| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究概况 | 第10-11页 |
| 1.2.2 国内研究概况 | 第11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 本论文的结构安排 | 第12-15页 |
| 第2章 图像预处理 | 第15-25页 |
| 2.1 图像采集 | 第15页 |
| 2.2 图像转换 | 第15-16页 |
| 2.2.1 图像转换原理 | 第15页 |
| 2.2.2 鸭梨彩色图像转换 | 第15-16页 |
| 2.3 图像去噪 | 第16-19页 |
| 2.3.1 均值滤波器 | 第16-17页 |
| 2.3.2 形态学滤波 | 第17页 |
| 2.3.3 中值滤波器 | 第17-19页 |
| 2.4 图像增强 | 第19-20页 |
| 2.5 图像分割 | 第20-23页 |
| 2.5.1 阈值分割 | 第20-21页 |
| 2.5.2 区域分割 | 第21页 |
| 2.5.3 OSTU分割法 | 第21-23页 |
| 2.6 图像轮廓提取 | 第23-24页 |
| 2.6.1 Beperim方法 | 第23页 |
| 2.6.2 Canny边缘检测 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第3章 鸭梨图像特征参数提取 | 第25-33页 |
| 3.1 鸭梨的大小提取 | 第25-26页 |
| 3.2 鸭梨的形状确定 | 第26-28页 |
| 3.2.1 傅里叶描述子介绍 | 第26-27页 |
| 3.2.2 傅里叶描述子描述鸭梨形状 | 第27-28页 |
| 3.3 鸭梨的颜色确定 | 第28-30页 |
| 3.3.1 常用的色彩模型 | 第28-29页 |
| 3.3.2 鸭梨的颜色提取 | 第29-30页 |
| 3.4 本章小结 | 第30-33页 |
| 第4章 鸭梨的表面缺陷信息提取 | 第33-37页 |
| 4.1 水果缺陷检测研究现状 | 第33-34页 |
| 4.2 缺陷信息的提取 | 第34-35页 |
| 4.3 缺陷面积的计算 | 第35页 |
| 4.4 本章小结 | 第35-37页 |
| 第5章 基于神经网络的鸭梨品质检测 | 第37-47页 |
| 5.1 人工神经网络 | 第37-39页 |
| 5.1.1 人工神经元模型 | 第37-38页 |
| 5.1.2 神经网络的激活转移函数 | 第38-39页 |
| 5.2 BP网络及改进 | 第39-41页 |
| 5.2.1 BP神经网络 | 第39-40页 |
| 5.2.2 BP神经网络的学习过程 | 第40-41页 |
| 5.2.3 BP算法优化 | 第41页 |
| 5.3 基于BP神经网络的鸭梨品质无损品质检测 | 第41-44页 |
| 5.3.1 鸭梨分级中的BP神经网络参数选择 | 第41-44页 |
| 5.4 本章小结 | 第44-47页 |
| 第6章 软件的设计与实现 | 第47-53页 |
| 6.1 虚拟仪器开发平台 | 第47-48页 |
| 6.1.1 MATLAB简介 | 第47页 |
| 6.1.2 MicrosoftVisualStudio2017简介 | 第47-48页 |
| 6.2 软件模块介绍 | 第48页 |
| 6.3 系统结果展示 | 第48-50页 |
| 6.4 本章小结 | 第50-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间所发表的论文 | 第59-61页 |
| 致谢 | 第61页 |