| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究目的和意义 | 第11页 |
| ·国内外研究现状 | 第11-17页 |
| ·X 射线图像在农产品品质检测中的研究现状 | 第11-13页 |
| ·图像阈值分割技术 | 第13-15页 |
| ·图像识别技术现状 | 第15-16页 |
| ·遗传算法研究现状 | 第16-17页 |
| ·研究内容和技术路线 | 第17-19页 |
| ·主要研究内容 | 第17页 |
| ·技术路线 | 第17-19页 |
| 第二章 果品 X 射线图像的预处理 | 第19-26页 |
| ·常用滤波器介绍 | 第19-22页 |
| ·均值滤波器 | 第19-20页 |
| ·Wiener 滤波器 | 第20页 |
| ·中值滤波器 | 第20-21页 |
| ·巴特沃斯低通滤波器 | 第21-22页 |
| ·指数低通滤波器 | 第22页 |
| ·各滤波器对板栗 X 射线图像的处理效果 | 第22-25页 |
| ·试验材料及方法 | 第22-23页 |
| ·滤波效果比较 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 果品 X 射线图像的分割 | 第26-38页 |
| ·几种常规的分割算法 | 第26-29页 |
| ·最大类间方差法 | 第26页 |
| ·迭代法 | 第26-27页 |
| ·熵方法 | 第27页 |
| ·基于二维最大类间方差的 Otsu 分割方法 | 第27-29页 |
| ·基于邻差和-凹面的图像分割算法 | 第29-32页 |
| ·邻差和的概念 | 第29-30页 |
| ·基于邻差和-凹面的分割算法 | 第30-32页 |
| ·试验结果与分析 | 第32-37页 |
| ·试验材料和方法 | 第32-33页 |
| ·试验结果和分析 | 第33-34页 |
| ·本方法在几种水果图像分割中的应用 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于遗传算法的图像特征选择 | 第38-50页 |
| ·果品 X 射线图像的特征量 | 第38-42页 |
| ·基于直方图的特征 | 第38-39页 |
| ·基于灰度共生矩阵的特征 | 第39-40页 |
| ·基于灰度-梯度共生矩阵的特征 | 第40-42页 |
| ·基于遗传算法的特征选择 | 第42-45页 |
| ·特征项个体编码和初始群体生成 | 第43页 |
| ·适应度函数的确定 | 第43-44页 |
| ·特征群体的遗传操作和终止条件 | 第44-45页 |
| ·试验结果与分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于遗传算法 BP 人工神经网络的板栗识别 | 第50-60页 |
| ·基于 BP 人工神经网络的识别方法 | 第50-51页 |
| ·BP 人工神经网络的构建 | 第51-53页 |
| ·基于遗传算法的 BP 网络优化 | 第53-57页 |
| ·个体编码与初始种群 | 第54-55页 |
| ·适应度函数的确定 | 第55页 |
| ·遗传操作和终止条件 | 第55-56页 |
| ·网络优化结果与分析 | 第56-57页 |
| ·识别试验结果与分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·结论 | 第60页 |
| ·创新点 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |