基于机器视觉的蚕蛹性别识别系统研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 蚕蛹雌雄识别方法、发展及存在的问题 | 第9-12页 |
| 1.3 机器视觉技术 | 第12-13页 |
| 1.4 存在问题 | 第13页 |
| 1.5 论文主要研究内容 | 第13-14页 |
| 1.6 本章小结 | 第14-16页 |
| 第2章 蚕蛹识别机器视觉平台设计 | 第16-21页 |
| 2.1 系统总体框架的设计 | 第16页 |
| 2.2 暗箱的设计 | 第16-17页 |
| 2.3 工业相机的分析及选择 | 第17-18页 |
| 2.4 照明光源的分析及选择 | 第18-20页 |
| 2.4.1 机器视觉系统常用光源 | 第18-19页 |
| 2.4.2.光源照明方式的分类 | 第19-20页 |
| 2.5 搭建实验系统 | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 图像采集及图像预处理算法研究 | 第21-36页 |
| 3.1 蚕蛹图像的采集 | 第21-22页 |
| 3.1.1 实验材料 | 第21页 |
| 3.1.2 图像采集 | 第21-22页 |
| 3.2 蚕蛹图像的预处理 | 第22-35页 |
| 3.2.1 图像灰度化 | 第22-24页 |
| 3.2.2 图像滤波去噪 | 第24-28页 |
| 3.2.3 图像增强 | 第28页 |
| 3.2.4 图像边缘检测 | 第28-30页 |
| 3.2.5 图像分割 | 第30-34页 |
| 3.2.6 图像数学形态学处理 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 蚕蛹图像的特征提取 | 第36-49页 |
| 4.1 几何特征 | 第36-37页 |
| 4.2 纹理特征 | 第37-44页 |
| 4.2.1 灰度差分统计法 | 第38-39页 |
| 4.2.2 自相关函数法 | 第39页 |
| 4.2.3 基于灰度共生矩阵法 | 第39-44页 |
| 4.3 特征参数差异研究 | 第44-46页 |
| 4.4 实验结果及分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 基于主成分分析和BP神经网络识别系统研究 | 第49-68页 |
| 5.1 数据处理方法简介 | 第49-52页 |
| 5.1.1 主成分分析法 | 第49-51页 |
| 5.1.2 独立成分分析 | 第51-52页 |
| 5.2 人工神经网络 | 第52-57页 |
| 5.2.1 BP神经网络 | 第52-54页 |
| 5.2.2 BP神经网络的不足 | 第54页 |
| 5.2.3 改进的BP神经网络 | 第54-56页 |
| 5.2.4 Matlab神经网络工具箱 | 第56-57页 |
| 5.3 距离判别分析 | 第57-59页 |
| 5.3.1 距离判别 | 第57-58页 |
| 5.3.2 结果分析 | 第58-59页 |
| 5.4 PCA-BP系统设计及分析 | 第59-67页 |
| 5.4.1 数据主成分分析 | 第59-60页 |
| 5.4.2 BP网络模型设计 | 第60-63页 |
| 5.4.3 PCA-BP模型预测 | 第63-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论及展望 | 第68-70页 |
| 结论 | 第68-69页 |
| 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76页 |
