基于机器视觉的鸡蛋外观品质检测技术研究

目录

声明

致谢

摘要

1绪论

1．1研究背景及意义

1．2国内外研究现状

1．3研究内容与工作安排

2深度学习理论

2．1常用的深度学习模型

2．1．1限制玻尔兹曼机

2．1．2深度置信网络

2．1．3自编码机

2．1．4循环神经网络

2．2卷积神经网络

2．2．1卷积层

2．2．2池化层

2．2．3激活函数

2．2．4Dropout技术

2．3经典的卷积神经网络

2．3．1AlexNet

2．3．2VGGNet

2．3．3GoogleNet

2．3．4ResNet

2．4本章小结

3鸡蛋外部品质检测图像数据集构建

3．1前言

3．2检测鸡蛋特征分析

3．3数据集构建

3．3．1数据来源

3．3．2数据标注

3．3．3标记信息转化

3．3．4数据增强

3．3．5数据集划分

3．4本章小结

4基于YOLOv5目标检测模型的特征鸡蛋检测

4．1基于YOLO的目标检测技术

4．1．1YOLOv1

4．1．2YOLOv2

4．1．3YOLOv3

4．1．4YOLOv4

4．1．5YOLOv5

4．2迁移学习

4．3实验环境准备

4．4鸡蛋检测评价指标分析

4．5鸡蛋缺陷检测试验

4．5．1实验过程

4．5．2结果展示与分析

4．6鸡蛋颜色分类试验

4．6．1实验过程

4．6．2结果展示与分析

4．7本章小结

5基于图像处理技术的鸡蛋形状大小参数测量

5．1测量参数说明

5．1．1纵横径测量方法

5．1．2形状特征测量

5．2图像标定

5．3图像采集

5．4图像阴影去除

5．5颜色空间变换

5．5．1RGB颜色模型

5．5．2HSV颜色模型

5．5．3HSV模型与RGB模型的相互转化

5．5．4不同颜色空间下的鸡蛋分量图

5．6图像分割

5．7形态学去噪

5．8边缘检测

5．9结果计算与分析

5．10本章小结

6总结与展望

6．1总结

6．2展望

参考文献