| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 文献综述 | 第10-19页 |
| ·青花菜采后品质无损检测与控制研究的背景与意义 | 第10页 |
| ·青花菜分级标准与采后颜色变化模型的建立 | 第10-12页 |
| ·计算机视觉与人工神经网络在果蔬品质检测和分级中的应用 | 第12-15页 |
| ·激光控制技术的应用 | 第15页 |
| ·本文研究内容与目的 | 第15-16页 |
| 参考文献 | 第16-19页 |
| 第二章 青花菜采后颜色变化模型的建立 | 第19-29页 |
| ·前言 | 第19页 |
| ·颜色动力学理论 | 第19-20页 |
| ·材料与方法 | 第20-21页 |
| ·试验材料 | 第20页 |
| ·处理方法 | 第20页 |
| ·测量指标 | 第20-21页 |
| ·数据处理 | 第21页 |
| ·结果与分析 | 第21-27页 |
| ·包装与温度对贮藏青花菜的影响 | 第22-23页 |
| ·青花菜贮藏期间色泽变化的动力学模型 | 第23-25页 |
| ·青花菜的色泽参数与人工分级指标的一致性 | 第25-26页 |
| ·青花菜采后分级新标准 | 第26-27页 |
| ·确定青花菜颜色参数的阈值 | 第27页 |
| ·本章小结 | 第27-28页 |
| 参考文献 | 第28-29页 |
| 第三章 基于计算机视觉技术的图像分析分级系统 | 第29-41页 |
| ·前言 | 第29页 |
| ·系统软硬件组成 | 第29页 |
| ·图像分析处理 | 第29-38页 |
| ·图像获取 | 第30页 |
| ·颜色提取 | 第30-31页 |
| ·背景纯化 | 第31-33页 |
| ·颜色分割 | 第33-34页 |
| ·灰度转化 | 第34-35页 |
| ·图像分割 | 第35-37页 |
| ·区域标记 | 第37-38页 |
| ·特征提取 | 第38页 |
| ·统计模式分级 | 第38-40页 |
| ·本章小结 | 第40页 |
| 参考文献 | 第40-41页 |
| 第四章 基于神经网络的分级技术 | 第41-52页 |
| ·前言 | 第41-42页 |
| ·神经网络原理及网络参数 | 第42-49页 |
| ·三层前向传递BP神经网络 | 第42-46页 |
| ·概率神经网络PNN | 第46-47页 |
| ·自组织竞争神经网络SOC | 第47-48页 |
| ·学习矢量量化神经网络LVQ | 第48页 |
| ·自组织特征映射神经网络SOM | 第48-49页 |
| ·神经网络分类结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 参考文献 | 第51-52页 |
| 第五章 计算机图像分析系统的程序设计 | 第52-56页 |
| ·前言 | 第52页 |
| ·软件总体设计方案 | 第52-53页 |
| ·各模块介绍 | 第53-55页 |
| ·文件模块 | 第53页 |
| ·图像预处理模块 | 第53-54页 |
| ·图像分割模块 | 第54页 |
| ·图像特征提取模块 | 第54页 |
| ·图像分级模块 | 第54-55页 |
| ·本章小结 | 第55页 |
| 参考文献 | 第55-56页 |
| 第六章 半导体激光对果蝇的控制效果研究 | 第56-63页 |
| ·前言 | 第56页 |
| ·材料与方法 | 第56-58页 |
| ·试验材料及培养 | 第56-57页 |
| ·处理方法 | 第57-58页 |
| ·测量指标 | 第58页 |
| ·结果与分析 | 第58-60页 |
| ·激光对果蝇的致死效应 | 第58-59页 |
| ·激光对果蝇的其它生物学效应 | 第59-60页 |
| ·果蝇对激光的抗逆性研究 | 第60页 |
| ·讨论 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 参考文献 | 第62-63页 |
| 全文小结 | 第63-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表论文题目 | 第65页 |