| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 前言 | 第12-21页 |
| 1 研究目的和意义 | 第12-14页 |
| ·花生的产业地位 | 第12页 |
| ·出口花生外观品质要求 | 第12-13页 |
| ·出口花生现状 | 第13页 |
| ·外观品质分级的必要性和重要性 | 第13-14页 |
| 2 计算机视觉技术的国内外研究概况 | 第14-18页 |
| ·计算机视觉在农产品表面缺陷检测中的应用 | 第14-15页 |
| ·计算机视觉在农产品尺寸检测中的应用 | 第15-16页 |
| ·计算机视觉在农产品形状检测中的应用 | 第16页 |
| ·机器视觉在农产品颜色检测中的应用 | 第16-17页 |
| ·计算机视觉在农产品其他品质检测中的应用 | 第17页 |
| ·计算机视觉在花生品质检测中的应用 | 第17-18页 |
| 3 主要研究内容 | 第18-19页 |
| 4 技术路线 | 第19-20页 |
| 5 本章小结 | 第20-21页 |
| 第一章 图像采集与图像处理基础算法 | 第21-46页 |
| 1 计算机视觉硬件系统 | 第21-22页 |
| 2 颜色模型 | 第22-25页 |
| ·颜色基本原理 | 第22页 |
| ·常用的颜色模型 | 第22页 |
| ·RGB颜色模型 | 第22-24页 |
| ·HSI颜色模型 | 第24-25页 |
| 3 彩色图像灰度化 | 第25-26页 |
| 4 图像增强 | 第26-29页 |
| ·灰度变换法 | 第26-27页 |
| ·直方图均衡化 | 第27页 |
| ·图象增强处理结果与分析 | 第27-29页 |
| 5 图像滤波 | 第29-31页 |
| ·线性(均值)滤波 | 第29-30页 |
| ·中值滤波 | 第30页 |
| ·维纳滤波 | 第30-31页 |
| ·滤波处理结果与分析 | 第31页 |
| 6 图像分割 | 第31-34页 |
| ·阈值分割 | 第31-33页 |
| ·分割处理结果与分析 | 第33-34页 |
| 7 花生仁的边界轮廓跟踪 | 第34-37页 |
| ·链码 | 第34-35页 |
| ·链码轮廓跟踪算法 | 第35-36页 |
| ·边缘轮廓跟踪结果与分析 | 第36-37页 |
| 8 边缘检测 | 第37-41页 |
| ·边缘检测算子 | 第37-40页 |
| ·Robert算子 | 第37-38页 |
| ·Prewitt算子 | 第38页 |
| ·Sobel算子 | 第38-39页 |
| ·Log(Laplacian of Gaussian)算子 | 第39-40页 |
| ·Canny算子 | 第40页 |
| ·边缘检测各算子比较 | 第40-41页 |
| 9 形态学运算 | 第41-43页 |
| ·膨胀 | 第41-42页 |
| ·腐蚀 | 第42页 |
| ·开运算 | 第42页 |
| ·闭运算 | 第42-43页 |
| 10 区域填充与标记 | 第43-44页 |
| 11 图像合成 | 第44页 |
| 12 本章小结 | 第44-46页 |
| 第二章 霉变花生仁识别 | 第46-78页 |
| 1 霉变花生仁识别 | 第46-70页 |
| ·花生仁样品图像获取 | 第46-47页 |
| ·图像预处理 | 第47-49页 |
| ·图像噪声的去除 | 第47页 |
| ·边缘提取 | 第47-48页 |
| ·形态学滤波 | 第48页 |
| ·图像填充 | 第48-49页 |
| ·图像合成 | 第49页 |
| ·特征信息选择 | 第49-59页 |
| ·颜色特征参数 | 第50-56页 |
| ·纹理特征值参数 | 第56-59页 |
| ·霉变识别系统 | 第59-69页 |
| ·BP神经网络设计 | 第59-61页 |
| ·BP神经网络结构 | 第61-62页 |
| ·BP神经网络的生成及初始化 | 第62-63页 |
| ·BP神经网络的训练和仿真 | 第63-64页 |
| ·花生仁霉变情况识别系统 | 第64-66页 |
| ·网络训练 | 第66-69页 |
| ·系统的实现和试验结果验证 | 第69-70页 |
| ·界面设计 | 第69-70页 |
| ·试验结果验证 | 第70页 |
| 2 花生仁霉变程度检测 | 第70-76页 |
| ·样品图像获取 | 第70-71页 |
| ·图像处理 | 第71-72页 |
| ·特征参数选取 | 第72-73页 |
| ·花生仁霉变程度识别 | 第73-76页 |
| ·花生仁霉变区域分割及识 | 第73-75页 |
| ·试验结果验证 | 第75-76页 |
| 3 紫外灯光下花生仁的图像特性 | 第76-77页 |
| 4 本章小结 | 第77-78页 |
| 第三章 破损花生仁识别 | 第78-86页 |
| 1 花生仁样品图像获取与图像处理 | 第78-82页 |
| ·花生仁图像获取 | 第78-79页 |
| ·各类花生仁图像特点 | 第79-82页 |
| 2 图像处理与分割 | 第82-83页 |
| 3 破损区域颜色特征参数值提取 | 第83页 |
| 4 破损花生仁的自动识别 | 第83-85页 |
| ·破损识别准则 | 第83-85页 |
| ·试验验证与讨论 | 第85页 |
| 5 本章小结 | 第85-86页 |
| 第四章 花生仁形状识别 | 第86-102页 |
| 1 花生图像处理 | 第87-90页 |
| ·花生仁图像采集 | 第87-88页 |
| ·颜色分量提取 | 第88-89页 |
| ·图像分割 | 第89页 |
| ·图像边界轮廓跟踪 | 第89-90页 |
| ·花生仁区域形心的计算 | 第90页 |
| 2 基于傅立叶变换的花生仁形状特征描述 | 第90-95页 |
| ·花生仁形状特征参数的提取 | 第90-91页 |
| ·离散傅立叶级数及离散傅立叶变换 | 第91-92页 |
| ·边界轮廓线的傅立叶描述子 | 第92页 |
| ·边界曲线的离散化 | 第92-93页 |
| ·离散序列的大小归一化 | 第93页 |
| ·离散傅立叶变换 | 第93-95页 |
| 3 花生仁形状BP神经网络识别系统 | 第95-99页 |
| ·花生仁形状识别网络建立 | 第96-99页 |
| ·建立长形花生仁网络 | 第96-97页 |
| ·建立普通形花生仁网络 | 第97页 |
| ·建立三角形花生仁网络 | 第97-99页 |
| 4 花生仁形状识别系统设计 | 第99-101页 |
| ·识别系统程序设计 | 第99-100页 |
| ·识别系统界面设计 | 第100-101页 |
| ·验证 | 第101页 |
| 5 本章小结 | 第101-102页 |
| 第五章 花生基本几何特征及大小识别 | 第102-118页 |
| 1 花生仁基本几何特征提取 | 第102-105页 |
| ·常用基本几何特征量 | 第102-104页 |
| ·几何特征量提取 | 第104-105页 |
| 2 花生仁重量与其投影面积的回归模型 | 第105-108页 |
| ·花生米重量与其投影面积回归模型 | 第105-107页 |
| ·回归模型显著性检验 | 第107页 |
| ·回归模型验证 | 第107-108页 |
| ·讨论 | 第108页 |
| 3 花生仁大小识别 | 第108-117页 |
| ·花生仁图像获取及几何特征提取 | 第108-109页 |
| ·SVM分类识别器的基本理论 | 第109-114页 |
| ·花生仁大小识别系统设计 | 第114-115页 |
| ·花生仁形状识别系统的界面设计 | 第115-116页 |
| ·模型验证 | 第116-117页 |
| 4 本章小结 | 第117-118页 |
| 第六章 花生仁货架期检测 | 第118-126页 |
| 1 花生仁样品图像获取与特征提取 | 第118-120页 |
| ·花生仁图像获取 | 第118-119页 |
| ·花生仁特征参数提取 | 第119-120页 |
| 2 颜色变化规律 | 第120-122页 |
| ·颜色特征变化规律 | 第120-121页 |
| ·纹理特征变化规律 | 第121页 |
| ·特征参数选择 | 第121-122页 |
| 3 基于马氏距离的花生仁货架期判别 | 第122-125页 |
| ·马氏距离判别法 | 第122-124页 |
| ·马氏距离的基本原理 | 第122页 |
| ·分类器的训练原理 | 第122-123页 |
| ·分类器的分类原理 | 第123-124页 |
| ·花生仁货架期检测系统 | 第124-125页 |
| ·检测系统实现 | 第124页 |
| ·验证结果与讨 | 第124-125页 |
| 4 本章小结 | 第125-126页 |
| 第七章 花生仁在线检测与分级系统的设计 | 第126-132页 |
| 1 总体方案设计 | 第126-131页 |
| ·硬件系统设计 | 第126-129页 |
| ·机械系统设计 | 第127-128页 |
| ·视觉检测系统 | 第128页 |
| ·控制系统 | 第128-129页 |
| ·软件系统设计 | 第129-131页 |
| ·花生仁外观质量检测系统试验验证 | 第131页 |
| 2 本章小结 | 第131-132页 |
| 第八章 总结与展望 | 第132-135页 |
| 1 总结 | 第132页 |
| 2 主要创新点 | 第132-133页 |
| 3 展望 | 第133页 |
| 4 讨论 | 第133-135页 |
| 参考文献 | 第135-141页 |
| 致谢 | 第141-142页 |
| 附录 研究生期间发表的相关论文 | 第142页 |