基于机器视觉的水果自动分拣系统关键技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 机器视觉研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本课题关键技术发展现状 | 第14-15页 |
| 1.3.1 定位技术 | 第14页 |
| 1.3.2 分类技术 | 第14-15页 |
| 1.4 本课题研究内容 | 第15-17页 |
| 第二章 整体方案设计 | 第17-24页 |
| 2.1 自动分拣系统总体设计 | 第17-21页 |
| 2.2 自动分拣系统软件设计 | 第21-23页 |
| 2.2.1 开发环境 | 第21-22页 |
| 2.2.2 模块设计 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 图像采集 | 第24-32页 |
| 3.1 硬件系统设计 | 第24-26页 |
| 3.1.1 相机镜头选型 | 第24页 |
| 3.1.2 采光部分设计 | 第24-26页 |
| 3.2 相机标定 | 第26-30页 |
| 3.2.1 坐标系介绍 | 第26-27页 |
| 3.2.2 相机标定原理 | 第27-29页 |
| 3.2.3 相机标定实现 | 第29-30页 |
| 3.3 本章小结 | 第30-32页 |
| 第四章 苹果位置检测 | 第32-41页 |
| 4.1 图像预处理 | 第32-35页 |
| 4.1.1 灰度化 | 第32-33页 |
| 4.1.2 二值化 | 第33页 |
| 4.1.3 图像滤波 | 第33-34页 |
| 4.1.4 形态学运算 | 第34-35页 |
| 4.2 边缘检测 | 第35-38页 |
| 4.2.1 主要步骤 | 第35页 |
| 4.2.2 边缘检测算子 | 第35-37页 |
| 4.2.3 实验分析 | 第37-38页 |
| 4.3 关键点提取 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 苹果分类 | 第41-55页 |
| 5.1 分类算法 | 第41-49页 |
| 5.1.1 分类算法介绍 | 第41-47页 |
| 5.1.2 本文分类方法 | 第47-49页 |
| 5.2 数据准备 | 第49-51页 |
| 5.2.1 数据需求介绍 | 第49-50页 |
| 5.2.2 数据来源 | 第50页 |
| 5.2.3 数据预处理 | 第50-51页 |
| 5.3 模型搭建 | 第51-52页 |
| 5.3.1 深度学习框架 | 第51页 |
| 5.3.2 模型结构搭建 | 第51-52页 |
| 5.4 模型训练调优 | 第52-54页 |
| 5.4.1 模型训练 | 第52-53页 |
| 5.4.2 模型调参 | 第53-54页 |
| 5.5 结果分析 | 第54页 |
| 5.6 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间取得的研究成果 | 第61页 |
