基于计算机视觉的梨品质检测与分级系统研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究意义与目的 | 第9-10页 |
| ·基于计算机视觉的水果自动分级方法 | 第10-12页 |
| ·国外研究情况 | 第10-11页 |
| ·国内研究情况 | 第11-12页 |
| ·本研究的主要内容 | 第12-13页 |
| 第2章 图像采集与处理系统构成 | 第13-15页 |
| ·硬件系统组成 | 第13页 |
| ·图像采集环境 | 第13页 |
| ·图像处理设备 | 第13页 |
| ·图像获取 | 第13-15页 |
| 第3章 图像的预处理 | 第15-30页 |
| ·直方图 | 第15页 |
| ·图像转换 | 第15-17页 |
| ·图像的颜色空间 | 第15-16页 |
| ·颜色空间之间的转换 | 第16-17页 |
| ·图像平滑 | 第17-19页 |
| ·邻域平均法 | 第17-18页 |
| ·形态学滤波 | 第18-19页 |
| ·图像分割 | 第19-21页 |
| ·阈值法 | 第19-20页 |
| ·轮廓提取 | 第20页 |
| ·轮廓跟踪 | 第20-21页 |
| ·边缘检测 | 第21-23页 |
| ·梯度算子 | 第21-22页 |
| ·Laplace 算子 | 第22页 |
| ·Canny 算子 | 第22-23页 |
| ·分析与实验 | 第23-30页 |
| ·图像背景的去除 | 第23-25页 |
| ·梨表面轮廓的提取 | 第25页 |
| ·表面斑点的去除 | 第25-28页 |
| ·缺陷部分的提取 | 第28-30页 |
| 第4章 梨特征参数的提取 | 第30-37页 |
| ·基本表面特征 | 第30-32页 |
| ·简单几何特征 | 第30-31页 |
| ·色泽 | 第31-32页 |
| ·形状特征 | 第32-34页 |
| ·不变矩 | 第32-33页 |
| ·傅里叶描述子 | 第33-34页 |
| ·缺陷特征 | 第34页 |
| ·缺陷几何特征 | 第34页 |
| ·缺陷颜色 | 第34页 |
| ·样本特征归一化 | 第34-35页 |
| ·分析与实验 | 第35-37页 |
| ·水果轮廓特征 | 第35页 |
| ·果面缺陷特征 | 第35-37页 |
| 第5章 国标《梨外观等级标准》量化探讨 | 第37-41页 |
| ·《梨外观等级标准》 | 第37-38页 |
| ·对于量化国家行业标准的探讨 | 第38-41页 |
| ·行业标准的参考意义 | 第38页 |
| ·量化的过程与结果 | 第38-41页 |
| 第6章 基于BP 神经网络的梨外观等级判定 | 第41-48页 |
| ·人工神经网络模型 | 第41-43页 |
| ·人工神经元模型 | 第41-42页 |
| ·神经网络的激活转移函数 | 第42-43页 |
| ·BP 网络及其改进 | 第43-45页 |
| ·BP 算法 | 第43-45页 |
| ·BP 算法的改进 | 第45页 |
| ·分析与实验 | 第45-48页 |
| ·用于缺陷分级的BP 网络设计 | 第45-46页 |
| ·用于梨外观分级的BP 网络设计 | 第46-47页 |
| ·实验结果与分析 | 第47-48页 |
| 第7章 总结 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第51-52页 |
| 致谢 | 第52页 |
