| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 机器视觉技术在农产品中的研究进展 | 第11-12页 |
| 1.2.2 鲜葡萄品质等级分级检测研究进展 | 第12-13页 |
| 1.2.3 葡萄干品质等级分级检测研究进展 | 第13-16页 |
| 1.3 研究内容和技术路线 | 第16-17页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 第2章 机器视觉系统、实验材料及图像采集 | 第17-24页 |
| 2.1 机器视觉系统概述 | 第17-21页 |
| 2.1.1 机器视觉系统基本工作原理 | 第17页 |
| 2.1.2 机器视觉成像系统 | 第17-21页 |
| 2.2 实验材料 | 第21-22页 |
| 2.2.1 鲜葡萄 | 第21-22页 |
| 2.2.2 葡萄干 | 第22页 |
| 2.3 图像采集 | 第22-24页 |
| 2.3.1 鲜葡萄图像采集 | 第22页 |
| 2.3.2 葡萄干图像采集 | 第22-24页 |
| 第3章 图像处理与模式识别基本算法研究 | 第24-34页 |
| 3.1 数字图像处理基本原理 | 第24页 |
| 3.2 图像预处理 | 第24-29页 |
| 3.2.1 图像灰度化 | 第24-25页 |
| 3.2.2 图像滤波算法 | 第25-27页 |
| 3.2.3 图像分割算法 | 第27-29页 |
| 3.3 图像矫正 | 第29-30页 |
| 3.4 图像识别算法 | 第30-34页 |
| 3.4.1 线性回归算法 | 第30-31页 |
| 3.4.2 二次判别分析法 | 第31-32页 |
| 3.4.3 BP 神经网络 | 第32-34页 |
| 第4章 基于机器视觉技术的葡萄穗质量预测分析 | 第34-40页 |
| 4.1 引言 | 第34页 |
| 4.2 材料与方法 | 第34-35页 |
| 4.2.1 材料 | 第34页 |
| 4.2.2 数据分析方法和步骤 | 第34-35页 |
| 4.3 结果与分析 | 第35-39页 |
| 4.3.1 图像二值化 | 第35-36页 |
| 4.3.2 葡萄的质量预测 | 第36-39页 |
| 4.4 讨论 | 第39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 基于机器视觉技术的单粒葡萄质量与果径预测分析 | 第40-46页 |
| 5.1 引言 | 第40页 |
| 5.2 材料与方法 | 第40-41页 |
| 5.2.1 材料 | 第40页 |
| 5.2.2 数据分析方法与步骤 | 第40-41页 |
| 5.3 结果与分析 | 第41-44页 |
| 5.3.1 获得最优二值图像 | 第41-42页 |
| 5.3.2 单粒葡萄质量及果径预测分析 | 第42-44页 |
| 5.3.3 单粒葡萄分级 | 第44页 |
| 5.4 讨论 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第6章 基于机器视觉技术的新疆葡萄干色泽分级研究 | 第46-54页 |
| 6.1 引言 | 第46页 |
| 6.2 材料与方法 | 第46-48页 |
| 6.2.1 材料 | 第46页 |
| 6.2.2 数据分析方法与步骤 | 第46-48页 |
| 6.3 结果与分析 | 第48-52页 |
| 6.3.1 特征提取 | 第48-50页 |
| 6.3.2 BP 神经网络设计与仿真实验 | 第50-52页 |
| 6.4 讨论 | 第52页 |
| 6.5 本章小结 | 第52-54页 |
| 第7章 结论与展望 | 第54-56页 |
| 7.1 主要研究结论 | 第54-55页 |
| 7.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |