摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 研究现状与分析 | 第12-14页 |
1.2.1 自动投饲机研究现状 | 第12-14页 |
1.2.2 嵌入式视觉技术现状及发展趋势 | 第14页 |
1.3 主要研究内容 | 第14-15页 |
1.4 论文组织结构 | 第15-17页 |
第2章 浮饵自动投放装置设计方案 | 第17-26页 |
2.1 引言 | 第17页 |
2.2 浮饵自动投放系统设计需求 | 第17页 |
2.3 浮饵自动投放系统设计方案 | 第17-22页 |
2.3.1 浮饵信息采集 | 第18-20页 |
2.3.2 浮饵投放控制 | 第20-22页 |
2.3.3 浮饵远程监控 | 第22页 |
2.4 浮饵自动投放系统关键技术 | 第22-25页 |
2.4.1 基于嵌入式机器视觉的浮饵自动识别技术 | 第22-24页 |
2.4.2 基于模糊控制技术的投饲控制方法 | 第24-25页 |
2.5 本章小结 | 第25-26页 |
第3章 基于嵌入式图像处理的浮饵识别算法研究 | 第26-45页 |
3.1 引言 | 第26页 |
3.2 摄食活性量化方法 | 第26-28页 |
3.2.1 鱼群摄食活性量化 | 第26-27页 |
3.2.2 基于计算机视觉的鱼群摄食活性指数 | 第27-28页 |
3.3 浮饵图像预处理 | 第28-32页 |
3.3.1 背景扰动分析及浮饵目标初步提取 | 第28-29页 |
3.3.2 图像滤波去噪 | 第29-31页 |
3.3.3 图像灰度增强 | 第31-32页 |
3.4 分水岭分割算法 | 第32-35页 |
3.4.1 区域生长型分水岭算法 | 第32-33页 |
3.4.2 分水岭算法的数学描述 | 第33-34页 |
3.4.3 分水岭算法的浮饵目标分割 | 第34-35页 |
3.5 数学形态学在浮饵图像中的应用 | 第35-37页 |
3.5.1 数学形态学 | 第35页 |
3.5.2 图像腐蚀 | 第35-36页 |
3.5.3 图像膨胀 | 第36-37页 |
3.6 基于最小二乘支持向量机的浮饵识别与统计 | 第37-43页 |
3.6.1 最小二乘支持向量机 | 第37-39页 |
3.6.2 基于最小二乘支持向量机的浮饵识别 | 第39-42页 |
3.6.3 基于识别结果的浮饵个数统计 | 第42-43页 |
3.7 提高嵌入式机器视觉图像处理速度研究 | 第43-44页 |
3.8 本章小结 | 第44-45页 |
第4章 基于模糊控制方法的投喂技术研究 | 第45-54页 |
4.1 引言 | 第45页 |
4.2 模糊控制原理 | 第45-48页 |
4.2.1 模糊控制基本原理 | 第45-46页 |
4.2.2 模糊控制系统组成 | 第46-48页 |
4.3 模糊控制器的研究 | 第48-53页 |
4.3.1 控制系统流程分析 | 第48-49页 |
4.3.2 模糊控制器结构设计 | 第49页 |
4.3.3 模糊变量论域及其隶属函数 | 第49-52页 |
4.3.4 基于模糊控制方法的自动投放流程及模糊规则表的建立 | 第52-53页 |
4.4 本章小节 | 第53-54页 |
第5章 自动投饲装置研制与实验分析 | 第54-70页 |
5.1 引言 | 第54页 |
5.2 自动投饲系统 | 第54-59页 |
5.2.1 投饲控制系统硬件平台搭建 | 第55-56页 |
5.2.2 数据通信与存储设计 | 第56-57页 |
5.2.3 其他模块设计 | 第57-59页 |
5.3 投饲控制系统软件平台实现 | 第59-65页 |
5.3.1 浮饵自动投饲控制程序开发环境搭建 | 第59-61页 |
5.3.2 浮饵图像采集 | 第61-62页 |
5.3.3 浮饵图像显示 | 第62页 |
5.3.4 浮饵图像传输 | 第62-64页 |
5.3.5 嵌入式机器视觉图像处理视觉库OpenCV | 第64-65页 |
5.4 投饲实验与分析 | 第65-69页 |
5.4.1 浮饵识别实验及误差分析 | 第65-66页 |
5.4.2 浮饵自动投饲实验 | 第66-69页 |
5.5 本章小节 | 第69-70页 |
第6章 总结与展望 | 第70-72页 |
6.1 总结 | 第70页 |
6.2 展望 | 第70-72页 |
参考文献 | 第72-76页 |
致谢 | 第76-77页 |
攻读硕士学位期间的成果 | 第77页 |