| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究概述 | 第13-16页 |
| 1.2.1 基于高光谱技术的种子内部品质研究进展 | 第14-15页 |
| 1.2.2 基于机器视觉技术的种子外部品质检测研究进展 | 第15-16页 |
| 1.3 研究的目标、内容和技术路线 | 第16-17页 |
| 1.3.1 研究目标 | 第16-17页 |
| 1.3.2 研究内容 | 第17页 |
| 1.3.3 技术路线 | 第17页 |
| 1.4 本章小结 | 第17-19页 |
| 第二章 试验材料与研究方法 | 第19-27页 |
| 2.1 试验材料 | 第19页 |
| 2.2 机器视觉和光谱成像识别检测常用研究方法 | 第19-22页 |
| 2.2.1 机器视觉检测原理与方法 | 第19-20页 |
| 2.2.2 高光谱检测原理及检测方法 | 第20-22页 |
| 2.3 光谱分析中的化学计量方法 | 第22-26页 |
| 2.3.1 建模方法 | 第22-23页 |
| 2.3.2 特征波长筛选算法 | 第23-25页 |
| 2.3.3 模型评价指标 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于高光谱成像技术的玉米种子含水率检测方法研究 | 第27-40页 |
| 3.1 材料与方法 | 第27-29页 |
| 3.1.1 玉米种子样品 | 第27页 |
| 3.1.2 高光谱成像系统 | 第27-28页 |
| 3.1.3 图像采集与校正 | 第28-29页 |
| 3.1.4 含水率测量方法 | 第29页 |
| 3.2 400-1000 nm高光谱信息玉米种子含水率预测 | 第29-33页 |
| 3.2.1 种子正反面判别 | 第29-31页 |
| 3.2.2 基于光谱预处理的含水率预测分析 | 第31-32页 |
| 3.2.3 基于变量筛选的含水率预测分析 | 第32-33页 |
| 3.3 1000-2500 nm高光谱信息玉米种子含水率预测 | 第33-36页 |
| 3.3.1 种子正反面判别 | 第33-34页 |
| 3.3.2 基于光谱预处理的含水率预测分析 | 第34-36页 |
| 3.3.3 基于变量筛选的含水率预测分析 | 第36页 |
| 3.4 验证集测试 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于机器视觉技术的玉米种子霉变及完整性检测方法研究 | 第40-58页 |
| 4.1 材料与方法 | 第40-41页 |
| 4.1.1 玉米种子样品 | 第40页 |
| 4.1.2 机器视觉系统 | 第40-41页 |
| 4.2 玉米种子形状特征描述方法 | 第41-45页 |
| 4.3 玉米种子图像处理及参数提取 | 第45-49页 |
| 4.3.1 玉米种子边缘检测 | 第45页 |
| 4.3.2 玉米种子尖端检测 | 第45-48页 |
| 4.3.3 图像边缘不完整种子剔除 | 第48页 |
| 4.3.4 玉米种子特征参数提取 | 第48-49页 |
| 4.4 特征分析与选择 | 第49-51页 |
| 4.5 玉米种子霉变及完整性检测结果与分析 | 第51-53页 |
| 4.5.2 玉米种子霉变检测结果 | 第52-53页 |
| 4.5.3 玉米种子完整性检测 | 第53页 |
| 4.6 玉米种子在线分级系统设计与完成 | 第53-56页 |
| 4.6.2 分级系统硬件组成 | 第53-54页 |
| 4.6.3 分级控制系统 | 第54-55页 |
| 4.6.4 玉米品质分级软件设计 | 第55页 |
| 4.6.5 玉米种子在线筛选结果 | 第55-56页 |
| 4.7 本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-61页 |
| 5.1 研究结论 | 第58-59页 |
| 5.2 研究创新点 | 第59页 |
| 5.3 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66-67页 |
