| 第一章 绪论 | 第1-26页 |
| 1．1 研究目的和意义 | 第9-12页 |
| 1．2 研究现状及存在的问题 | 第12-19页 |
| 1．2．1 水果外部品质自动检测研究概况及存在问题 | 第13-17页 |
| 1．2．2 水果内部品质无损检测研究概况 | 第17-18页 |
| 1．2．3 水果品质无损检测研究研究发展趋势探讨 | 第18-19页 |
| 1．3 研究目标与方案 | 第19-26页 |
| 1．3．1 研究目标与内容 | 第19-20页 |
| 1．3．2 研究方案 | 第20-21页 |
| 参考文献 | 第21-26页 |
| 第二章 苹果视觉信息低层处理算法分析研究及改进 | 第26-45页 |
| 2．1 引言 | 第26-27页 |
| 2．2 图象预处理通用算法有效性和实时性考察 | 第27-31页 |
| 2．2．1 图象平滑滤波方法 | 第27-29页 |
| 2．2．1．1 频域上的平滑方法 | 第27页 |
| 2．2．1．2 实域上的平滑方法 | 第27-28页 |
| 2．2．1．3 中值滤波法和邻域平均法处理结果分析 | 第28-29页 |
| 2．2．2 图象增强方法 | 第29-31页 |
| 2．2．2．1 灰度变换法 | 第30页 |
| 2．2．2．2 直方图均衡化 | 第30-31页 |
| 2．2．2．3 图象增强处理结果与分析 | 第31页 |
| 2．3 图象边缘检测算法研究 | 第31-36页 |
| 2．3．1 经典的边缘提取算法 | 第31-33页 |
| 2．3．2 基于分形特征的图象边缘检测算法研究 | 第33-36页 |
| 2．3．2．1 分形几何自相似概念简介 | 第34页 |
| 2．3．2．2 基于分形图像自相似特征的边缘检测算法 | 第34-36页 |
| 2．3．2．3 实验结果与讨论 | 第36页 |
| 2．3．3 利用子波变换进行图象的边缘检测 | 第36-39页 |
| 2．3．3．1 子波变换简介 | 第36-37页 |
| 2．3．3．2 使用子波变换的图象边缘检测算法 | 第37-39页 |
| 2．4 图象分割算法 | 第39-42页 |
| 2．4．1 类别方差自动门限法 | 第39-40页 |
| 2．4．2 最佳熵自动门限法 | 第40-41页 |
| 2．4．3 实时分选中水果图象与背景的快速分割方法 | 第41-42页 |
| 2．5 边界跟踪与区域标记算法 | 第42-44页 |
| 2．5．1 边界跟踪算法 | 第42-43页 |
| 2．5．2 区域标记算法 | 第43-44页 |
| 2．6 本章小结 | 第44页 |
| 参考文献 | 第44-45页 |
| 第三章 苹果形状、大小在线快速检测算法研究 | 第45-56页 |
| 3．1 引言 | 第45页 |
| 3．2 形状检测硬件系统简介 | 第45-46页 |
| 3．3 苹果在线状态下形状相关评判方法 | 第46-49页 |
| 3．4 最大相关点的遗传算法确定 | 第49-52页 |
| 3．5 苹果大小快速检测方法与试验 | 第52-53页 |
| 3．5．1 最大果径确定方法 | 第52页 |
| 3．5．2 系统参数标定 | 第52-53页 |
| 3．6 形状识别实验结果和分析 | 第53-54页 |
| 3．6．1 分级相对距离阈值范围的确定 | 第53-54页 |
| 3．6．2 形状识别试验结果与分析 | 第54页 |
| 3．7 本章小结 | 第54-55页 |
| 参考文献 | 第55-56页 |
| 第四章 苹果表面缺陷快速检测算法的研究 | 第56-71页 |
| 4．1 引言 | 第56页 |
| 4．2 基于参考图象的苹果表面缺陷快速分割算法研究 | 第56-62页 |
| 4．2．1 球形物体反射特性 | 第56-57页 |
| 4．2．2 球形果面缺陷快速分割算法 | 第57-60页 |
| 4．2．3 缺陷分割实验结果与分析 | 第60-62页 |
| 4．3 基于分形特征和神经网络的缺陷快速识别方法研究 | 第62-68页 |
| 4．3．1 概述 | 第62页 |
| 4．3．2 分形纹理特征参数的确定和快速计算方法研究 | 第62-65页 |
| 4．3．2．1 分形盒维数简介 | 第62-63页 |
| 4．3．2．2 双金字塔数据形式的盒维数快速计算方法 | 第63-65页 |
| 4．3．3 人工神经网络设计 | 第65-66页 |
| 4．3．4 神经网络识别实验结果及分析 | 第66-68页 |
| 4．4 水果缺陷在线检测分级过程 | 第68-69页 |
| 4．5 本章小结 | 第69页 |
| 参考文献 | 第69-71页 |
| 第五章 基于遗传神经网络的苹果颜色实时分级算法研究 | 第71-84页 |
| 5．1 引言 | 第71页 |
| 5．2 颜色在线检测的硬件实现 | 第71-72页 |
| 5．3 颜色模型分析与确定 | 第72-75页 |
| 5．3．1 常用颜色模型介绍 | 第72-74页 |
| 5．3．2 苹果颜色实时检测中彩色模型的确定 | 第74-75页 |
| 5．4 苹果颜色特征参数与模式分类器确定 | 第75-78页 |
| 5．5 基于遗传神经网络的苹果颜色分级方法 | 第78-82页 |
| 5．5．1 传统神经网络设计的缺点 | 第78页 |
| 5．5．2 遗传算法在多层前向神经网络设计中的实现 | 第78-82页 |
| 5．5．2．1 遗传算法简介 | 第78-79页 |
| 5．5．2．2 遗传神经网络的实现 | 第79-82页 |
| 5．5．3 苹果颜色神经网络学习与测试结果 | 第82页 |
| 5．6 本章小结 | 第82-83页 |
| 参考文献 | 第83-84页 |
| 第六章 苹果自动分级机电一体化集成系统研究设计 | 第84-98页 |
| 6．1 引言 | 第84-85页 |
| 6．2 苹果自动分级机电一体化集成系统总体组成 | 第85-86页 |
| 6．3 输送装置的设计 | 第86-87页 |
| 6．4 照明系统设计 | 第87-88页 |
| 6．5 计算机视觉系统设计 | 第88-89页 |
| 6．6 苹果图象信息动态采集系统试验设计 | 第89页 |
| 6．7 分级方案确定 | 第89-93页 |
| 6．8 苹果自动分级系统软件设计 | 第93-95页 |
| 6．9 试验结果与讨论 | 第95-96页 |
| 6．10 本章小结 | 第96页 |
| 参考文献 | 第96-98页 |
| 第七章 结论与展望 | 第98-100页 |
| 7．1 主要研究结论 | 第98-99页 |
| 7．2 今后研究设想及前景展望 | 第99-100页 |
| 致谢 | 第100-101页 |
| 作者在攻读博士学位期间参加的科研工作和发表的学术论文 | 第101页 |
