基于虚拟仪器的葡萄叶片还原糖含量检测系统研究
发布时间:2023-03-12 17:52
农业是制约中国经济发展的主要因素之一。随着“三农”问题的深入研究,为实现农业生产现代化,高新科学技术在农业中的应用日益增加,使得信息化与智能化精确农业研究受到越来越多的关注。甘肃是我国葡萄的主要种植地之一,还原糖即是葡萄的重要营养成分,也是其重要风味物质,其构成和含量水平是决定葡萄甜酸风味的关键因素。为了研究葡萄叶片生长过程中还原糖含量的变化,本文以田间葡萄叶片为实验对象,提出了一种基于LabVIEW的葡萄叶片还原糖含量的图像检测系统。在生长期采集葡萄叶片进行光谱化学还原糖测定实验的基础上,同时采用Vision Development Module模块中的Vision Assistant完成所采集叶片的图像处理,选用MATLAB软件编程分析提取葡萄叶片的图像特征,最终实现了葡萄叶片还原糖含量的在线检测。本文主要完成了以下几个方面的研究工作:1、结合葡萄田间测试环境和测试系统需求,设计了还原糖在线检测的总体构架,包括系统软件和硬件的选择;2、选择USB工业摄像头和图像采集卡,在LabVIEW软件平台下采用Vision Acquisition Software(视觉采集软件)和Vision...
【文章页数】:67 页
【学位级别】:硕士
【文章目录】:
摘要
Summary
第一章 绪论
1.1 课题研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 传统的作物营养诊断与测定方法
1.3 国内外LabVIEW与机器视觉在农业检测中的应用现状
1.3.1 国外LabVIEW与机器视觉在农业检测中的研究现状
1.3.2 国内LabVIEW与机器视觉在农业检测中的研究现状
1.4 主要研究内容
第二章 系统总体方案设计
2.1 课题背景
2.2 测试系统的功能需求
2.3 虚拟仪器与LabVIEW
2.3.1 虚拟仪器
2.3.2 LabVIEW
2.3.3 视觉开发模块
2.4 系统设计框架
2.4.1 系统软硬件设计原则
2.4.2 硬件设计
2.4.3 软件设计
第三章 可见分光光度法测葡萄叶片还原糖含量
3.1 实验材料与方法
3.1.1 实验原理
3.1.2 实验仪器与试剂
3.1.3 实验方法
3.2 实验结果
第四章 图像采集与处理程序设计
4.1 葡萄田间图像采集系统程序设计
4.1.1 图像采集程序设计
4.1.2 图像的读取与显示程序设计
4.1.3 图像保存程序设计
4.2 葡萄叶片图像处理程序设计
4.2.1 图像预处理
4.2.2 背景分割
第五章 特征提取与分类识别程序设计
5.1 葡萄叶片图像特征提取与分类识别程序设计
5.1.1 颜色特征提取
5.1.2 纹理特征提取
5.1.3 基于支持向量机分类模型的建立
5.2 登录系统程序设计
5.3 生成安装程序
第六章 系统功能测试实验
6.1 测试环境
6.2 系统测试实验
6.2.1 图像采集与保存测试实验
6.2.2 图像预处理与背景分割实验
6.2.3 分类识别测试实验
6.3 系统测试结果分析
第七章 结论与展望
7.1 结论
7.2 展望
参考文献
致谢
作者简介
导师简介
本文编号:3761676
【文章页数】:67 页
【学位级别】:硕士
【文章目录】:
摘要
Summary
第一章 绪论
1.1 课题研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 传统的作物营养诊断与测定方法
1.3 国内外LabVIEW与机器视觉在农业检测中的应用现状
1.3.1 国外LabVIEW与机器视觉在农业检测中的研究现状
1.3.2 国内LabVIEW与机器视觉在农业检测中的研究现状
1.4 主要研究内容
第二章 系统总体方案设计
2.1 课题背景
2.2 测试系统的功能需求
2.3 虚拟仪器与LabVIEW
2.3.1 虚拟仪器
2.3.2 LabVIEW
2.3.3 视觉开发模块
2.4 系统设计框架
2.4.1 系统软硬件设计原则
2.4.2 硬件设计
2.4.3 软件设计
第三章 可见分光光度法测葡萄叶片还原糖含量
3.1 实验材料与方法
3.1.1 实验原理
3.1.2 实验仪器与试剂
3.1.3 实验方法
3.2 实验结果
第四章 图像采集与处理程序设计
4.1 葡萄田间图像采集系统程序设计
4.1.1 图像采集程序设计
4.1.2 图像的读取与显示程序设计
4.1.3 图像保存程序设计
4.2 葡萄叶片图像处理程序设计
4.2.1 图像预处理
4.2.2 背景分割
第五章 特征提取与分类识别程序设计
5.1 葡萄叶片图像特征提取与分类识别程序设计
5.1.1 颜色特征提取
5.1.2 纹理特征提取
5.1.3 基于支持向量机分类模型的建立
5.2 登录系统程序设计
5.3 生成安装程序
第六章 系统功能测试实验
6.1 测试环境
6.2 系统测试实验
6.2.1 图像采集与保存测试实验
6.2.2 图像预处理与背景分割实验
6.2.3 分类识别测试实验
6.3 系统测试结果分析
第七章 结论与展望
7.1 结论
7.2 展望
参考文献
致谢
作者简介
导师简介
本文编号:3761676
本文链接:https://www.wllwen.com/nykjlw/yylw/3761676.html