机器视觉系统及农林工程应用

　　《机器视觉系统及农林工程应用/南京林业大学研究生课程系列教材》根据“南京林业大学研究生课程系列教材建设”项目组织编写。《机器视觉系统及农林工程应用/南京林业大学研究生课程系列教材》在介绍机器视觉系统组成、图像处理与机器视觉基础、目标识别算法等理论知识的基础上，围绕编写组成员在国家、省部级项目中的新研究成果，将基于表面漫反射光谱成像的猪肉新鲜度检测、肉内异物检测、苹果自动快速分级、农田杂草识别、茶叶智能采摘与分选、树形识别系统、林火视频识别、基于CT扫描的原木检测与识别、数字图像相关技术（DIC）在木材科学中的应用等农林应用实例结合起来阐述，使学生从整体上认识和把握机器视觉系统在现代农业、林业中的应用，掌握机器视觉、图像处理、人工神经网络、专家系统的基本理论与技能，推动高水平农林智能系统的研发。《机器视觉系统及农林工程应用/南京林业大学研究生课程系列教材》可作为高等院校机械工程、控制科学与工程等一级学科相关课程的研究生教材，也可供从事农林产品检测、图像处理、控制及机器视觉等系统研究、设计和开发的科研与工程技术人员参考。

暂缺《机器视觉系统及农林工程应用》作者简介

序
前言
上篇 理论篇
第1章 机器视觉系统组成
1．1 照明
1．1．1 电磁辐射
1．1．2 光与目标的相互作用
1．1．3 照明的光谱特性
1．1．4 照明的方向性
1．1．5 照明的偏振性
1．1．6 光场的照度与均匀性
1．2 镜头与相机
1．2．1 镜头
1．2．2 相机
1．3 计算资源
第2章 图像处理与机器视觉基础
2．1 色彩空间
2．1．1 RGB
2．1．2 CMY
2．1．3 HSI
2．2 图像增强
2．2．1 直接灰度变换
2．2．2 直方图修正
2．2．3 图像代数运算
2．2．4 噪声去除
2．2．5 图像锐化
2．3 形态学图像处理
2．3．1 连通性
2．3．2 膨胀和腐蚀
2．3．3 开运算与闭运算
2．3．4 灰度图像的形态学操作
2．4 边缘检测
2．4．1 边缘定义及分类
2．4．2 边缘检测算子
2．4．3 轮廓提取方法
2．5 图像分割
2．5．1 灰度闽值法分割
2．5．2 区域生长
2．5．3 区域分离与聚合
2．6 双目立体视觉
2．6．1 测量原理
2．6．2 双目立体视觉标定
第3章 目标识别算法
3．1 特征提取
3．1．1 颜色特征
3．1．2 纹理特征
3．1．3 形状特征
3．1．4 空间关系特征
3．2 聚类
3．2．1 聚类分析
3．2．2 聚类方法
3．2．3 用于聚类算法的优化和搜索技术
3．3 模板匹配
3．3．1 模板匹配方法
3．3．2 模板匹配方法的改进
3．4 神经网络识别
3．4．1 人工神经网络简介
3．4．2 前向网络分类器
3．4．3 自组织映射网络
3．4．4 深度学习
下篇 实践篇
第4章 基于表面漫反射光谱成像的猪肉新鲜度检测
4．1 背景与没计思路
4．1．1 背景
4．1．2 设计思路与总体设计
4．2 光谱成像系统构建与图像获取
4．2．1 声光可调滤光器工作原理
4．2．2 系统架构
4．2．3 光谱成像系统软件开发与系统标定
4．2 4光谱图像采集
4．3 光谱图像处理
4．3．1 空间预处理
4．3．2 光谱预处理
4．4 新鲜度的定量可视化分析
4．4．1 全局光谱预测建模
4．4．2 基于肌肉有效兴趣区域的新鲜度定量可视化
4．4．3 空间平滑滤波对像素级定量预测的必要性
4．5 案例总结
第5章 肉内异物检测
5．1 背景与设计思路
5．1．1 背景
5．1．2 设计思路
5．2 激光轮廓扫描系统构建与图像获取
5．2．1 激光双三角法肉尺寸测量系统构建
5．2．2 图像获取
5．3 X射线成像系统构建与图像获取
5．3．1 系统构建
5．3．2 图像获取
5．4 图像处理方法
5．4．1 激光图像预处理
5．4．2 X射线图像预处理
5．5 二源图像融合
5．5．1 图像配准
5．5．2 图像配准变换参数及肉图像配准
5．5．3 厚度补偿
5．5．4 肉异物图像分割
5．6 结果与讨论
第6章 苹果自动快速分级
6．1 背景与设计思路
6．1．1 背景
6．1．2 设计思路
6．2 基于自动定向的苹果分级机械装置设计
6．2．1 苹果分级装置系统组成
6．2．2 苹果品质智能分级生产线设计
6．3 单摄像头三像同步图像采集系统
6．3．1 照明方案及背景的选择
6．3．2 相机及附件的选择
6．3．3 图像拍摄误差分析与计算
6．4 苹果分级创新方法
6．4．1 苹果大小和形状分级方法
6．4．2 苹果颜色分级方法
6．4．3 苹果果面缺陷分级方法研究
6．5 基于Halcon和VC++平台的苹果综合分级方法
6．5．1 基于L-M算法的多层前向神经网络设计
6．5．2 苹果综合分级系统软件设计
6．5．3 苹果综合分级控制系统的通信
6．5．4 苹果综合分级系统类的组成
6．6 基于神经网络的苹果综合分级系统
6．6．1 普通用户主界面
6．6．2 管理员用户界面
6．7 结果与讨论
第7章 农田杂草识别
7．1 背景
7．2 行间杂草识别
7．2．1 特征提取
7．2．2 特征参数分析
7．2．3 图像分割与目标识别
7．2．4 图像后处理与去噪
7．3 行内杂草识别
7．3．1 识别系统组成
7．3．2 行内杂草识别算法
7．3．3 试验结果与讨论
7．4 讨论
第8章 茶叶智能采摘与分选
8．1 名优绿茶采摘研究背景
8．2 名优绿茶新梢识别系统组成与图像获取
8．3 名优绿茶新梢在茶蓬平面中位置识别
8．4 名优绿茶新梢高度参数测量
8．4．1 测量原理
8．4．2 高度测量和新梢三维重建
8．5 名优绿茶采茶应用实例
8．6 大宗茶茶叶分选需求
8．7 茶叶分选识别系统组成
8．7．1 喂料系统
8．7．2 光学检测系统
8．7．3 分选系统
8．7．4 人机界面系统
8．7．5 电控系统
8．8 基于几何特征分析的彩色茶叶色选识别算法
8．8．1 图像降噪
8．8．2 色彩空间变换
8．8．3 图像分割
8．8．4 形态学处理
8．8．5 几何特征提取
8．9 大宗茶茶叶分选结果与讨论
第9章 树形识别系统
9．1 背景与设计思路
9．1．1 背景
9．1．2 设计思路
9．2 树形识别系统组成与图像获取
9．2．1 树形识别系统组成
9．2．2 图像获取及图像分析
9．3 树木图像分割方法
9．3．1 基于分形理论与颜色的树木图像分割
9．3．2 基于小波理论的树木图像分割
9．4 基于BP网络的树形识别系统
9．4．1 输入层
9．4．2 隐含层
9．4．3 输出层
9．5 试验及结果分析
9．5．1 样本及试验参数
9．5．2 试验结果分析
第10章 林火视频识别
10．1 背景与设计思路
10．1．1 背景
10．1．2 设计思路
10．2 林火视频监控系统组成与视频获取
10．2．1 林火视频监控系统组成
10．2．2 视频获取
10．3 林火视频火焰识别
10．3．1 疑似火焰视频特征向量提取
10．3 2火焰视频识别
lO．4 林火视频烟雾识别
10．4．1 疑似烟雾视频特征向量提取
10．4．2 烟雾视频识别
10．5 结果与讨论
10．5．1 森林火焰视频识别结果与讨论
10．5．2 森林烟雾视频识别结果与讨论
第11章 基于CT扫描的原木检测与识别
11．1 背景与设计思路
11．2 CT成像基本原理
11．3 基于CT扫描的原木薄木刨切计算机模拟
11．3．1 基于CT扫描的原木薄木刨切
11．3．2 CT扫描图像获取
11．3．3 试验结果
11．4 原木CT图像中木材缺陷的自动识别
11．4．1 试验材料准备与CT扫描图像获取
11．4．2 原木缺陷识别算法
11．4．3 应用实例
11．5 木材含水率检测技术
11．5．1 测量原理
11．5．2 材料与试验
11．5．3 结论与分析
11．6 结果与分析
第12章 数字图像相关技术（DIC）在木材科学中的应用
12．1 背景
12．2 数字图像相关技术（DIC）测量原理
12．3 数字图像相关技术应用实例
12．3．1 DIC测量压缩木的径向弹性模量
12．3．2 提高木材压缩应变计算速度的DIC算法改进
12．4 利用DIC测量位移和应变的误差来源及分析
12．4．1 相关运算算法本身的误差
12．4．2 试验设备、操作及环境的影响
彩图