基于支持向量机苹果采摘机器人视觉系统的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-21页 |
| ·机器人的发展历程 | 第11-12页 |
| ·苹果采摘机器人的研究目的及意义 | 第12-15页 |
| ·机器人视觉的研究现状和发展趋势 | 第15-19页 |
| ·国外研究现状和发展趋势 | 第16-17页 |
| ·国内研究现状和发展趋势 | 第17-19页 |
| ·本研究主要内容 | 第19-21页 |
| 第二章 苹果采摘机器人视觉系统 | 第21-35页 |
| ·机器视觉 | 第21-25页 |
| ·机器视觉的理论基础 | 第21-23页 |
| ·机器视觉的系统结构 | 第23-25页 |
| ·苹果采摘机器人视觉系统的构建 | 第25-28页 |
| ·硬件构成 | 第25-26页 |
| ·软件实现 | 第26-28页 |
| ·图像采集 | 第28-33页 |
| ·VFW视频采集技术原理分析 | 第29-32页 |
| ·应用VFW进行苹果图像的采集结果 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 苹果图像的预处理 | 第35-57页 |
| ·彩色图像和颜色空间 | 第35-41页 |
| ·彩色基础 | 第35页 |
| ·颜色空间和颜色空间的选择 | 第35-41页 |
| ·图像增强处理 | 第41-49页 |
| ·直方图 | 第41-42页 |
| ·彩色图像直方图均衡化 | 第42-45页 |
| ·彩色图像锐化 | 第45-49页 |
| ·图像噪声的抑制 | 第49-55页 |
| ·空间滤波 | 第49-51页 |
| ·中值滤波 | 第51-54页 |
| ·矢量中值滤波 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第四章 苹果图像的分割 | 第57-83页 |
| ·基于边界的分割 | 第58-67页 |
| ·经典算子的边缘检测 | 第58-66页 |
| ·彩色图像的边缘检测 | 第66-67页 |
| ·基于区域的分割 | 第67-82页 |
| ·阈值法 | 第67-73页 |
| ·区域生长法 | 第73-76页 |
| ·二值形态学处理 | 第76-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 苹果图像的识别 | 第83-101页 |
| ·苹果图像特征提取 | 第83-85页 |
| ·颜色特征提取 | 第83页 |
| ·几何形状特征提取 | 第83-85页 |
| ·支持向量机(SVM) | 第85-92页 |
| ·线性可分问题 | 第86-87页 |
| ·非线性可分问题 | 第87页 |
| ·基于支持向量机结合颜色和形状特征的苹果果实识别 | 第87-92页 |
| ·果实目标的定位 | 第92-95页 |
| ·构建模型——圆形 | 第92-93页 |
| ·确定中心点及采摘点 | 第93-95页 |
| ·苹果采摘机器人视觉系统实验结果及分析 | 第95-100页 |
| ·识别准确性分析 | 第95-96页 |
| ·识别实时性分析 | 第96-98页 |
| ·识别稳定性分析 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 第六章 研究总结与未来展望 | 第101-103页 |
| ·主要工作与结论 | 第101-102页 |
| ·存在的问题及展望 | 第102-103页 |
| 参考文献 | 第103-107页 |
| 致谢 | 第107-108页 |
| 攻读硕士学位期间参加的科研项目与已录用的学术论文 | 第108页 |
