| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-30页 |
| ·前言 | 第10页 |
| ·研究的意义 | 第10-11页 |
| ·坚果无损检测的研究与应用现状 | 第11-26页 |
| ·核桃坚果的无损检测与分级研究现状 | 第12-15页 |
| ·其他类坚果的无损检测研究进展与应用 | 第15-26页 |
| ·国内外在该领域研究特点和不足 | 第26-28页 |
| ·研究特点 | 第26页 |
| ·研究中存在的不足 | 第26-28页 |
| ·研究的目的 | 第28页 |
| ·本研究的主要内容和技术路线 | 第28-29页 |
| ·本研究的主要内容 | 第28-29页 |
| ·本研究的技术路线 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第2章 核桃机器视觉图像采集与分析系统的设计 | 第30-43页 |
| ·机器视觉技术 | 第30页 |
| ·核桃RGB图像采集及品质评价系统的设计 | 第30-39页 |
| ·相机 | 第31-33页 |
| ·光源系统 | 第33-36页 |
| ·镜头 | 第36-37页 |
| ·图像采集卡 | 第37-38页 |
| ·主控计算机 | 第38页 |
| ·核桃机器视觉RGB图像采集与分析软件 | 第38-39页 |
| ·核桃机器视觉RGB图像采集与分析系统的搭建与优化 | 第39-42页 |
| ·核桃机器视觉RGB图像采集与分析系统组成 | 第39-40页 |
| ·系统调试和优化 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 核桃RGB图像处理及特征提取 | 第43-53页 |
| ·核桃RGB图像预处理 | 第43-46页 |
| ·试验图像样本 | 第43-44页 |
| ·图像裁切 | 第44页 |
| ·图像增强 | 第44-45页 |
| ·图像去噪 | 第45-46页 |
| ·图像分割 | 第46-49页 |
| ·特征提取 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 核桃外部缺陷识别模型的建立与分析 | 第53-63页 |
| ·核桃外部缺陷识别模型建立要求 | 第53-54页 |
| ·特征提取和变换 | 第54-55页 |
| ·核桃外部缺陷识别模型的建立 | 第55-59页 |
| ·模型类型的选择与样本集划分 | 第55页 |
| ·基于贝叶斯核桃外部缺陷识别模型的建立 | 第55-57页 |
| ·基于支持向量机核桃外部缺陷识别模型的建立 | 第57-58页 |
| ·基于BP神经网络核桃外部缺陷识别模型的建立 | 第58-59页 |
| ·优选模型与分析 | 第59-61页 |
| ·结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 核桃正常果品质检测分级研究 | 第63-70页 |
| ·试验材料与方法 | 第63-65页 |
| ·试验材料 | 第63页 |
| ·试验方法 | 第63-65页 |
| ·核桃正常果RGB图像采集 | 第65页 |
| ·图像处理与特征提取 | 第65-66页 |
| ·图像处理 | 第65页 |
| ·特征提取 | 第65-66页 |
| ·核桃分级模型的建立与分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 研究结论与展望 | 第70-72页 |
| ·研究结论 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83-84页 |
| 附件 | 第84页 |