基于机器视觉的大米外观品质判别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 机器视觉的研究现状 | 第11-12页 |
| 1.2.2 大米外观品质的研究现状 | 第12-14页 |
| 1.3 本课题研究的主要内容 | 第14-15页 |
| 第2章 机器视觉系统的设计 | 第15-22页 |
| 2.1 机器视觉基本原理 | 第15-16页 |
| 2.2 机器视觉的硬件设计 | 第16-20页 |
| 2.2.1 光源 | 第16-17页 |
| 2.2.2 图像传感器 | 第17-19页 |
| 2.2.3 背景板 | 第19页 |
| 2.2.4 镜头 | 第19-20页 |
| 2.3 机器视觉的软件设计 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 图像预处理方法研究 | 第22-39页 |
| 3.1 图像的增强 | 第22-23页 |
| 3.2 图像的灰度化处理 | 第23-25页 |
| 3.2.1 灰度化方法 | 第23-24页 |
| 3.2.2 大米的灰度化 | 第24-25页 |
| 3.3 噪声处理 | 第25-28页 |
| 3.3.1 邻域平均法 | 第25-26页 |
| 3.3.2 中值滤波 | 第26-28页 |
| 3.4 图像分割 | 第28-32页 |
| 3.4.1 阈值分割处理 | 第28-30页 |
| 3.4.2 大米图像的背景分割 | 第30-32页 |
| 3.4.3 垩白区域的分割 | 第32页 |
| 3.5 粘连米粒的分割 | 第32-36页 |
| 3.5.1 分水岭算法 | 第33-34页 |
| 3.5.2 距离变换 | 第34-36页 |
| 3.6 区域标记算法 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 大米米粒的判别 | 第39-57页 |
| 4.1 特征数据的提取 | 第39-45页 |
| 4.2 主成分分析算法 | 第45-49页 |
| 4.2.1 主成分分析算法原理 | 第45-47页 |
| 4.2.2 大米的主成分 | 第47-49页 |
| 4.3 BP神经网络 | 第49-55页 |
| 4.3.1 PCA-BP神经网络模型 | 第50-51页 |
| 4.3.2 神经网络的拓扑结构 | 第51页 |
| 4.3.3 BP神经网络的改进 | 第51-52页 |
| 4.3.4 样本的学习过程 | 第52-55页 |
| 4.4 PCA-BP识别模型的评估 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
