基于计算机视觉的柑橘分选系统
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·柑橘分选的目的和意义 | 第10-11页 |
| ·我国柑橘生产现状 | 第10-11页 |
| ·柑橘分级的目的、意义 | 第11页 |
| ·柑橘分级方法 | 第11-12页 |
| ·人工分级 | 第11-12页 |
| ·机械分级 | 第12页 |
| ·基于计算机视觉的分级 | 第12页 |
| ·国内外研究现状 | 第12-15页 |
| ·国外的研究现状 | 第13-14页 |
| ·国内的研究现状 | 第14-15页 |
| ·本研究的主要内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 颜色模型与图像滤波 | 第17-27页 |
| ·颜色模型 | 第17-21页 |
| ·RGB颜色模型 | 第17-18页 |
| ·HIS颜色模型 | 第18-19页 |
| ·YUV格式水果图像二值处理 | 第19-21页 |
| ·图像滤波 | 第21-24页 |
| ·均值滤波 | 第21页 |
| ·中值滤波 | 第21-22页 |
| ·快速中值滤波 | 第22-24页 |
| ·实验结果与分析 | 第24-25页 |
| ·结语 | 第25-27页 |
| 3 图像分割与图像边界提取 | 第27-40页 |
| ·图像分割 | 第27-33页 |
| ·特征聚类法和基于神经网络的分割算法 | 第27-28页 |
| ·单通道阈值分割法 | 第28-31页 |
| ·多通道分割 | 第31-33页 |
| ·图像边界提取 | 第33-39页 |
| ·Soble算子 | 第33页 |
| ·Canny算子 | 第33-34页 |
| ·基于线段的边界提取方法 | 第34-38页 |
| ·实验结果与分析 | 第38-39页 |
| ·结语 | 第39-40页 |
| 4 柑橘最大直径检测 | 第40-46页 |
| ·水果图像最大直径检测 | 第42-43页 |
| ·算法实现与比较 | 第43-45页 |
| ·结语 | 第45-46页 |
| 5 柑橘缺陷检测 | 第46-53页 |
| ·定向技术 | 第47-48页 |
| ·阈值分割与区域增长结合分割法 | 第48-50页 |
| ·阈值分割方法 | 第49页 |
| ·基于区域的方法 | 第49-50页 |
| ·阈值分割与区域增长结合分割法 | 第50页 |
| ·实验结果与分析 | 第50-52页 |
| ·结语 | 第52-53页 |
| 6 系统框架 | 第53-60页 |
| ·系统硬件构成 | 第53-55页 |
| ·计算机 | 第53-54页 |
| ·图像采集系统与照明系统 | 第54-55页 |
| ·传送装置 | 第55页 |
| ·分级执行装置 | 第55页 |
| ·软件部分 | 第55-59页 |
| ·上位机程序 | 第55-58页 |
| ·水果检测程序 | 第58-59页 |
| ·结语 | 第59-60页 |
| 7 结论与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 个人简历 | 第65-66页 |
| 致谢 | 第66页 |
