| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究的目的与意义 | 第12-14页 |
| 1.2 国内外研究进展 | 第14-22页 |
| 1.2.1 计算机视觉检测研究进展 | 第14-21页 |
| 1.2.2 农产品硬度检测研究 | 第21-22页 |
| 1.3 本文研究内容 | 第22-24页 |
| 第2章 鲜玉米果穗检测系统的构建与设计 | 第24-42页 |
| 2.1 引言 | 第24页 |
| 2.2 方案设计 | 第24-25页 |
| 2.3 系统关键设备的设计 | 第25-39页 |
| 2.3.1 触发装置 | 第25-28页 |
| 2.3.2 采集装置 | 第28-33页 |
| 2.3.3 输送机构 | 第33-35页 |
| 2.3.4 执行机构 | 第35-37页 |
| 2.3.5 压力检测装置 | 第37-39页 |
| 2.4 本章小结 | 第39-42页 |
| 第3章 基于外观品质的鲜玉米果穗分级方法研究 | 第42-64页 |
| 3.1 引言 | 第42页 |
| 3.2 鲜玉米果穗外观品质评价标准 | 第42-43页 |
| 3.3 基于质量分析检测系统的试验方案及分级步骤 | 第43-45页 |
| 3.3.1 试验材料和方法 | 第43-44页 |
| 3.3.2 分级步骤 | 第44-45页 |
| 3.4 果穗图像预处理方法研究 | 第45-49页 |
| 3.4.1 果穗图像的分割 | 第45-48页 |
| 3.4.2 图像去噪 | 第48页 |
| 3.4.3 颜色模型的选择与转换 | 第48-49页 |
| 3.5 秃尖的识别与去除 | 第49-54页 |
| 3.5.1 颜色模型的选择 | 第49-51页 |
| 3.5.2 秃尖识别与去除的步骤和方法 | 第51-54页 |
| 3.6 缺陷和穗形特征提取与计算 | 第54-58页 |
| 3.7 特征参数准确度分析 | 第58-59页 |
| 3.8 基于缺陷和穗形的果穗外观品质分级模型 | 第59-60页 |
| 3.9 穗形快速检测方法研究 | 第60-62页 |
| 3.9.1 穗形快速检测流程 | 第60-62页 |
| 3.9.2 穗形快速检测算法 | 第62页 |
| 3.10 本章小结 | 第62-64页 |
| 第4章 基于压力和图像分析的鲜玉米果穗成熟度分级方法研究 | 第64-90页 |
| 4.1 引言 | 第64页 |
| 4.2 基于质量分析检测系统的试验方案及评定步骤 | 第64-65页 |
| 4.2.1 试验材料和方法 | 第64页 |
| 4.2.2 成熟度分级检测步骤 | 第64-65页 |
| 4.3 压力和图像检测特征参数提取与分析 | 第65-69页 |
| 4.3.1 压力检测特征提取 | 第65-66页 |
| 4.3.2 图像纹理特征提取 | 第66-69页 |
| 4.4 成熟度聚类分析 | 第69-78页 |
| 4.4.1 样本标准化变换 | 第70-71页 |
| 4.4.2 聚类统计量的计算 | 第71-72页 |
| 4.4.3 聚类方法研究 | 第72-73页 |
| 4.4.4 聚类分析 | 第73-78页 |
| 4.5 基于颜色的成熟度特征参数提取与分析 | 第78-83页 |
| 4.5.1 颜色特征提取前处理 | 第78-79页 |
| 4.5.2 颜色特征优化与提取 | 第79-83页 |
| 4.6 基于神经网络的鲜玉米果穗成熟度评定模型 | 第83页 |
| 4.7 鲜玉米果穗成熟度快速分级方法研究 | 第83-87页 |
| 4.7.1 基于快速自动分级系统的果穗成熟度检测步骤 | 第83-84页 |
| 4.7.2 基于RGB 颜色模型的果穗成熟度快速分级方法 | 第84-85页 |
| 4.7.3 基于HSI 颜色模型的果穗成熟度快速分级方法 | 第85-87页 |
| 4.8 分级结果试验验证 | 第87-88页 |
| 4.9 本章小结 | 第88-90页 |
| 第5章 基于频域的鲜玉米果穗成熟度分级方法研究 | 第90-106页 |
| 5.1 引言 | 第90页 |
| 5.2 基于质量分析检测系统的试验方案及评定步骤 | 第90-91页 |
| 5.2.1 试验材料和方法 | 第90页 |
| 5.2.2 成熟度检测步骤 | 第90-91页 |
| 5.3 基于小波变换的计算机视觉检测方法 | 第91-101页 |
| 5.3.1 连续小波变换 | 第91页 |
| 5.3.2 一维离散小波变换 | 第91-92页 |
| 5.3.3 二维离散小波变换 | 第92-93页 |
| 5.3.4 小波分解层数的确定 | 第93-94页 |
| 5.3.5 基于颜色的小波分解图像成熟度特征提取 | 第94-95页 |
| 5.3.6 基于纹理的小波分解图像成熟度特征提取 | 第95-98页 |
| 5.3.7 特征参数的优化 | 第98-101页 |
| 5.4 基于人工神经网络的鲜玉米果穗成熟度评定模型 | 第101页 |
| 5.5 基于傅里叶变换的鲜玉米果穗成熟度等级评定方法研究 | 第101-104页 |
| 5.5.1 傅里叶变换 | 第101-102页 |
| 5.5.2 能量谱图像特征提取 | 第102-104页 |
| 5.6 方法的比较与选择 | 第104-105页 |
| 5.7 分级结果试验验证 | 第105页 |
| 5.8 本章小结 | 第105-106页 |
| 第6章 鲜玉米果穗分级检测系统软件的开发 | 第106-114页 |
| 6.1 引言 | 第106页 |
| 6.2 鲜玉米果穗质量分析检测系统软件 | 第106-109页 |
| 6.3 鲜玉米果穗快速自动分级系统软件 | 第109-111页 |
| 6.4 鲜玉米果穗信息数据库系统 | 第111-112页 |
| 6.5 本章小结 | 第112-114页 |
| 第7章 结论 | 第114-118页 |
| 7.1 结论 | 第114-115页 |
| 7.2 展望 | 第115-118页 |
| 参考文献 | 第118-126页 |
| 攻读博士学位期间发表的学术论文及取得的科研成果 | 第126-127页 |
| 致谢 | 第127页 |
