基于机器视觉水果表面等级分类识别的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及选题依据 | 第9页 |
| 1.2 机器视觉应用于水果检测的国内外研究现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.3 研究意义与主要研究内容 | 第10-13页 |
| 1.3.1 研究意义 | 第10-12页 |
| 1.3.2 主要研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 1.5 本文的创新点 | 第14-15页 |
| 第二章 水果分级系统视觉检测系统的构建 | 第15-27页 |
| 2.1 视觉检测系统的基本组成 | 第15页 |
| 2.2 机器视觉系统硬件 | 第15-18页 |
| 2.2.1 摄像头 | 第16页 |
| 2.2.2 背景板和光源 | 第16-17页 |
| 2.2.3 计算机 | 第17页 |
| 2.2.4 标定板 | 第17-18页 |
| 2.3 摄像机标定 | 第18-22页 |
| 2.3.1 图像坐标系及其变换 | 第18-20页 |
| 2.3.2 双视几何与双目视觉检测 | 第20-22页 |
| 2.4 摄像机参数标定方法选取 | 第22-26页 |
| 2.4.1 单目相机标定 | 第24-25页 |
| 2.4.2 平行双目相机标定 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 水果图像预处理方法的研究 | 第27-43页 |
| 3.1 颜色的表达及转化 | 第27-28页 |
| 3.2 图像采集 | 第28-30页 |
| 3.3 水果图像处理 | 第30-38页 |
| 3.3.1 图像灰度化处理 | 第30-31页 |
| 3.3.2 图像增强 | 第31-37页 |
| 3.3.3 Hough变换 | 第37-38页 |
| 3.4 图像分割处理 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 水果特征提取方法的研究 | 第43-57页 |
| 4.1 特征提取的过程与标准 | 第43页 |
| 4.2 颜色特征提取与选择 | 第43-45页 |
| 4.3 纹理特征提取与选择 | 第45-47页 |
| 4.4 形态特征提取与选择 | 第47-53页 |
| 4.4.1 水果图像重建 | 第47-50页 |
| 4.4.2 高度信息提取 | 第50-51页 |
| 4.4.3 形态特征提取 | 第51-53页 |
| 4.5 水果缺陷分类标准 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 水果等级划分及缺陷模式识别方法 | 第57-77页 |
| 5.1 特征数据降维处理 | 第57-58页 |
| 5.2 支持向量机 | 第58-66页 |
| 5.2.1 支持向量机的原理 | 第59-62页 |
| 5.2.2 支持向量机缺陷分类模型的建立 | 第62-66页 |
| 5.3 BP神经网络检测方法 | 第66-75页 |
| 5.3.1 粒子群优化算法 | 第70-72页 |
| 5.3.2 粒子群算法优化神经网络 | 第72-73页 |
| 5.3.3 粒子群优化的神经网络水果等级识别 | 第73-74页 |
| 5.3.4 网络测试 | 第74-75页 |
| 5.4 本章小结 | 第75-77页 |
| 第六章 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77-78页 |
| 6.2 不足之处和未来展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读研究生期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
