| 摘要 | 第3-6页 |
| abstract | 第6-9页 |
| 第1章 绪论 | 第15-28页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-24页 |
| 1.2.1 机器视觉技术在农业上的应用 | 第16-17页 |
| 1.2.2 精密播种器播种性能检测的国内外研究现状 | 第17-23页 |
| 1.2.2.1 精密播种器播种性能检测的国外研究现状 | 第18-20页 |
| 1.2.2.2 精密播种器播种性能检测的国内研究现状 | 第20-23页 |
| 1.2.3 存在问题 | 第23-24页 |
| 1.3 研究内容和技术路线 | 第24-28页 |
| 1.3.1 研究内容 | 第24-25页 |
| 1.3.2 研究方法 | 第25-26页 |
| 1.3.3 研究思路和技术路线 | 第26-28页 |
| 第2章 超级杂交稻播种秧盘图像采集系统及图像预处理 | 第28-46页 |
| 2.1 播种秧盘图像采集系统总体设计 | 第28-34页 |
| 2.1.1 工业相机 | 第29-30页 |
| 2.1.2 反射式光电传感模块 | 第30-32页 |
| 2.1.3 光箱 | 第32-33页 |
| 2.1.4 计算机 | 第33-34页 |
| 2.2 试验材料 | 第34-35页 |
| 2.3 播种秧盘图像预处理 | 第35-45页 |
| 2.3.1 颜色模型分析 | 第35-39页 |
| 2.3.2 最佳阈值法的图像分割 | 第39-41页 |
| 2.3.3 稻种连通区域的边缘提取 | 第41-44页 |
| 2.3.3.1 一阶导数算子 | 第42-43页 |
| 2.3.3.2 二阶导数算子 | 第43-44页 |
| 2.3.4 图像预处理流程 | 第44-45页 |
| 2.4 本章小结 | 第45-46页 |
| 第3章 基于BP神经网络的超级杂交稻播种量检测技术研究 | 第46-67页 |
| 3.1 超级杂交稻连通区域的形态特征提取 | 第47-50页 |
| 3.1.1 超级杂交稻连通区域的形状特征提取 | 第47-48页 |
| 3.1.2 超级杂交稻连通区域的不变矩特征提取 | 第48-50页 |
| 3.2 基于平均影响值MIV的BP神经网络的特征向量选择 | 第50-58页 |
| 3.2.1 BP神经网络 | 第51-54页 |
| 3.2.1.1 神经元模型 | 第51-52页 |
| 3.2.1.2 BP神经网络拓扑结构 | 第52-54页 |
| 3.2.2 平均影响值MIV | 第54-55页 |
| 3.2.3 基于BP神经网络的稻种连通区域形状特征平均影响值分析 | 第55-58页 |
| 3.3 基于BP神经网络的超级杂交稻连通区域的播种量检测 | 第58-65页 |
| 3.3.1 基于BP神经网络对特优338超级杂交稻秧盘播种量检测 | 第58-60页 |
| 3.3.2 基于BP神经网络对培杂泰丰超级杂交稻秧盘播种量检测 | 第60-61页 |
| 3.3.3 基于BP神经网络对泰丰优208超级杂交稻秧盘播种量检测 | 第61-63页 |
| 3.3.4 基于BP神经网络对3个品种的超级杂交稻秧盘播种量检测 | 第63-64页 |
| 3.3.5 试验结果分析 | 第64-65页 |
| 3.4 本章小结 | 第65-67页 |
| 第4章 基于改进分水岭算法的超级杂交稻图像分割与计数技术研究 | 第67-97页 |
| 4.1 分水岭算法概述 | 第67-68页 |
| 4.2 分水岭算法分割粘连水稻 | 第68-72页 |
| 4.2.1 基于距离变换的分水岭分割 | 第69-70页 |
| 4.2.2 基于梯度变换的分水岭分割 | 第70-71页 |
| 4.2.3 基于标记符的分水岭分割 | 第71页 |
| 4.2.4 小结 | 第71-72页 |
| 4.3 改进的分水岭算法 | 第72-76页 |
| 4.3.1 基于小波变换的图像增强 | 第72-74页 |
| 4.3.1.1 小波分析 | 第73-74页 |
| 4.3.1.2 基于小波分析的图像增强 | 第74页 |
| 4.3.2 高斯滤波的图像平滑 | 第74-75页 |
| 4.3.3 改进的分水岭算法 | 第75-76页 |
| 4.4 基于SUSAN算子角点检测的过分割区域判断和合并 | 第76-91页 |
| 4.4.1 SUSAN检测算子 | 第77-80页 |
| 4.4.2 基于SUSAN算子的超级杂交稻连通区域轮廓角点检测 | 第80-82页 |
| 4.4.3 基于改进的SUSAN算子的稻种连通区域边界角点搜索 | 第82-87页 |
| 4.4.4 分水岭分割线端点检测 | 第87-89页 |
| 4.4.4.1 分水岭分割线的骨架化 | 第87-88页 |
| 4.4.4.2 分割线端点的检测 | 第88-89页 |
| 4.4.5 过分割区域的判断和合并 | 第89-91页 |
| 4.5 试验结果与分析 | 第91-96页 |
| 4.6 本章小结 | 第96-97页 |
| 第5章 超级杂交稻秧盘育秧“穴播量”精密播种性能检测 | 第97-118页 |
| 5.1 图像拼接算法 | 第97-104页 |
| 5.1.1 相位相关算法 | 第98-100页 |
| 5.1.2 SURF算法 | 第100-102页 |
| 5.1.2.1 SURF特征点检测 | 第100-101页 |
| 5.1.2.2 SURF特征点特征矢量生成 | 第101-102页 |
| 5.1.2.3 SURF特征点匹配 | 第102页 |
| 5.1.3 图像配准 | 第102-103页 |
| 5.1.4 图像融合 | 第103页 |
| 5.1.5 小结 | 第103-104页 |
| 5.2 改进的图像拼接算法 | 第104-111页 |
| 5.2.1 基于相位相关法和SURF算法图像拼接算法 | 第104-105页 |
| 5.2.2 配准与拼接效果评价 | 第105-106页 |
| 5.2.3 播种秧盘图像拼接试验结果与分析 | 第106-111页 |
| 5.3 超级杂交稻秧盘育秧“穴播量”检测 | 第111-116页 |
| 5.3.1 秧盘目标检测区域和秧穴定位 | 第111-113页 |
| 5.3.2 秧盘穴播量检测技术 | 第113-114页 |
| 5.3.3 秧盘育秧播种性能评价指标 | 第114-115页 |
| 5.3.4 秧盘育秧播种性能试验结果 | 第115页 |
| 5.3.5 试验结果分析 | 第115-116页 |
| 5.4 本章小结 | 第116-118页 |
| 第6章 基于嵌入式机器视觉的水稻秧盘图像无线传输系统设计 | 第118-129页 |
| 6.1 系统总体方案设计 | 第118-119页 |
| 6.2 系统功能模块设计 | 第119-128页 |
| 6.2.1 系统硬件设计 | 第119-121页 |
| 6.2.2 系统软件设计 | 第121-126页 |
| 6.2.2.1 嵌入式系统软件总体设计 | 第121-122页 |
| 6.2.2.2 图像采集和图像压缩 | 第122-123页 |
| 6.2.2.3 GPIO子系统 | 第123页 |
| 6.2.2.4 基于Qtopia秧盘图像采集用户交互界面 | 第123-124页 |
| 6.2.2.5 无线传输协议设计 | 第124-125页 |
| 6.2.2.6 基于Netty框架的远程服务器监控软件设计 | 第125-126页 |
| 6.2.3 无线传输系统测试 | 第126-128页 |
| 6.2.3.1 水稻秧盘育秧图像无线传输系统的测试方案 | 第126-127页 |
| 6.2.3.2 播种秧盘图像无线传输速度试验及结果 | 第127页 |
| 6.2.3.3 网络丢包率和误码率试验及结果 | 第127-128页 |
| 6.2.3.4 试验结果分析 | 第128页 |
| 6.3 本章小结 | 第128-129页 |
| 第7章 全文讨论与结论 | 第129-134页 |
| 7.1 主要研究结论 | 第129-131页 |
| 7.2 研究的创新点 | 第131-132页 |
| 7.3 下一步研究展望 | 第132-134页 |
| 致谢 | 第134-136页 |
| 参考文献 | 第136-144页 |
| 附录 | 第144页 |
