| 第一章 绪论 | 第1-29页 |
| ·本研究的目的与意义 | 第10-13页 |
| ·水果生产的现状 | 第10-12页 |
| ·水果处理技术的需要 | 第12-13页 |
| ·水果产后处理技术 | 第13-14页 |
| ·水果产后处理技术 | 第13-14页 |
| ·我国水果分选技术现状 | 第14页 |
| ·国内外研究概况 | 第14-27页 |
| ·计算机视觉技术在水果品质检测中的研究概况 | 第14-21页 |
| ·计算机视觉技术在水果缺陷及果梗花萼检测中的研究概况 | 第21-27页 |
| ·本研究的主要内容 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第二章 计算机图像处理技术及研究条件 | 第29-37页 |
| ·计算机视觉技术及其应用概述 | 第29-30页 |
| ·计算机视觉技术概述 | 第29页 |
| ·计算机视觉的应用 | 第29-30页 |
| ·计算机视觉系统的硬件组成 | 第30-32页 |
| ·光照箱和摄像头 | 第30-31页 |
| ·图像采集卡 | 第31-32页 |
| ·计算机系统 | 第32页 |
| ·研究对象 | 第32-34页 |
| ·数字图像处理技术 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 水果图像缺陷区域的提取 | 第37-46页 |
| ·图像的背景分割 | 第37-39页 |
| ·水果缺陷误判区域的恢复算法 | 第39-41页 |
| ·水果缺陷信息恢复算法 | 第39-40页 |
| ·算法的改进 | 第40-41页 |
| ·水果缺陷的提取 | 第41-43页 |
| ·水果边缘信息恢复算法 | 第43-45页 |
| ·水果边缘信息恢复算法 | 第43-44页 |
| ·算法的改进 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 水果缺陷的特征分析 | 第46-59页 |
| ·水果缺陷的颜色特征 | 第46-53页 |
| ·颜色模型及坐标变换 | 第46-48页 |
| ·缺陷颜色特征分析 | 第48-53页 |
| ·水果缺陷的形状特征 | 第53-56页 |
| ·形状特征 | 第53页 |
| ·缺陷形状特征分析 | 第53页 |
| ·缺陷形状特征分析 | 第53-56页 |
| ·水果缺陷的纹理分析 | 第56-58页 |
| ·纹理特征 | 第56-57页 |
| ·缺陷纹理特征分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于多特征决策树的缺陷分类 | 第59-69页 |
| ·决策树 | 第59-60页 |
| ·决策树和神经网络的性能比较 | 第59页 |
| ·ID3决策树算法简介 | 第59-60页 |
| ·特征值的选择 | 第60-62页 |
| ·决策树的构造 | 第62-65页 |
| ·特征值的信息增熵的计算 | 第62-63页 |
| ·决策树的构造 | 第63-65页 |
| ·基于多特征决策树的脐橙表面缺陷分类 | 第65-67页 |
| ·实验的材料 | 第65页 |
| ·实验结果及分析 | 第65-67页 |
| ·基于多特征决策树的脐橙表面缺陷分类实验验证 | 第67-68页 |
| ·实验验证的材料 | 第67页 |
| ·实验验证的结果分析 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 基于颜色特征的动态图像的缺陷检测 | 第69-74页 |
| ·研究材料 | 第69页 |
| ·图像处理及特征提取 | 第69-72页 |
| ·图像的分割 | 第69-70页 |
| ·图像的背景分割处理 | 第70-71页 |
| ·图像的缺陷提取 | 第71-72页 |
| ·缺陷水果的判别 | 第72页 |
| ·实验结果及分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第七章 计算机软件部分 | 第74-76页 |
| ·系统软件的结构与功能 | 第74-75页 |
| ·自动分类功能的实现 | 第75页 |
| ·本章小结 | 第75-76页 |
| 第八章 结论与展望 | 第76-78页 |
| ·主要结论 | 第76-77页 |
| ·今后的研究设想 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录: 研究成果与科研项目 | 第81-82页 |
| 致谢 | 第82页 |