基于机器视觉的水果分类方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-20页 |
| 1.1 课题研究的背景及意义 | 第12-13页 |
| 1.2 国内外水果分类技术研究进展 | 第13-17页 |
| 1.2.1 水果缺陷检测常用方法 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.2.3 国内研究现状 | 第15-17页 |
| 1.2.4 国内外研究存在的问题 | 第17页 |
| 1.3 课题主要研究内容 | 第17-18页 |
| 1.4 技术路线 | 第18-20页 |
| 2 水果缺陷视觉检测系统的搭建 | 第20-28页 |
| 2.1 视觉检测系统方案设计 | 第20-21页 |
| 2.2 机器视觉系统硬件 | 第21-24页 |
| 2.2.1 相机和镜头 | 第21-22页 |
| 2.2.2 光照箱和光源 | 第22-23页 |
| 2.2.3 相机标定 | 第23-24页 |
| 2.2.4 图像采集系统 | 第24页 |
| 2.3 实验样本选择 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 水果图像预处理方法 | 第28-42页 |
| 3.1 灰度化处理 | 第28-32页 |
| 3.2 图像增强 | 第32-34页 |
| 3.3 图像分割 | 第34-37页 |
| 3.3.1 二值化 | 第34-35页 |
| 3.3.2 阈值分割 | 第35-37页 |
| 3.4 边缘检测 | 第37-41页 |
| 3.4.1 一阶导数算子 | 第38页 |
| 3.4.2 Canny边缘检测算子 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 水果表面缺陷特征值提取 | 第42-58页 |
| 4.1 几何特征值提取 | 第42-44页 |
| 4.1.1 面积法提取特征值 | 第42-43页 |
| 4.1.2 圆度值法提取特征值 | 第43-44页 |
| 4.2 颜色特征值提取 | 第44-45页 |
| 4.3 纹理特征值提取 | 第45-56页 |
| 4.3.1 灰度共生矩阵 | 第46-49页 |
| 4.3.2 改进的SURF算法 | 第49-55页 |
| 4.3.3 实验结果分析 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 5 表面缺陷识别和分类 | 第58-76页 |
| 5.1 SVM分类器 | 第58-63页 |
| 5.1.1 SVM分类器分类 | 第59-61页 |
| 5.1.2 核函数 | 第61页 |
| 5.1.3 分类器的设计 | 第61-62页 |
| 5.1.4 实验结果 | 第62-63页 |
| 5.2 卷积神经网络 | 第63-68页 |
| 5.2.1 卷积神经网络 | 第63-64页 |
| 5.2.2 残差网络 | 第64-65页 |
| 5.2.3 皇冠梨检测模型 | 第65-68页 |
| 5.2.4 模型训练 | 第68页 |
| 5.3 实验结果与分析 | 第68-74页 |
| 5.4 本章小结 | 第74-76页 |
| 6 水果表面缺陷识别系统设计 | 第76-80页 |
| 6.1 系统软件环境 | 第76页 |
| 6.1.1 Python模块 | 第76页 |
| 6.1.2 图像处理系统组成 | 第76页 |
| 6.2 系统设计 | 第76-78页 |
| 6.3 本章小结 | 第78-80页 |
| 结论与展望 | 第80-82页 |
| 结论 | 第80-81页 |
| 展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 附录 | 第90-93页 |
| 作者简介、攻读硕士学位期间取得的学术成果 | 第93页 |
