基于机器视觉的种鸡蛋无损检测关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究背景及意义 | 第11-12页 |
| 1.3 机器视觉在种鸡蛋检测方面的研究现状 | 第12-18页 |
| 1.3.1 鸡蛋检测的研究现状 | 第12-14页 |
| 1.3.2 鸡蛋检测设备的研究现状 | 第14-17页 |
| 1.3.3 区域分割算法的研究现状 | 第17页 |
| 1.3.4 识别算法的研究现状 | 第17-18页 |
| 1.4 论文的主要工作 | 第18-20页 |
| 第二章 种鸡蛋检测系统设计 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 组成机构和工作原理 | 第20-22页 |
| 2.3 鸡蛋蛋黄检测系统的设计指标 | 第22-23页 |
| 2.4 蛋黄检测装置结构 | 第23-30页 |
| 2.4.1 硬件选型 | 第23-25页 |
| 2.4.2 光源设计 | 第25-29页 |
| 2.4.3 遮光机构 | 第29-30页 |
| 2.5 种鸡蛋表面检测装置的结构 | 第30-31页 |
| 2.6 检测装置的图像采集效果 | 第31-33页 |
| 2.6.1 鸡蛋蛋黄图像 | 第31-32页 |
| 2.6.2 鸡蛋表面图像 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第三章 基于区间分割的蛋黄区域提取算法 | 第34-48页 |
| 3.1 引言 | 第34页 |
| 3.2 提取算法流程 | 第34-38页 |
| 3.3 蛋黄区域提取算法 | 第38-43页 |
| 3.3.1 数据结构设计 | 第39页 |
| 3.3.2 数据区间组织 | 第39-40页 |
| 3.3.3 数据区间操作 | 第40-42页 |
| 3.3.4 区域提取策略 | 第42页 |
| 3.3.5 算法运行结果 | 第42-43页 |
| 3.3.6 算法对比 | 第43页 |
| 3.4 实验分析 | 第43-47页 |
| 3.4.1 实验验证 | 第43-44页 |
| 3.4.2 实验结果与性能评估 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 种鸡蛋蛋黄识别的AdaBoost算法 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 蛋黄几何特征 | 第48-50页 |
| 4.2.1 特征定义 | 第48-49页 |
| 4.2.2 特征提取 | 第49-50页 |
| 4.3 AdaBoost识别算法 | 第50-60页 |
| 4.3.1 AdaBoost算法原理 | 第51-52页 |
| 4.3.2 AdaBoost算法流程 | 第52页 |
| 4.3.3 弱分类器的构建 | 第52-60页 |
| 4.3.4 强分类器的构建 | 第60页 |
| 4.4 实验分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 种鸡蛋表面破损检测 | 第62-70页 |
| 5.1 引言 | 第62页 |
| 5.2 检测算法流程 | 第62-66页 |
| 5.2.1 颜色模型转换 | 第63页 |
| 5.2.2 聚类 | 第63-64页 |
| 5.2.3 滤波 | 第64页 |
| 5.2.4 小波分析 | 第64-66页 |
| 5.2.5 去除鸡蛋边缘 | 第66页 |
| 5.3 鸡蛋表面检测 | 第66-67页 |
| 5.3.1 统计模板生成 | 第66-67页 |
| 5.3.2 缺陷识别 | 第67页 |
| 5.4 实验分析 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 总结与展望 | 第70-71页 |
| 总结 | 第70页 |
| 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
