青椒果实识别系统的设计与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究的目的和意义 | 第11-12页 |
| 1.2 识别系统国内外研究概况 | 第12-14页 |
| 1.3 研究的主要内容和方法 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 青椒果实识别系统总体设计与相关技术 | 第15-32页 |
| 2.1 计算机视觉理论 | 第15-19页 |
| 2.1.1 光和颜色 | 第15-17页 |
| 2.1.2 数字图像概述 | 第17-18页 |
| 2.1.3 计算机视觉系统概述 | 第18-19页 |
| 2.2 图像颜色模型概述与研究 | 第19-23页 |
| 2.2.1 RGB模型 | 第20-21页 |
| 2.2.2 HSI颜色模型 | 第21-22页 |
| 2.2.3 颜色模型转换 | 第22-23页 |
| 2.3 图像处理技术 | 第23-30页 |
| 2.3.1 灰度处理技术 | 第24页 |
| 2.3.2 图像分割技术 | 第24-25页 |
| 2.3.3 图像平滑方法的研究 | 第25-26页 |
| 2.3.4 图像二值形态学原理 | 第26-27页 |
| 2.3.5 图像边缘检测方法的研究 | 第27-30页 |
| 2.4 青椒果实识别系统总体设计 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 采集层模块与分割层模块的设计与实现 | 第32-56页 |
| 3.1 图像采集层模块的设计 | 第32-39页 |
| 3.1.1 原始青椒图像采集 | 第32-34页 |
| 3.1.2 感兴趣区域选取 | 第34页 |
| 3.1.3 感兴趣区域直方图分析 | 第34-35页 |
| 3.1.4 颜色因子比较 | 第35-39页 |
| 3.2 果实分割层模块的设计 | 第39-55页 |
| 3.2.1 青椒图像的灰度化 | 第40-41页 |
| 3.2.2 青椒图像的阈值分割 | 第41-47页 |
| 3.2.3 青椒图像的平滑处理 | 第47-51页 |
| 3.2.4 青椒图像的二值形态学处理及边缘检测 | 第51-55页 |
| 3.3 本章小结 | 第55-56页 |
| 第4章 基于形状特征的网络识别层模块设计与实现 | 第56-81页 |
| 4.1 网络识别层模块流程设计 | 第56-57页 |
| 4.2 青椒形状特征提取 | 第57-66页 |
| 4.2.1 青椒图像特征 | 第57-59页 |
| 4.2.2 青椒轮廓提取 | 第59-60页 |
| 4.2.3 青椒区域位置的定位 | 第60-61页 |
| 4.2.4 青椒区域形状特征的定义 | 第61页 |
| 4.2.5 青椒区域周长的计算 | 第61-62页 |
| 4.2.6 青椒区域面积的计算 | 第62-63页 |
| 4.2.7 青椒区域高度和宽度的提取 | 第63页 |
| 4.2.8 青椒区域长轴和短轴的提取 | 第63-65页 |
| 4.2.9 青椒区域特征值的计算 | 第65-66页 |
| 4.3 青椒识别系统BP神经网络的设计 | 第66-75页 |
| 4.3.1 BP神经网络基本原理 | 第66-67页 |
| 4.3.2 激活函数 | 第67-68页 |
| 4.3.3 学习算法 | 第68页 |
| 4.3.4 BP算法的实现 | 第68-70页 |
| 4.3.5 BP神经网络的建立 | 第70-72页 |
| 4.3.6 BP神经网络优化 | 第72-75页 |
| 4.4 青椒果实识别系统测试 | 第75-80页 |
| 4.5 本章小结 | 第80-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88-89页 |
| 个人简历 | 第89页 |
