玉米种子品种智能识别系统研究
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-9页 |
| 1 引言 | 第9-14页 |
| ·研究目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 2 玉米种子图像获取及预处理 | 第14-30页 |
| ·机器视觉硬件系统构成 | 第14-16页 |
| ·实验样本及图像获取 | 第16-17页 |
| ·实验样本 | 第16页 |
| ·图像获取 | 第16-17页 |
| ·图像预处理 | 第17-30页 |
| ·图像格式转换 | 第17页 |
| ·图像平滑 | 第17-20页 |
| ·邻域平均法 | 第17页 |
| ·中值滤波 | 第17-20页 |
| ·图像分割 | 第20-24页 |
| ·最小错误概率法 | 第21-23页 |
| ·迭代法 | 第23-24页 |
| ·形态学处理 | 第24-26页 |
| ·形态学基本算法 | 第24-26页 |
| ·轮廓跟踪与提取 | 第26-30页 |
| ·轮廓跟踪 | 第26-28页 |
| ·轮廓提取 | 第28-30页 |
| 3 玉米种子识别特征获取与分析 | 第30-41页 |
| ·特征提取 | 第30-38页 |
| ·大小特征参数 | 第30-34页 |
| ·颜色特征 | 第34-37页 |
| ·RGB 模型 | 第34-35页 |
| ·HSI 颜色模型 | 第35-37页 |
| ·形状特征 | 第37-38页 |
| ·特征优化 | 第38-41页 |
| 4 品种识别 | 第41-52页 |
| ·支持向量机 | 第41-47页 |
| ·支持向量机基本原理 | 第41页 |
| ·支持向量机的算法 | 第41-43页 |
| ·线性可分 | 第41-43页 |
| ·线性不可分 | 第43页 |
| ·核函数类型选择 | 第43-44页 |
| ·分类方法 | 第44-45页 |
| ·Libsvm 软件 | 第45-46页 |
| ·支持向量机分类步骤及结果 | 第46-47页 |
| ·支持向量机分类步骤 | 第46页 |
| ·分类结果 | 第46-47页 |
| ·人工神经网络 | 第47-52页 |
| ·BP 神经网络 | 第48-49页 |
| ·BP 网络识别 | 第49-52页 |
| 5 玉米种子品种智能识别软件设计 | 第52-58页 |
| ·系统设计平台 | 第52页 |
| ·系统设计及功能 | 第52-55页 |
| ·系统总体设计方案 | 第52页 |
| ·模块设计及功能实现 | 第52-55页 |
| ·系统实现的关键技术 | 第55页 |
| ·系统功能测试 | 第55-57页 |
| ·系统优点 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表论文情况 | 第66页 |
