在谷物检测中的应用 | 第12-15页 |
| ·本文研究内容与方法 | 第15-16页 |
| 第2章 数据获取与图像处理 | 第16-27页 |
| ·系统开发环境 | 第16页 |
| ·图像采集 | 第16-17页 |
| ·同产地同年份的小麦数据采集 | 第16页 |
| ·同产地不同年份的小麦数据采集 | 第16页 |
| ·正常、长霉和长芽的小麦数据采集 | 第16-17页 |
| ·拍摄条件 | 第17-19页 |
| ·相机参数 | 第17-18页 |
| ·拍摄背景 | 第18-19页 |
| ·分水岭算法分割粘连小麦籽粒 | 第19-23页 |
| ·原理 | 第19-20页 |
| ·分割流程 | 第20页 |
| ·应用结果 | 第20-23页 |
| ·小结 | 第23页 |
| ·特征提取 | 第23-27页 |
| ·形态参数 | 第23-25页 |
| ·颜色参数 | 第25-27页 |
| 第3章 构建反向传播人工神经网络 | 第27-34页 |
| ·原理 | 第27-28页 |
| ·建立模型 | 第28-33页 |
| ·数据的准备 | 第28-29页 |
| ·优化学习算法的选择 | 第29-31页 |
| ·隐含层的确定 | 第31-32页 |
| ·目标误差的确定 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 不同体系的识别结果与讨论 | 第34-43页 |
| ·同产地同年份的小麦识别 | 第34-38页 |
| ·网络模型的评价 | 第34页 |
| ·小麦分3类和分2类对模型的影响 | 第34-36页 |
| ·形态参数对模型的影响 | 第36-37页 |
| ·色彩参数对模型的影响 | 第37页 |
| ·小结 | 第37-38页 |
| ·同产地不同年份的小麦识别 | 第38页 |
| ·正常、长霉和长芽的小麦识别 | 第38-43页 |
| ·网络模型的评价 | 第40页 |
| ·形态参数对模型的影响 | 第40-41页 |
| ·色彩参数对模型的影响 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第5章 遗传算法优选变量 | 第43-51页 |
| ·遗传算法原理 | 第43-44页 |
| ·GA-BP联用 | 第44-47页 |
| ·变量之间的关系 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 结语 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-58页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第58页 |
