基于机器视觉的小麦并肩杂与不完善粒动态实时检测研究
| 致谢 | 第1-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-11页 |
| 目录 | 第11-16页 |
| 插图清单 | 第16-18页 |
| 表格清单 | 第18-19页 |
| 英文缩略表 | 第19-22页 |
| 第一章 绪论 | 第22-36页 |
| ·研究背景 | 第22-24页 |
| ·世界小麦生产 | 第22页 |
| ·世界小麦贸易 | 第22-23页 |
| ·我国小麦生产与质量检测标准 | 第23-24页 |
| ·小麦质量检测的前景 | 第24-25页 |
| ·市场供需分析 | 第24页 |
| ·竞争力分析 | 第24-25页 |
| ·小麦除杂与并肩杂、不完善粒的传统检测方法 | 第25-26页 |
| ·小麦除杂 | 第25页 |
| ·小麦并肩杂、不完善粒的传统检测方法 | 第25-26页 |
| ·机器视觉技术在小麦质量检测应用中的研究进展 | 第26-31页 |
| ·国外研究进展 | 第26-29页 |
| ·国内研究进展 | 第29-30页 |
| ·动态实时检测仪器研究 | 第30-31页 |
| ·其它技术在小麦检测上的应用 | 第31-32页 |
| ·本文研究内容 | 第32-34页 |
| ·基于高光谱技术的最佳波段选取方法研究 | 第32页 |
| ·基于RGB相机的视觉系统构建、图像采集与预处理 | 第32-33页 |
| ·特征提取与模式识别 | 第33页 |
| ·动态实时检测装置研发 | 第33页 |
| ·技术路线 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第二章 实验材料与高光谱实验系统 | 第36-46页 |
| ·实验材料 | 第36页 |
| ·高光谱信息获取装置 | 第36-38页 |
| ·高光谱成像系统的组成 | 第36-37页 |
| ·高光谱成像原理简介 | 第37-38页 |
| ·高光谱数据采集 | 第38-41页 |
| ·高光谱采集参数的确定 | 第39-40页 |
| ·高光谱波段范围选取 | 第40-41页 |
| ·高光谱最佳波段的选择 | 第41-44页 |
| ·高光谱图像数据预处理 | 第41-42页 |
| ·高光谱图像数据降维及最佳波段选择 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第三章 机器视觉系统构建与图像预处理 | 第46-58页 |
| ·机器视觉技术 | 第46页 |
| ·机器视觉部件 | 第46-51页 |
| ·光源 | 第46-47页 |
| ·镜头 | 第47页 |
| ·芯片与相机 | 第47-50页 |
| ·图像采集技术 | 第50页 |
| ·机器视觉软件 | 第50-51页 |
| ·RGB图像信息获取装置 | 第51-52页 |
| ·小麦背景确定 | 第52-53页 |
| ·小麦图像采集 | 第53-54页 |
| ·小麦图像预处理 | 第54-57页 |
| ·图像多余背景去除 | 第54-55页 |
| ·消除光源光照不均匀性影响 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 小麦特征提取 | 第58-72页 |
| ·小麦的形态特征提取 | 第58-63页 |
| ·小麦图像阈值分割 | 第58-59页 |
| ·数学形态学方法应用 | 第59-61页 |
| ·小麦黑胚部分的分割 | 第61-63页 |
| ·形态特征提取 | 第63页 |
| ·小麦的颜色特征提取 | 第63-67页 |
| ·RGB颜色空间模型 | 第64页 |
| ·HSV颜色空间模型 | 第64-65页 |
| ·Lab颜色空间模型 | 第65-67页 |
| ·颜色特征提取 | 第67页 |
| ·小麦的纹理特征提取 | 第67-71页 |
| ·基于小波变换的图像纹理特征提取 | 第67-69页 |
| ·小麦图像纹理特征提取 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 小麦并肩杂与不完善粒识别方法 | 第72-114页 |
| ·模式识别方法 | 第72-73页 |
| ·数据采集 | 第72页 |
| ·数据处理 | 第72-73页 |
| ·分类决策或模型匹配 | 第73页 |
| ·小麦的特征提取和模式识别算法 | 第73-82页 |
| ·有效特征提取 | 第74-80页 |
| ·模式识别算法 | 第80-82页 |
| ·小麦并肩杂识别 | 第82-98页 |
| ·基于GA-SVM的小麦并肩杂识别 | 第82-95页 |
| ·基于PCA-SVM的小麦并肩杂识别 | 第95-98页 |
| ·小麦不完善粒识别 | 第98-112页 |
| ·基于PLS-DA的小麦不完善粒识别 | 第98-105页 |
| ·基于SVMDA的小麦不完善粒识别 | 第105页 |
| ·基于PCA-ANN的小麦不完善粒识别 | 第105-108页 |
| ·基于LDA方法的小麦不完善粒识别 | 第108-112页 |
| ·本章小节 | 第112-114页 |
| 第六章 基于机器视觉的小麦动态实时检测系统构建 | 第114-144页 |
| ·系统的机械部分构建 | 第114-118页 |
| ·动力和传动机构 | 第114页 |
| ·计算机视觉机构 | 第114-115页 |
| ·单粒化装置 | 第115页 |
| ·自动分级机构 | 第115-118页 |
| ·系统的控制电路构建与软件实现 | 第118-123页 |
| ·控制芯片选择 | 第118-119页 |
| ·控制电路设计 | 第119-123页 |
| ·软件实现 | 第123页 |
| ·系统的上位机算法与软件设计 | 第123-132页 |
| ·上位机算法 | 第123-124页 |
| ·程序开发平台 | 第124-125页 |
| ·软件工作原理 | 第125页 |
| ·通讯协议 | 第125-128页 |
| ·软件设计 | 第128-132页 |
| ·软件实现 | 第132-142页 |
| ·主控界面 | 第132-133页 |
| ·参数设置 | 第133-134页 |
| ·软件调试 | 第134页 |
| ·软件结构 | 第134-142页 |
| ·样机 | 第142页 |
| ·本章小结 | 第142-144页 |
| 第七章 结论与展望 | 第144-148页 |
| ·主要研究结论 | 第144-145页 |
| ·论文创新点 | 第145页 |
| ·存在的问题与研究展望 | 第145-148页 |
| ·存在的问题 | 第145页 |
| ·研究展望 | 第145-148页 |
| 参考文献 | 第148-158页 |
| 科研成果 | 第158页 |
