首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

脐橙表面缺陷的快速检测方法研究

摘要第1-9页
Abstract第9-12页
插图清单第12-15页
表格清单第15-16页
符号列表第16-21页
第一章 绪论第21-47页
   ·课题研究的目的与意义第21-25页
     ·水果生产现状第21-22页
     ·水果分级技术第22-25页
   ·基于机器视觉技术的水果表面缺陷研究概况第25-44页
     ·基于二维图像信息识别技术第25-32页
       ·彩色成像技术第25-27页
       ·单色成像技术第27-28页
       ·融合彩色成像技术和单色成像技术第28-32页
     ·基于水果机械定位技术第32-33页
     ·基于三维图像信息识别技术第33-36页
       ·结构光成像技术第33-35页
       ·三维表面重建技术第35-36页
     ·高光谱成像技术第36-44页
       ·高光谱成像原理及系统第36-38页
       ·高光谱Vis-NIR反射成像技术第38-41页
       ·高光谱荧光成像技术第41-44页
   ·研究目标与具体内容第44-46页
     ·主要研究目标第44-45页
     ·主要研究内容第45页
     ·技术路线第45-46页
   ·本章小结第46-47页
第二章 试验样本及系统介绍第47-53页
   ·试验样本第47-48页
   ·计算机成像系统介绍第48-52页
     ·静态RGB图像获取系统及图像获取第48-49页
     ·在线RGB图像获取系统及图像获取第49-50页
     ·可见近红外/荧光高光谱成像系统、图像获取及图像校正第50-52页
   ·本章小结第52-53页
第三章 脐橙表面亮度不均变换及单阈值缺陷快速分割研究第53-89页
   ·背景分割第53-55页
   ·边缘灰度补偿第55-61页
     ·脐橙边缘灰度图像获取第56-57页
     ·环状边缘灰度图像亮度补偿第57-60页
     ·试验结果与分析第60-61页
   ·基于亮度-反射模型对脐橙表面亮度不均变换第61-72页
     ·亮度变换理论第61-63页
     ·亮度变换第63-72页
   ·基于B样条曲线对脐橙表面亮度不均进行校正第72-75页
   ·果梗识别第75-81页
     ·果梗识别算法第75-78页
     ·果梗检测第78-81页
   ·果脐识别第81-83页
   ·脐橙表面不同类型缺陷检测算法实现第83-87页
   ·本章小结第87-89页
第四章 在线脐橙表面缺陷检测研究第89-107页
   ·脐橙在线图像获取第89页
   ·在线图像背景去除第89-92页
   ·脐橙表面亮度变换第92-94页
   ·果梗识别第94-95页
   ·缺陷检测算法第95-98页
   ·检测结果及分析第98-106页
   ·本章小结第106-107页
第五章 高光谱反射成像技术在脐橙表面缺陷检测中的研究第107-127页
   ·材料与理论第107-110页
     ·样本第107-108页
     ·高光谱成像系统第108页
     ·高光谱图像获取第108页
     ·数据处理分析第108-110页
   ·结果和讨论第110-125页
     ·特征光谱提取与分析第110-111页
     ·Vis-NIR光谱区域PCA分析第111-112页
     ·Vis光谱区域PCA分析第112页
     ·最优波段选取第112-115页
     ·最优波段PCA分析第115-116页
     ·波段比图像第116-119页
     ·脐橙表面缺陷检测算法开发第119-123页
     ·识别结果第123-125页
   ·本章小结第125-127页
第六章 基于高光谱荧光成像技术检测腐烂脐橙第127-135页
   ·早期柑橘类腐烂果检测现状分析第127页
   ·材料及理论第127-134页
     ·试验材料第127-129页
     ·高光谱成像系统第129页
     ·高光谱图像获取第129页
     ·波段比理论及特征波长提取第129-131页
     ·腐烂区域检测算法第131-134页
   ·检测结果分析第134页
   ·本章小结第134-135页
第七章 高光谱反射成像技术检测脐橙溃疡研究第135-149页
   ·柑橘类溃疡检测现状分析第135-136页
   ·材料及理论第136-144页
     ·试验材料第136页
     ·高光谱成像系统第136-137页
     ·高光谱图像获取第137页
     ·ROI区域光谱提取和分析第137-138页
     ·Vis-NIR波段范围PCA分析第138页
     ·最优波段PCA分析第138-140页
     ·波段比图像第140-143页
     ·图像分类算法第143-144页
   ·检测结果分析第144-147页
   ·本章小结第147-149页
第八章 结论与展望第149-153页
   ·本研究结论第149-150页
   ·论文创新点第150-151页
   ·研究展望第151-153页
参考文献第153-163页
致谢第163-165页
附录:作者简介及博士研究生期间主要成果第165-166页

论文共166页,点击 下载论文
上一篇: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
下一篇:面向物联网的多层次无线感知识和识别系统