基于机器视觉的玉米品质检测
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题的背景及意义 | 第11-12页 |
| ·课题的背景 | 第11页 |
| ·课题的意义 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·机器视觉技术应用于农产品检测研究进展 | 第12-15页 |
| ·课题相关技术介绍 | 第15-17页 |
| ·本文研究内容 | 第17-19页 |
| 第2章 玉米籽粒图像采集与处理 | 第19-39页 |
| ·玉米籽粒图像采集 | 第19-20页 |
| ·采集图像预处理 | 第20-27页 |
| ·玉米籽粒图像数据格式 | 第20页 |
| ·数字图像色彩模型 | 第20-22页 |
| ·图像增强 | 第22-24页 |
| ·形态学操作 | 第24-27页 |
| ·图像分割 | 第27-32页 |
| ·基于主动轮廓模型的玉米图像分割 | 第28-30页 |
| ·基于分水岭算法的玉米图像分割 | 第30-32页 |
| ·两种分割算法分析 | 第32页 |
| ·分割后籽粒区域处理及表示 | 第32-38页 |
| ·图像标记 | 第32-35页 |
| ·边界表示 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 玉米籽粒特征提取及优化 | 第39-59页 |
| ·玉米籽粒特征提取 | 第39-51页 |
| ·玉米籽粒几何特征提取 | 第39-45页 |
| ·玉米籽粒不变矩提取 | 第45-48页 |
| ·玉米籽粒颜色特征提取 | 第48-49页 |
| ·玉米籽粒饱满度特征提取 | 第49-50页 |
| ·玉米籽粒纹理特征提取 | 第50-51页 |
| ·玉米籽粒特征优化 | 第51-57页 |
| ·基于遗传算法的玉米籽粒特征选择 | 第51-55页 |
| ·籽粒特征的主分量分析 | 第55-57页 |
| ·两种数据处理算法分析 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第4章 玉米品质识别 | 第59-73页 |
| ·玉米籽粒识别方法 | 第59-64页 |
| ·人工神经网络识别方法 | 第60-61页 |
| ·支持向量机(SVM)方法 | 第61-64页 |
| ·玉米籽粒品种识别 | 第64-66页 |
| ·玉米中不合格粒识别 | 第66-69页 |
| ·玉米籽粒中单缺陷粒识别 | 第66-68页 |
| ·玉米籽粒中多种缺陷粒混合识别 | 第68-69页 |
| ·玉米千粒重检测 | 第69-71页 |
| ·小结 | 第71-73页 |
| 第5章 基于虚拟仪器的品质识别系统设计 | 第73-83页 |
| ·软件设计思路 | 第73-74页 |
| ·软件结构 | 第74-79页 |
| ·图像获取模块 | 第74-75页 |
| ·Labview 和 Matlab 混合编程 | 第75-77页 |
| ·Labview 界面设计 | 第77-79页 |
| ·系统应用与实验 | 第79-81页 |
| ·实时检测结果 | 第79-80页 |
| ·系统误差分析 | 第80-81页 |
| ·小结 | 第81-83页 |
| 第6章 结论与展望 | 第83-85页 |
| ·结论 | 第83页 |
| ·研究展望 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 作者简介及在学期间所取得的科研成果 | 第91-93页 |
| 致谢 | 第93页 |
