| 摘要 | 第9-12页 |
| ABSTRACT | 第12-15页 |
| 缩写符号 | 第16-17页 |
| 表格索引 | 第17-19页 |
| 图形索引 | 第19-22页 |
| 前言 | 第22-24页 |
| 第一章 文献综述 | 第24-48页 |
| 1.1 我国禽蛋生产消费概况 | 第24-26页 |
| 1.2 计算机视觉在农产品及禽蛋品质检测方面的应用 | 第26-29页 |
| 1.2.1 计算机视觉技术 | 第26页 |
| 1.2.2 在农产品品质检测方面的应用 | 第26-27页 |
| 1.2.3 在禽蛋品质检测方面的应用 | 第27-29页 |
| 1.3 声学技术在农产品及禽蛋品质检测方面的应用 | 第29-31页 |
| 1.3.1 声学技术 | 第29页 |
| 1.3.2 在农产品品质检测方面的应用 | 第29-30页 |
| 1.3.3 在禽蛋品质检测方面的应用 | 第30-31页 |
| 1.4 其他无损技术在禽蛋品质检测方面的应用 | 第31-33页 |
| 1.4.1 利用动力学特性检测禽蛋品质 | 第31-32页 |
| 1.4.2 利用电学特性检测禽蛋品质 | 第32页 |
| 1.4.3 利用光学特性检测禽蛋品质 | 第32-33页 |
| 1.5 神经网络技术在农产品和禽蛋品质检测中的应用 | 第33-39页 |
| 1.5.1 神经网络 | 第33页 |
| 1.5.2 基于MATLAB的三层前向传递BP神经网络 | 第33-37页 |
| 1.5.3 在农产品品质检测方面的应用 | 第37-38页 |
| 1.5.4 在禽蛋品质检测方面的应用 | 第38-39页 |
| 1.6 多信息融合检测技术及其研究现状 | 第39页 |
| 1.7 本研究的目的和意义 | 第39-43页 |
| 1.7.1 禽蛋多技术融合无损检测思路的形成 | 第39-40页 |
| 1.7.2 研究的目的和意义 | 第40-42页 |
| 1.7.3 本研究的主要内容和技术路线 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 第二章 声学技术检测鸡蛋裂纹的研究 | 第48-78页 |
| 2.1 声学技术检测鸡蛋品质的基本原理 | 第48-54页 |
| 2.1.1 激励与响应 | 第48-50页 |
| 2.1.2 声学技术检测鸡蛋品质的基本原理 | 第50-54页 |
| 2.2 材料方法与装置 | 第54-57页 |
| 2.2.1 材料 | 第54-55页 |
| 2.2.2 装置与方法 | 第55-57页 |
| 2.2.3 试验步骤 | 第57页 |
| 2.2.4 数据分析和处理 | 第57页 |
| 2.3 结果与分析 | 第57-74页 |
| 2.3.1 信号分析 | 第57-59页 |
| 2.3.2 外部条件对信号采集的影响 | 第59-66页 |
| 2.3.3 鸡蛋物理性质对信号采集的影响 | 第66-73页 |
| 2.3.4 统计分析 | 第73-74页 |
| 2.4 声学技术检测鸡蛋裂纹的方法 | 第74-76页 |
| 2.4.1 完好鸡蛋和壳裂鸡蛋赤道部位特征频率差异分析 | 第74-75页 |
| 2.4.2 检验分级算法的准确率 | 第75-76页 |
| 2.5 本章小结 | 第76页 |
| 参考文献 | 第76-78页 |
| 第三章 基于计算机视觉和神经网络检测鸡蛋裂纹的研究 | 第78-94页 |
| 3.1 试验材料和装置 | 第79-80页 |
| 3.1.1 试验材料和分组 | 第79页 |
| 3.1.2 计算机视觉系统 | 第79-80页 |
| 3.1.3 数据统计与分析 | 第80页 |
| 3.2 图像分析和处理 | 第80-84页 |
| 3.2.1 背景去除 | 第81页 |
| 3.2.2 灰度转化 | 第81-82页 |
| 3.2.3 中值滤波 | 第82页 |
| 3.2.4 阈值分割 | 第82-83页 |
| 3.2.5 区域标记 | 第83-84页 |
| 3.2.6 特征提取 | 第84页 |
| 3.3 鸡蛋图像特征参数的提取和分类 | 第84-85页 |
| 3.4 鸡蛋裂纹识别的神经网络构建 | 第85-87页 |
| 3.4.1 样本数据的定义 | 第85页 |
| 3.4.2 网络参数设置和网络结构 | 第85-86页 |
| 3.4.3 网络训练 | 第86-87页 |
| 3.5 BP神经网络模型可靠性验证 | 第87-88页 |
| 3.6 本章小结 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 第四章 计算机视觉和声学技术融合检测鸡蛋裂纹的研究 | 第94-110页 |
| 4.1 材料与方法 | 第94-96页 |
| 4.1.1 试验材料 | 第94-95页 |
| 4.1.2 试验装置 | 第95页 |
| 4.1.3 试验方法与步骤 | 第95-96页 |
| 4.2 鸡蛋裂纹判断的神经网络构建及分级验证 | 第96-107页 |
| 4.2.1 声学检测模块 | 第96-103页 |
| 4.2.2 计算机视觉模块 | 第103-107页 |
| 4.3 计算机视觉和声学技术融合判别鸡蛋裂纹 | 第107-108页 |
| 4.3.1 融合技术判别鸡蛋裂纹的技术路线 | 第107-108页 |
| 4.3.2 融合技术判别鸡蛋裂纹的精度验证 | 第108页 |
| 4.4 本章小结 | 第108-109页 |
| 参考文献 | 第109-110页 |
| 第五章 基于计算机视觉检测鸡蛋污斑的研究 | 第110-116页 |
| 5.1 系统组成和研究对象 | 第110-111页 |
| 5.1.1 系统组成 | 第110-111页 |
| 5.1.2 研究对象及分组 | 第111页 |
| 5.2 鸡蛋图像的获取与处理 | 第111-112页 |
| 5.3 分级方法的建立 | 第112-113页 |
| 5.4 系统设计和准确率验证 | 第113-115页 |
| 5.5 本章小结 | 第115页 |
| 参考文献 | 第115-116页 |
| 第六章 基于计算机视觉和神经网络检测鸡蛋新鲜度的研究 | 第116-130页 |
| 6.1 鸡蛋新鲜度光学无损检测原理 | 第117页 |
| 6.2 试验材料、方法与装置 | 第117-122页 |
| 6.2.1 试验材料 | 第117页 |
| 6.2.2 试验方法与装置 | 第117-122页 |
| 6.2.3 数据统计与分析 | 第122页 |
| 6.3 BP神经网络输入变量确定 | 第122-124页 |
| 6.3.1 哈夫单位与参数间的相关系数 | 第122-123页 |
| 6.3.2 鸡蛋新鲜度多元线性回归模型筛选变量 | 第123-124页 |
| 6.4 基于MATLAB的BP神经网络设计 | 第124-126页 |
| 6.4.1 样本数据的定义 | 第124-125页 |
| 6.4.2 网络参数设置和网络结构 | 第125页 |
| 6.4.3 网络训练 | 第125-126页 |
| 6.5 BP神经网络模型可靠性验证 | 第126-128页 |
| 6.6 本章小结 | 第128页 |
| 参考文献 | 第128-130页 |
| 第七章 基于信息融合无损检测鸡蛋品质系统的软硬件组成 | 第130-144页 |
| 7.1 融合检测装置的研制和检测步骤 | 第130-131页 |
| 7.2 融合检测鸡蛋品质软件的开发 | 第131-143页 |
| 7.2.1 软件总体设计方案 | 第132-133页 |
| 7.2.2 计算机视觉检测鸡蛋污斑模块 | 第133-136页 |
| 7.2.3 声学技术检测鸡蛋裂纹模块 | 第136-137页 |
| 7.2.4 计算机视觉检测鸡蛋裂纹模块 | 第137-140页 |
| 7.2.5 计算机视觉检测鸡蛋新鲜度模块 | 第140-142页 |
| 7.2.6 多技术融合检测鸡蛋品质输出总界面 | 第142-143页 |
| 7.3 本章小结 | 第143页 |
| 参考文献 | 第143-144页 |
| 全文结论 | 第144-146页 |
| 展望 | 第146-147页 |
| 创新说明 | 第147-148页 |
| 致谢 | 第148-149页 |
| 攻读博士学位期间发表的学术论文 | 第149-150页 |
