基于机器视觉的蔬菜种子质量检测系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 第2章 蔬菜种子质量检测系统概述 | 第18-21页 |
| 2.1 图像采集与图像处理 | 第18-19页 |
| 2.2 人工神经网络 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 机器视觉硬件系统的搭建与硬件选择 | 第21-23页 |
| 3.1 光照系统的选择 | 第21页 |
| 3.2 CCD彩色相机与传送带 | 第21-22页 |
| 3.3 计算机 | 第22页 |
| 3.4 本章小结 | 第22-23页 |
| 第4章 图像预处理与特征值提取办法 | 第23-36页 |
| 4.1 常见的色度空间 | 第23-24页 |
| 4.1.1 RGB色度空间 | 第23页 |
| 4.1.2 HSV色度空间 | 第23页 |
| 4.1.3 HSI色度空间 | 第23-24页 |
| 4.2 灰度化处理 | 第24-25页 |
| 4.3 图像滤波 | 第25-26页 |
| 4.3.1 邻域平均法简介 | 第25-26页 |
| 4.3.2 中值滤波法简介 | 第26页 |
| 4.4 图像分割 | 第26-27页 |
| 4.5 数学形态学 | 第27-30页 |
| 4.5.1 形态学概念 | 第27-29页 |
| 4.5.2 形态学的基本计算方法及处理结果 | 第29-30页 |
| 4.6 蔬菜种子特征参数 | 第30页 |
| 4.7 蔬菜种子的特征概述 | 第30页 |
| 4.8 蔬菜种子图像提取 | 第30-31页 |
| 4.9 种子外部特征的提取 | 第31-35页 |
| 4.9.1 蔬菜种子的周长特征提取 | 第31-32页 |
| 4.9.2 蔬菜种子的面积特征提取 | 第32页 |
| 4.9.3 蔬菜种子伸长度特征提取 | 第32-33页 |
| 4.9.4 蔬菜种子圆度的特征提取 | 第33页 |
| 4.9.5 蔬菜种子颜色的特征提取 | 第33-35页 |
| 4.10 本章小结 | 第35-36页 |
| 第5章 BP神经网络 | 第36-47页 |
| 5.1 BP神经网络 | 第36页 |
| 5.2 输入模式的顺传播 | 第36页 |
| 5.3 输出误差的逆传播 | 第36-39页 |
| 5.3.1 输出误差的逆传播过程 | 第36-38页 |
| 5.3.2 BP算法流程图 | 第38-39页 |
| 5.4 蔬菜种子纯度识别的网络设计 | 第39-46页 |
| 5.4.1 输入样本数据的预处理 | 第39-41页 |
| 5.4.2 BP神经网络的设计 | 第41-44页 |
| 5.4.3 隐含层设计 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 蔬菜种子质量检测系统的实现 | 第47-53页 |
| 6.1 软件工具 | 第47-48页 |
| 6.1.1 软件工具的选择 | 第47页 |
| 6.1.2 对图像进行灰度处理 | 第47-48页 |
| 6.1.3 进行开运算闭运算 | 第48页 |
| 6.1.4 几种特征值提取 | 第48页 |
| 6.2 BP神经网络的设计 | 第48页 |
| 6.3 选取训练样本 | 第48-49页 |
| 6.4 基于BP网络的种子分级算法 | 第49-51页 |
| 6.5 BP神经网络算法总结 | 第51-52页 |
| 6.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
