首页--农业科学论文--农作物论文--禾谷类作物论文--麦论文--小麦论文

基于图像处理的小麦外观品质检测与分级

摘要第1-5页
Abstract第5-8页
第一章 绪论第8-12页
   ·研究目的与意义第8页
   ·国内外研究现状第8-12页
     ·图像处理技术在农业中的应用第8页
     ·国外研究现状第8-10页
     ·国内研究现状第10页
     ·主要研究目标与内容第10-12页
第二章 小麦图像处理算法研究第12-22页
   ·小麦图像的采集第12页
   ·小麦图像处理第12-21页
     ·图像增强第12-18页
     ·图像分割第18-20页
     ·形态学处理算法第20-21页
   ·小结第21-22页
第三章 特征参数提取第22-38页
   ·多对象轮廓提取第22-25页
     ·像素的邻域第22-23页
     ·链码第23页
     ·轮廓提取算法第23-25页
   ·特征参数提取第25-37页
     ·形态特征提取第25-28页
     ·颜色特征提取第28-32页
     ·纹理特征提取第32-37页
   ·小结第37-38页
第四章 人工神经网络第38-46页
   ·BP神经网络原理第38-39页
   ·建立模型第39-40页
   ·分类网络的构建第40-45页
     ·构造训练集、测试集第40页
     ·构建网络第40-41页
     ·实验结果第41-45页
   ·小结第45-46页
第五章 神经网络优化第46-50页
   ·遗传算法第46页
   ·GA-BP神经网络模型第46-47页
     ·基于MSE的特征参数筛选第46-47页
     ·变量之间的关系第47页
   ·MIV—BP神经网络模型第47-49页
     ·基于平均影响值(MIV)的变量筛选第47-49页
   ·小结第49-50页
第六章 小麦特征参数与千粒重的关系第50-54页
   ·千粒重的测定第50-51页
   ·小麦千粒重与特征参数的关系第51-53页
     ·小麦特征参数的处理第51-52页
     ·混合特征参数与千粒重的相关性第52-53页
   ·小结第53-54页
第七章 总结与展望第54-56页
   ·总结第54-55页
   ·展望第55-56页
参考文献第56-59页
致谢第59-60页
个人简历第60页

论文共60页,点击 下载论文
上一篇:PVY和PVA实时荧光定量RT-PCR检测技术研究
下一篇:花生粕固态发酵与储藏特性研究