基于机器视觉的大豆品质的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 1 绪论 | 第10-18页 |
| ·大豆概述 | 第10-12页 |
| ·大豆的营养价值 | 第11页 |
| ·大豆的功能作用 | 第11页 |
| ·大豆的应用领域 | 第11-12页 |
| ·机器视觉概述 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·机器视觉在谷物外观品质检测中的研究进展 | 第13-15页 |
| ·外观和营养品质相关性研究进展 | 第15页 |
| ·课题研究意义 | 第15-16页 |
| ·研究的内容及技术路线 | 第16-18页 |
| 2 试验材料与方法 | 第18-25页 |
| ·试验材料 | 第18页 |
| ·机器视觉系统 | 第18-24页 |
| ·系统设备 | 第19页 |
| ·光源的选择 | 第19页 |
| ·照明方式的选择 | 第19-21页 |
| ·拍摄背景的选择 | 第21-23页 |
| ·系统的标定 | 第23-24页 |
| ·营养成分测定 | 第24-25页 |
| 3 图像的预处理及特征提取 | 第25-45页 |
| ·图像的预处理 | 第25-27页 |
| ·灰度变换 | 第25页 |
| ·滤波处理 | 第25-27页 |
| ·图像分割 | 第27-30页 |
| ·阈值分割法 | 第27-29页 |
| ·基于区域生长法的单体豆粒提取 | 第29-30页 |
| ·黏连籽粒分割研究 | 第30-38页 |
| ·基于二值图像的形态学黏连分割 | 第30-35页 |
| ·分水岭算法分割 | 第35-37页 |
| ·形态学分割与分水岭法分割比较 | 第37-38页 |
| ·形状特征提取 | 第38-41页 |
| ·颜色特征提取 | 第41-45页 |
| 4 基于BP 神经网络的大豆缺陷识别研究 | 第45-64页 |
| ·基于BP 神经网络的模式识别 | 第45-46页 |
| ·大豆外观品质的神经网络识别 | 第46-64页 |
| ·对单种缺陷的识别研究 | 第46-53页 |
| ·一次性识别多项豆粒缺陷的研究 | 第53-64页 |
| 5 大豆营养成分与外观品质的相关性探讨 | 第64-72页 |
| ·大豆营养品质的获取 | 第64-65页 |
| ·相关性分析 | 第65-67页 |
| ·大豆的蛋白质含量与大豆的外观之间的相关性分析 | 第65-66页 |
| ·大豆的脂肪含量与大豆的外观之间的相关性分析 | 第66-67页 |
| ·大豆的营养品质与外观品质的回归分析 | 第67-72页 |
| ·大豆的蛋白质含量与大豆的外观之间的回归分析 | 第67-69页 |
| ·大豆的脂肪含量与大豆的外观之间的回归分析 | 第69-72页 |
| 6 大豆品质检测软件的研究 | 第72-80页 |
| 7 结论及研究特色 | 第80-82页 |
| ·结论 | 第80-81页 |
| ·研究特色 | 第81页 |
| ·不足之处 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-90页 |
| 附录 | 第90-101页 |
| 攻读学位期间发表的学术论文 | 第101页 |
