| 摘要 | 第5-6页 |
| 英文摘要 | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究的目的与意义 | 第10-13页 |
| 1.1.1 我国苹果产业现状 | 第10-12页 |
| 1.1.2 苹果霉心病的基本特征 | 第12-13页 |
| 1.2 国内外果实品质无损检测研究现状 | 第13-18页 |
| 1.2.1 基于光谱分析的果实内部品质无损检测研究现状 | 第14-16页 |
| 1.2.2 基于核磁共振及X射线成像的果实内部品质无损检测研究现状 | 第16页 |
| 1.2.3 基于介电特性的果实内部品质无损检测研究现状 | 第16-17页 |
| 1.2.4 存在问题 | 第17-18页 |
| 1.3 本论文主要研究内容 | 第18-19页 |
| 第二章 苹果质量测量模块及其与上位机通信方法研究 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 苹果质量测量设备 | 第19-25页 |
| 2.2.1 实验材料 | 第19-21页 |
| 2.2.2 Arduino简介 | 第21-22页 |
| 2.2.3 称重传感器 | 第22-23页 |
| 2.2.4 HX711A/D模块 | 第23-25页 |
| 2.3 质量测量设备与主机的通讯 | 第25-26页 |
| 2.4 试验结果 | 第26-30页 |
| 2.4.1 不同贮藏时期苹果质量 | 第26-28页 |
| 2.4.2 串.通讯试验及调试结果 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于计算机视觉的苹果体积测量方法研究 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 前期试验准备工作 | 第31-32页 |
| 3.2.1 体积测量方法的前期研究 | 第31页 |
| 3.2.2 图像获取方法 | 第31-32页 |
| 3.3 基于计算机视觉的苹果图像处理方法 | 第32-40页 |
| 3.3.1 数字图像处理技术简介 | 第33-35页 |
| 3.3.2 自适应阈值法 | 第35-36页 |
| 3.3.3 K-means聚类算法 | 第36-38页 |
| 3.3.4 融合OTSU算法与K-means聚类算法的苹果目标分割方法 | 第38-40页 |
| 3.4 苹果体积拟合模型及苹果体积的计算方法 | 第40-43页 |
| 3.4.1 数字图像法计算苹果体积 | 第40页 |
| 3.4.2 拟合模型的建立 | 第40-41页 |
| 3.4.3 苹果体积计算结果 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 苹果密度特性变化规律及霉心病密度临界值的确定 | 第44-49页 |
| 4.1 引言 | 第44页 |
| 4.2 苹果密度研究 | 第44-46页 |
| 4.3 霉心病苹果与正常苹果密度临界值的确定及试验验证 | 第46-48页 |
| 4.3.1 苹果密度临界值的确定 | 第46-47页 |
| 4.3.2 霉心病苹果的检测 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 霉心病苹果无损检测系统设计 | 第49-60页 |
| 5.1 引言 | 第49页 |
| 5.2 MATLAB图像用户界面 | 第49页 |
| 5.3 基于密度特征的苹果霉心病无损检测系统整体设计 | 第49-58页 |
| 5.3.1 系统运行环境及开发环境 | 第49-50页 |
| 5.3.2 系统硬件及操作步骤 | 第50-51页 |
| 5.3.3 系统功能设计及流程图 | 第51-52页 |
| 5.3.4 系统功能实现及操作演示 | 第52-58页 |
| 5.4 试验验证 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 创新点 | 第61页 |
| 6.3 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
