文摘
英文文摘
第1章 绪论
1.1 研究意义与目的
1.2 基于计算机视觉的水果自动分级方法
1.2.1 国外研究情况
1.2.2 国内研究情况
1.3 本研究的主要内容
第2章 图像采集与处理系统构成
2.1 硬件系统组成
2.1.1 图像采集环境
2.1.2 图像处理设备
2.2 图像获取
第3章 图像的预处理
3.1 直方图
3.2 图像转换
3.1.1 图像的颜色空间
3.1.2 颜色空间之间的转换
3.3 图像平滑
3.3.1 邻域平均法
3.3.2 形态学滤波
3.4 图像分割
3.4.1 阈值法
3.4.2 轮廓提取
3.4.3 轮廓跟踪
3.5 边缘检测
3.5.1 梯度算子
3.5.2 Laplace算子
3.5.3 Canny算子
3.6 分析与实验
3.6.1 图像背景的去除
3.6.2 梨表面轮廓的提取
3.6.3 表面斑点的去除
3.6.4 缺陷部分的提取
第4章 梨特征参数的提取
4.1 基本表面特征
4.1.1 简单几何特征
4.1.2 色泽
4.2 形状特征
4.2.1 不变矩
4.2.2 傅里叶描述子
4.3 缺陷特征
4.3.1 缺陷几何特征
4.3.2 缺陷颜色
4.4 样本特征归一化
4.5 分析与实验
4.5.1 水果轮廓特征
4.5.2 果面缺陷特征
第5章 国标《梨外观等级标准》量化探讨
5.1 《梨外观等级标准》
5.2 对于量化国家行业标准的探讨
5.2.1 行业标准的参考意义
5.2.2 量化的过程与结果
第6章 基于BP神经网络的梨外观等级判定
6.1 人工神经网络模型
6.1.1 人工神经元模型
6.1.2 神经网络的激活转移函数
6.2 BP网络及其改进
6.2.1 BP算法
6.2.2 BP算法的改进
6.3 分析与实验
6.3.1 用于缺陷分级的BP网络设计
6.3.2 用于梨外观分级的BP网络设计
6.3.3 实验结果与分析
第7章 总结
参考文献
攻读硕士学位期间发表的学术论文及科研工作
致谢