| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| abstract | 第9-11页 |
| 1 绪论 | 第16-24页 |
| 1.1 课题背景及研究意义 | 第16-17页 |
| 1.2 课题研究现状 | 第17-21页 |
| 1.2.1 夜间环境下果蔬采摘机器人视觉照明系统的研究现状 | 第17-18页 |
| 1.2.2 果蔬图像分割算法研究现状 | 第18-19页 |
| 1.2.3 果蔬识别算法研究现状 | 第19-20页 |
| 1.2.4 重叠果蔬识别算法研究现状 | 第20-21页 |
| 1.2.5 本节小结 | 第21页 |
| 1.3 本文的研究工作 | 第21-24页 |
| 1.3.1 主要研究内容 | 第21-22页 |
| 1.3.2 技术路线 | 第22页 |
| 1.3.3 论文章节安排 | 第22-24页 |
| 2 试验设备与材料 | 第24-28页 |
| 2.1 试验硬件设备 | 第24-25页 |
| 2.2 试验材料及来源 | 第25-26页 |
| 2.3 图像采集及处理软件 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 番茄采摘机器人夜间照明系统设计 | 第28-40页 |
| 3.1 试验照明光源选择 | 第28-29页 |
| 3.2 光源安装支架的设计 | 第29页 |
| 3.3 基于试验设计的夜间照明系统设计方法 | 第29-33页 |
| 3.3.1 试验目的 | 第30页 |
| 3.3.2 试验指标 | 第30-32页 |
| 3.3.3 确定因子和水平 | 第32页 |
| 3.3.4 选用正交表 | 第32-33页 |
| 3.4 试验结果与分析 | 第33-39页 |
| 3.4.1 图像可分割性评价结果与分析 | 第34-36页 |
| 3.4.2 夜间照明系统设计方法有效性验证 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 夜视番茄图像分割算法研究 | 第40-53页 |
| 4.1 图像预处理 | 第40-42页 |
| 4.1.1 试验方法和设置 | 第40-41页 |
| 4.1.2 仿真结果分析与讨论 | 第41-42页 |
| 4.2 颜色特征选择 | 第42-46页 |
| 4.2.1 基于三基色的RGB模型 | 第42-43页 |
| 4.2.2 基于感觉空间的HSI模型 | 第43-44页 |
| 4.2.3 基于亮度-色度空间的Lab模型 | 第44-45页 |
| 4.2.4 颜色特征选择 | 第45-46页 |
| 4.3 夜视番茄图像分割算法研究 | 第46-52页 |
| 4.3.1 最大类间方差法 | 第46-48页 |
| 4.3.2 基于K-means聚类的夜视番茄图像分割算法 | 第48-49页 |
| 4.3.3 基于支持向量机的图像分割算法 | 第49-51页 |
| 4.3.4 三种图像分割方法比较 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 夜间番茄识别算法研究 | 第53-67页 |
| 5.1 夜间单果番茄识别算法 | 第53-54页 |
| 5.2 夜间无遮挡双重叠番茄识别算法 | 第54-64页 |
| 5.2.1 同态滤波增强算法 | 第54-56页 |
| 5.2.2 边缘提取 | 第56-57页 |
| 5.2.3 重叠番茄前后位置关系判断 | 第57-59页 |
| 5.2.4 重叠番茄目标重建 | 第59页 |
| 5.2.5 试验结果与分析 | 第59-64页 |
| 5.3 夜间枝叶遮挡双重叠番茄识别算法 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-70页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 作者简介及硕士研究生期间的成果 | 第75页 |