摘要 | 第6-8页 |
abstract | 第8-10页 |
第一章 绪论 | 第14-21页 |
1.1 选题背景及研究意义 | 第14页 |
1.2 研究现状 | 第14-19页 |
1.2.1 红枣分级设备研究现状 | 第14-16页 |
1.2.2 机器视觉技术在农产品检测方面的研究现状 | 第16-19页 |
1.3 研究目标、内容及技术路线 | 第19-21页 |
1.3.1 研究目标及内容 | 第19页 |
1.3.2 技术路线 | 第19-21页 |
第二章 基于机器视觉的红枣图像获取研究 | 第21-33页 |
2.1 基于机器视觉的红枣图像获取试验平台的搭建 | 第21-24页 |
2.1.1 红枣传输机构的设计 | 第21-22页 |
2.1.1.1 滚子设计 | 第21页 |
2.1.1.2 机架设计 | 第21-22页 |
2.1.2 图像采集硬件 | 第22-23页 |
2.1.3 整体试验平台的组装 | 第23-24页 |
2.2 红枣图像获取可靠性研究 | 第24-29页 |
2.2.1 红枣的受力分析 | 第24-25页 |
2.2.2 红枣的运动分析 | 第25-26页 |
2.2.3 红枣图像采集试验验证 | 第26-29页 |
2.3 基于单片机获取红枣图像控制软件设计 | 第29-31页 |
2.4 本章小结 | 第31-33页 |
第三章 红枣图像分级处理研究 | 第33-51页 |
3.1 图像处理技术研究现状 | 第33-34页 |
3.2 获取红枣图像的识别 | 第34-37页 |
3.2.1 大小识别 | 第35-36页 |
3.2.2 病害识别 | 第36页 |
3.2.3 裂纹识别 | 第36-37页 |
3.3 红枣图像的拼接 | 第37-48页 |
3.3.1 图像拼接基本流程 | 第37-38页 |
3.3.2 图像预处理 | 第38-39页 |
3.3.3 基于图像特征SURF算法匹配原理 | 第39-44页 |
3.3.3.1 积分图 | 第39-40页 |
3.3.3.2 构建Hessian矩阵构造高斯金字塔 | 第40-42页 |
3.3.3.3 利用非极大值抑制初步确定特征点 | 第42-43页 |
3.3.3.4 选取特征点的主方向 | 第43页 |
3.3.3.5 构造surf特征点描述算子 | 第43-44页 |
3.3.4 基于OpenCV的SURF算法源码 | 第44-45页 |
3.3.4.1 SURF特征点检测 | 第44页 |
3.3.4.2 SURF特征点提取 | 第44-45页 |
3.3.4.3 RANSAC算法提纯匹配对 | 第45页 |
3.3.5 图像融合 | 第45-46页 |
3.3.6 图像拼接软件设计 | 第46-48页 |
3.4 直接识别与拼接后再识别方案对比 | 第48-50页 |
3.5 本章小结 | 第50-51页 |
第四章 红枣分级执行装置设计及其可靠性研究 | 第51-66页 |
4.1 分级执行机构设计 | 第51-53页 |
4.2 分级通道设计 | 第53-54页 |
4.3 分级执行机构分级可靠性研究 | 第54-61页 |
4.3.1 试验样品 | 第54页 |
4.3.2 主要仪器和软件 | 第54-55页 |
4.3.3 试验设计 | 第55-57页 |
4.3.4 结果与分析 | 第57-61页 |
4.4 分级控制系统设计 | 第61-65页 |
4.4.1 单片机串口通信方式 | 第61页 |
4.4.2 串口通信标准 | 第61-62页 |
4.4.3 串口通信软件设计 | 第62-64页 |
4.4.4 红枣的同步跟踪 | 第64-65页 |
4.5 红枣在线检测分级 | 第65页 |
4.6 本章小结 | 第65-66页 |
第五章 结论与展望 | 第66-68页 |
5.1 结论 | 第66-67页 |
5.2 创新点 | 第67页 |
5.3 展望 | 第67-68页 |
参考文献 | 第68-72页 |
附录 | 第72-85页 |
致谢 | 第85-86页 |
作者简介 | 第86页 |