基于机器视觉的大米自动分级算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及其意义 | 第9页 |
| ·国内外的研究现状 | 第9-13页 |
| ·国内外农产品机器视觉检测研究现状 | 第10页 |
| ·国内外大米外观品质机器视觉检测研究现状 | 第10-13页 |
| ·研究内容和研究方案 | 第13-15页 |
| ·研究内容 | 第13-14页 |
| ·研究方案 | 第14-15页 |
| 第2章 大米图像采集 | 第15-24页 |
| ·图像 | 第15-19页 |
| ·大米图像 | 第15-16页 |
| ·图像格式 | 第16页 |
| ·图像的基本类型 | 第16-17页 |
| ·彩色模型 | 第17-19页 |
| ·图像采集条件的研究 | 第19-24页 |
| ·大米图像采集质量与大米外观品质检测 | 第19-20页 |
| ·影响因素 | 第20页 |
| ·评价标准 | 第20-21页 |
| ·实验及结果分析 | 第21-23页 |
| ·结论 | 第23-24页 |
| 第3章 图像分割 | 第24-36页 |
| ·背景分割 | 第24-30页 |
| ·分割算法 | 第25-30页 |
| ·分割特征 | 第30页 |
| ·单籽粒的提取 | 第30-36页 |
| ·大米图像分割 | 第31-32页 |
| ·图像去噪 | 第32-33页 |
| ·提取边界 | 第33页 |
| ·腐蚀和膨胀算法 | 第33-35页 |
| ·结论 | 第35-36页 |
| 第4章 大米外观品质检测算法的研究 | 第36-45页 |
| ·碎米率检测 | 第36-39页 |
| ·图像采集 | 第36-37页 |
| ·针对籽粒连接的碎米检测算法 | 第37-38页 |
| ·实验及结果分析 | 第38页 |
| ·结论 | 第38-39页 |
| ·垩白检测 | 第39-43页 |
| ·图像采集 | 第39-40页 |
| ·垩白检测算法的研究 | 第40-42页 |
| ·实验及结果分析 | 第42-43页 |
| ·结论 | 第43页 |
| ·大米外观品质等级的自动检测 | 第43-45页 |
| ·大米外观品质等级检测算法的步骤 | 第43页 |
| ·实验及结果分析 | 第43-44页 |
| ·结论 | 第44-45页 |
| 第5章 大米品种识别算法的研究 | 第45-56页 |
| ·大米品种 | 第45页 |
| ·特征提取 | 第45-47页 |
| ·米粒特征概述 | 第45页 |
| ·基本特征参数 | 第45-47页 |
| ·不变矩特征参数 | 第47页 |
| ·单特征识别大米品种 | 第47-48页 |
| ·人工神经网络识别大米品种 | 第48-56页 |
| ·人工神经网络 | 第48-49页 |
| ·BP 神经网络 | 第49-50页 |
| ·BP 神经网络识别大米品种 | 第50-56页 |
| 第6章 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 致谢 | 第70页 |
