基于机器视觉的水果表面缺陷识别方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·机器视觉应用于水果检测的国内外研究现状 | 第8-12页 |
| ·机器视觉概述 | 第8-9页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-12页 |
| ·水果的选择与分级标准 | 第12-14页 |
| ·研究对象 | 第12页 |
| ·水果缺陷的分级标准 | 第12-14页 |
| ·本课题的目的意义及研究内容 | 第14-16页 |
| ·课题目的和意义 | 第14页 |
| ·课题研究内容 | 第14-15页 |
| ·本课题的关键问题与技术路线 | 第15-16页 |
| 第二章 水果缺陷视觉检测系统的构建 | 第16-26页 |
| ·视觉检测系统的基本组成 | 第16-17页 |
| ·系统结构 | 第16页 |
| ·硬件要求 | 第16-17页 |
| ·机器视觉系统硬件 | 第17-21页 |
| ·摄像机和镜头 | 第17-18页 |
| ·光照箱和光源 | 第18-21页 |
| ·计算机 | 第21页 |
| ·摄像机标定 | 第21-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 水果图像预处理方法的研究 | 第26-50页 |
| ·颜色的表达及转化 | 第26-31页 |
| ·灰彩图像的相互转化 | 第26-28页 |
| ·RGB-HSI 颜色空间转换 | 第28-31页 |
| ·提取单果图像 | 第31-48页 |
| ·图像增强 | 第32-38页 |
| ·边缘检测 | 第38-42页 |
| ·形态学处理 | 第42-44页 |
| ·轮廓处理 | 第44-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 水果缺陷提取方法的研究 | 第50-62页 |
| ·水果缺陷种类和等级划分 | 第50-52页 |
| ·边缘亮度补偿 | 第52-56页 |
| ·灰度曲线拟合 | 第52-53页 |
| ·蒙版图像生成 | 第53-55页 |
| ·亮度补偿 | 第55-56页 |
| ·水果缺陷分割 | 第56-59页 |
| ·去果皮颜色 | 第57页 |
| ·去边缘处理 | 第57-58页 |
| ·去斑点处理 | 第58-59页 |
| ·提取缺陷彩色图像 | 第59页 |
| ·本章小结 | 第59-62页 |
| 第五章 基于 BP 神经网络的水果缺陷种类识别 | 第62-76页 |
| ·水果缺陷特征信息提取 | 第62-68页 |
| ·提取单个缺陷 | 第62-63页 |
| ·颜色特征提取 | 第63-64页 |
| ·纹理特征提取 | 第64-66页 |
| ·几何特征提取 | 第66-68页 |
| ·水果缺陷的模式识别 | 第68-75页 |
| ·BP 神经网络简介 | 第68-69页 |
| ·BP 神经网络设计 | 第69-71页 |
| ·BP 神经网络学习及实验 | 第71-75页 |
| ·水果分级 | 第75页 |
| ·本章小结 | 第75-76页 |
| 第六章 水果缺陷自动识别系统开发 | 第76-88页 |
| ·软件系统组成及功能 | 第76-78页 |
| ·系统软件开发工具 | 第76页 |
| ·图像处理要求 | 第76-77页 |
| ·软件系统组成 | 第77-78页 |
| ·系统的设计开发 | 第78-84页 |
| ·软件界面的开发 | 第78-80页 |
| ·图像处理的实现 | 第80-84页 |
| ·软件应用实例 | 第84-86页 |
| ·本章小结 | 第86-88页 |
| 第七章 结论与展望 | 第88-90页 |
| ·结论 | 第88-89页 |
| ·不足之处及未来展望 | 第89-90页 |
| 致谢 | 第90-92页 |
| 附录 | 第92-94页 |
| 参考文献 | 第94-97页 |
