基于形态特征的海参外观品质机器视觉检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 机器视觉概述 | 第10页 |
| 1.2.2 海产品检测分级研究进展 | 第10-12页 |
| 1.3 本文研究内容与方法 | 第12-14页 |
| 第二章 机器视觉检测系统软硬件设计 | 第14-23页 |
| 2.1 检测系统硬件设计 | 第14-17页 |
| 2.1.1 光照组件 | 第14-16页 |
| 2.1.2 采集和控制设备 | 第16-17页 |
| 2.2 检测系统软件设计 | 第17-22页 |
| 2.2.1 系统软件的结构与功能 | 第17-22页 |
| 2.2.1.1 图像获取模块 | 第18页 |
| 2.2.1.2 图像分析模块 | 第18-20页 |
| 2.2.1.3 形态特征参数模块 | 第20-21页 |
| 2.2.1.4 海参分级模块 | 第21页 |
| 2.2.1.5 海参数据库模块 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 图像预处理算法研究 | 第23-35页 |
| 3.1 图像阈值分割 | 第23-24页 |
| 3.2 图像去噪 | 第24-29页 |
| 3.2.1 均值滤波 | 第24-26页 |
| 3.2.2 中值滤波 | 第26-27页 |
| 3.2.3 低通滤波 | 第27-28页 |
| 3.2.4 分析比较 | 第28-29页 |
| 3.3 形态学处理 | 第29-31页 |
| 3.4 图像边缘提取 | 第31-33页 |
| 3.4.1 八邻域轮廓提取 | 第31-32页 |
| 3.4.2 扫描法边界跟踪 | 第32页 |
| 3.4.3 分析比较 | 第32-33页 |
| 3.5 图像位置校正 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 形态特征识别算法研究 | 第35-52页 |
| 4.1 形态特征识别 | 第35-36页 |
| 4.2 海参体壁特征点确定 | 第36-40页 |
| 4.2.1 邻域比较法特征点提取 | 第36-37页 |
| 4.2.2 16邻域链码法特征点提取 | 第37-40页 |
| 4.2.3 分析比较 | 第40页 |
| 4.3 海参体壁复原 | 第40-42页 |
| 4.4 海参肉刺提取及分析 | 第42-44页 |
| 4.5 中轴曲率的研究 | 第44-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 基于人工蜂群支持向量机的分级模型设计 | 第52-61页 |
| 5.1 形态特征选择 | 第52-54页 |
| 5.1.1 特征数据归一化处理 | 第53-54页 |
| 5.2 支持向量机原理及应用 | 第54-56页 |
| 5.3 基于人工蜂群支持向量机的分级模型设计 | 第56-60页 |
| 5.3.1 人工蜂群算法研究 | 第56-59页 |
| 5.3.2 基于人工蜂群优化的支持向量机参数选择 | 第59页 |
| 5.3.3 试验结果与分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
