基于机器视觉的淡水鱼品种识别及重量预测研究
| 目录 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 绪论 | 第10-16页 |
| ·研究的目的和意义 | 第10-11页 |
| ·机器视觉技术简介及应用现状 | 第11-14页 |
| ·机器视觉技术简介 | 第11页 |
| ·机器视觉的应用现状 | 第11-14页 |
| ·研究内容与技术路线 | 第14-16页 |
| ·主要研究内容 | 第14-15页 |
| ·研究技术路线 | 第15-16页 |
| 2 图像采集系统及预处理方法 | 第16-29页 |
| ·图像采集系统 | 第16-17页 |
| ·图像标定 | 第17页 |
| ·图像采集 | 第17-19页 |
| ·数字图像处理 | 第19-28页 |
| ·数字图像处理技术基础原理 | 第19-20页 |
| ·提取颜色分量 | 第20-21页 |
| ·图像灰度化 | 第21-22页 |
| ·图像二值化 | 第22-23页 |
| ·图像增强 | 第23-27页 |
| ·轮廓提取 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于机器视觉的淡水鱼品种识别研究 | 第29-40页 |
| ·试验材料 | 第29页 |
| ·淡水鱼图像颜色特征提取与分析 | 第29-33页 |
| ·红色分量 | 第30-31页 |
| ·绿色分量 | 第31-32页 |
| ·蓝色分量 | 第32-33页 |
| ·淡水鱼体型特征提取与分析 | 第33-35页 |
| ·长短轴的提取 | 第33页 |
| ·体型特征的分析 | 第33-35页 |
| ·品种识别模型的建立 | 第35-37页 |
| ·模型的检验 | 第37页 |
| ·模型的分析与讨论 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于机器视觉的淡水鱼重量预测研究 | 第40-59页 |
| ·试验材料 | 第40页 |
| ·鱼体特征分析 | 第40-46页 |
| ·鲢鱼体型特征提取 | 第40-42页 |
| ·鳊鱼体型特征提取 | 第42-43页 |
| ·鲫鱼体型特征提取 | 第43-44页 |
| ·鲤鱼体型特征提取 | 第44-46页 |
| ·图像特征提取 | 第46-52页 |
| ·鲢鱼图像特征提取 | 第47-48页 |
| ·鳊鱼图像特征提取 | 第48-50页 |
| ·鲫鱼图像特征提取 | 第50-51页 |
| ·鲤鱼图像特征提取 | 第51-52页 |
| ·重量预测模型的建立 | 第52-54页 |
| ·鲢鱼重量预测模型的建立 | 第52-53页 |
| ·鳊鱼重量预测模型的建立 | 第53页 |
| ·鲫鱼重量预测模型的建立 | 第53-54页 |
| ·鲤鱼重量预测模型的建立 | 第54页 |
| ·模型的检验 | 第54-57页 |
| ·模型分析与讨论 | 第57页 |
| ·本章小结 | 第57-59页 |
| 5 结论与进一步研究设想 | 第59-61页 |
| ·主要研究结论 | 第59-60页 |
| ·进一步研究设想 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录 攻读硕士学位期间发表的论文 | 第66页 |
