鸡蛋外观品质识别方法及试验装置研究
| 1 引言 | 第1-10页 |
| ·课题研究的背景及意义 | 第6-7页 |
| ·机器视觉技术概述 | 第7-8页 |
| ·禽蛋品质检测国内外研究现状 | 第8-9页 |
| ·国外研究概况 | 第8-9页 |
| ·国内研究概况 | 第9页 |
| ·本课题研究主要内容和目标 | 第9-10页 |
| 2 机器视觉系统硬件 | 第10-13页 |
| ·CCD 摄像机 | 第10页 |
| ·光照箱 | 第10-11页 |
| ·光源 | 第11页 |
| ·背景选择 | 第11页 |
| ·系统标定 | 第11-13页 |
| 3 图像预处理 | 第13-16页 |
| ·图像类型转换 | 第13页 |
| ·图像增强 | 第13-14页 |
| ·灰度变换 | 第13-14页 |
| ·图像平滑处理 | 第14页 |
| ·图像二值化 | 第14-15页 |
| ·边缘检测 | 第15-16页 |
| 4 图像分割及外观特征参数提取 | 第16-21页 |
| ·图像分割 | 第16-18页 |
| ·分割算法 | 第16-17页 |
| ·分割结果 | 第17-18页 |
| ·重量特征参数 | 第18-19页 |
| ·形状特征参数 | 第19-21页 |
| 5 基于遗传BP 算法的神经网络设计 | 第21-28页 |
| ·人工神经网络和BP 算法 | 第21-22页 |
| ·标准BP 神经网络简介 | 第22-24页 |
| ·BP 神经元结构及网络传递函数 | 第22-23页 |
| ·BP 神经网络结构及学习规则 | 第23页 |
| ·标准BP 算法存在的问题 | 第23-24页 |
| ·改进BP 算法 | 第24-25页 |
| ·附加动量法和自适应学习率调整 | 第24页 |
| ·共轭梯度算法 | 第24-25页 |
| ·L-M 算法 | 第25页 |
| ·遗传算法和BP 算法相结合 | 第25-26页 |
| ·遗传算法的基本理论 | 第25-26页 |
| ·遗传算法和BP 算法的有机结合 | 第26页 |
| ·算法分析 | 第26-28页 |
| 6 算法模型确定和试验结果 | 第28-39页 |
| ·BP 网络相关参数确定 | 第28-29页 |
| ·网络层数选择 | 第28页 |
| ·节点数选择 | 第28页 |
| ·传递函数 | 第28-29页 |
| ·输入数据处理 | 第29页 |
| ·遗传算法关键问题 | 第29-30页 |
| ·编码方式确定 | 第29-30页 |
| ·目标函数及适应度函数的选择 | 第30页 |
| ·算法模型建立 | 第30-34页 |
| ·试验样本选择、分类 | 第34页 |
| ·试验结果 | 第34-39页 |
| ·网络训练结果 | 第34-36页 |
| ·网络仿真结果 | 第36-39页 |
| 7 结论 | 第39页 |
| 8 存在的问题及展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 作者简介 | 第44页 |
