首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于颜色特征的产品分拣技术的研究

摘要第1-5页
Abstract第5-9页
第一章 绪论第9-14页
   ·机器视觉技术概述第9-10页
   ·机器视觉在农产品中的应用第10-11页
   ·色选机发展状况第11-12页
   ·论文研究内容第12-13页
   ·论文组织结构第13页
   ·本章小结第13-14页
第二章 色选机主要部件选取第14-26页
   ·色选机的总体概述第14-17页
     ·色选机的工作原理第14-15页
     ·色选机性能评价指标第15-17页
   ·相机的选择及相关参数第17-19页
     ·相机的概述第17-18页
     ·相机参数第18-19页
   ·光源的选取第19-23页
     ·荧光灯第20-21页
     ·卤素灯第21页
     ·发光二极管第21页
     ·激光光源第21-23页
   ·LPT 并口第23-25页
   ·本章小结第25-26页
第三章 图像预处理第26-37页
   ·滤波去噪第26-30页
     ·去噪方法第26-28页
     ·去噪实验结果比较第28-30页
   ·基于邻域隶属度约束FCM算法第30-33页
     ·FCM算法第30-31页
     ·邻域隶属度约束FCM算法第31-33页
   ·改进算法步骤第33页
   ·实验结果与分析第33-36页
   ·本章小结第36-37页
第四章 H-S颜色直方图第37-50页
   ·常用的颜色空间第37-40页
     ·RGB颜色空间第37-38页
     ·CMY颜色空间第38-39页
     ·HSV颜色空间第39-40页
   ·RGB颜色空间到HSV颜色空间的转换第40-41页
   ·颜色特征的表示方法第41-43页
     ·颜色矩法第41-42页
     ·颜色直方图法第42-43页
     ·主色调颜色直方图法第43页
   ·实验结果与分析第43-49页
     ·上等红皮辣椒样本的H-S颜色直方图第45-46页
     ·中等黄梢辣椒样本的H-S颜色直方图第46-47页
     ·下等辣椒样本的H-S颜色直方图第47-49页
   ·本章小结第49-50页
第五章 分类训练与实验第50-61页
   ·反向传播神经网络第50-51页
   ·支持向量机第51-53页
     ·算法概述第51-52页
     ·基于二叉树的SVM算法第52-53页
   ·分类训练第53-57页
   ·实验结果与分析第57-60页
     ·准确性验证第57-58页
     ·通用性验证第58-60页
   ·本章小结第60-61页
第六章 总结与展望第61-62页
   ·总结第61页
   ·展望第61-62页
参考文献第62-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:基于表面特征的钢球分拣技术的研究
下一篇:基于三焦点张量的数字近景工业摄影测量关键技术研究