基于支持向量机的养鸡场死鸡检测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·机器视觉研究现状 | 第11-12页 |
| ·支持向量机研究现状 | 第12-14页 |
| ·课题主要研究内容 | 第14-16页 |
| ·检测算法的研究 | 第14页 |
| ·本课题关键问题以及解决方法 | 第14-16页 |
| 第二章 死鸡检测机器视觉系统构成 | 第16-30页 |
| ·系统整体设计 | 第16-17页 |
| ·机器视觉系统概述 | 第17页 |
| ·硬件系统构成 | 第17-25页 |
| ·CCD相机 | 第17-21页 |
| ·镜头 | 第21-23页 |
| ·图像采集卡 | 第23-25页 |
| ·图像处理计算机 | 第25页 |
| ·软件系统设计 | 第25-29页 |
| ·VC++开发平台简介 | 第25-26页 |
| ·图像采集设备软件部分 | 第26-27页 |
| ·软件系统结构 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 死鸡检测图像预处理方法 | 第30-42页 |
| ·数字图像处理简介 | 第30页 |
| ·彩色图像及灰度化 | 第30-36页 |
| ·彩色的形成原理与基本概念 | 第30-31页 |
| ·颜色模型 | 第31-36页 |
| ·彩色图像灰度化 | 第36页 |
| ·图像增强与去噪 | 第36-41页 |
| ·图像增强 | 第36-38页 |
| ·图像去噪 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 死鸡检测图像分割与边缘检测方法 | 第42-54页 |
| ·图像分割 | 第42-48页 |
| ·双峰法 | 第42-43页 |
| ·最小错误阈值分割法 | 第43页 |
| ·最大类间方差法(Otsu法) | 第43-45页 |
| ·改进的最大类间方差法 | 第45-46页 |
| ·数学形态学处理 | 第46-48页 |
| ·经典图像边缘检测方法 | 第48-52页 |
| ·Sobel边缘检测算子 | 第49-50页 |
| ·Roberts边缘检测算子 | 第50页 |
| ·Laplac边缘检测算子 | 第50-51页 |
| ·Canny边缘检测算子 | 第51-52页 |
| ·基于数学形态学的边缘检测 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于SVM的养鸡场死鸡检测算法 | 第54-70页 |
| ·算法概述 | 第54-56页 |
| ·支持向量机理论 | 第56-61页 |
| ·支持向量机(SVM)概述 | 第56-57页 |
| ·支持向量机(SVM)原理 | 第57-59页 |
| ·最小二乘支持向量(LS-SVM)理论 | 第59-61页 |
| ·特征提取 | 第61-65页 |
| ·提取鸡冠的轮廓 | 第61页 |
| ·提取中心区域 | 第61-64页 |
| ·鸡冠形状特征提取 | 第64-65页 |
| ·拍摄时间间隔的选取 | 第65页 |
| ·逻辑与操作实验 | 第65-66页 |
| ·支持向量机分类实验 | 第66-69页 |
| ·实验样本收集 | 第66页 |
| ·LS-SVM的核函数选择 | 第66-67页 |
| ·LS-SVM的参数选择 | 第67-68页 |
| ·实验结果与分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·研究工作总结 | 第70-71页 |
| ·研究工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表论文与成果 | 第77页 |
