| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 前言 | 第8-14页 |
| 1．1 研究的目的及意义 | 第8-10页 |
| 1．2 国内外研究概况 | 第10-14页 |
| 1．2．1 国外研究概况 | 第10-12页 |
| 1．2．2 国内研究概况 | 第12-14页 |
| 2 计算机视觉系统的数学模型与设计 | 第14-21页 |
| 2．1 图像的数学模型 | 第14-18页 |
| 2．1．1 图像平面以现实空间的几何关系 | 第14-15页 |
| 2．1．2 图像的数学模型 | 第15-18页 |
| 2．2 计算机视觉系统 | 第18-21页 |
| 2．2．1 计算机视觉的光照系统 | 第18-20页 |
| 2．2．2 计算机视觉的组成 | 第20-21页 |
| 3 图像的低层处理 | 第21-30页 |
| 3．1 图像处理窗口的确定 | 第21页 |
| 3．2 图像的采集 | 第21-22页 |
| 3．3 图像噪声的去除 | 第22-24页 |
| 3．4 图像的分割 | 第24-26页 |
| 3．5 图像的边缘提取 | 第26-27页 |
| 3．6 图像的边缘细化 | 第27-30页 |
| 4 番茄的特征提取和模式识别 | 第30-48页 |
| 4．1 遗传算法与人工神经网络的结合 | 第30-38页 |
| 4．1．1 人工神经网络与模式识别 | 第30-31页 |
| 4．1．1．1 人工神经网络简介 | 第30-31页 |
| 4．1．1．2 人工神经网络用于模式识别的优越性 | 第31页 |
| 4．1．2 几种神经元网络模型的比较与分析 | 第31-33页 |
| 4．1．2．1 常用的神经元网络模型 | 第31-32页 |
| 4．1．2．2 BP算法所面临的困难 | 第32-33页 |
| 4．1．3 用遗传算法训练神经网络的模型建立 | 第33-38页 |
| 4．1．3．1 遗传算法简介 | 第33-35页 |
| 4．1．3．2 模式理论对遗传算法的解释 | 第35-36页 |
| 4．1．3．3 模型的建立 | 第36-38页 |
| 4．2 番茄成熟度的判别 | 第38-42页 |
| 4．2．1 颜色模型 | 第38-40页 |
| 4．2．1．1 RGB颜色模型 | 第38-39页 |
| 4．2．1．2 HIS颜色模型 | 第39-40页 |
| 4．2．2 番茄成熟度神经网络的训练与测试实验 | 第40-42页 |
| 4．2．2．1 番茄成熟度神经网络的训练 | 第40-42页 |
| 4．2．2．2 成熟度判别实验及与相同结构BP算法的比较 | 第42页 |
| 4．3 番茄的果形判别 | 第42-46页 |
| 4．3．1 番茄形状特征参数的提取 | 第42-44页 |
| 4．3．2 番茄果形综合判别 | 第44-46页 |
| 4．3．2．1 圆度特征参数 | 第44-46页 |
| 4．3．2．2 果径变化特征网络 | 第46页 |
| 4．3．2．3 比值特征判别参数 | 第46页 |
| 4．4 番茄的重量检测 | 第46-48页 |
| 5 番茄自动检测与分级系统的设计 | 第48-52页 |
| 5．1 系统软件的结构与功能 | 第48-49页 |
| 5．1．1 文件模块 | 第48页 |
| 5．1．2 图像采集模块 | 第48页 |
| 5．1．3 图像低层处理模块 | 第48-49页 |
| 5．1．4 特征提取模块 | 第49页 |
| 5．1．5 网络训练模块 | 第49页 |
| 5．1．6 分级模块 | 第49页 |
| 5．2 番茄分级功能的实现 | 第49-51页 |
| 5．3 番茄分级实验 | 第51-52页 |
| 结 论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致 谢 | 第57页 |