1. 研究目的与意义（文献综述）

本次设计的系统采用图像识别技术和样本学习的方法来实现一种通用的果实成熟度分析和检测系统，为现代农业的自动化分拣提供基础。

整个系统有图像识别和自学习两个模块组成，图像识别完成对任意待识别目标图像的分析和处理，提取相关特征参数与自学习模块获得的目标参数进行对比；自学习完成对已知目标的特征提取，以此作为图像识别的参数模板。自学习能力的强弱，决定了系统能够识别的果实的准确度^[1-2]。我们这里选择巨峰葡萄作为研究对象，希望借巨峰葡萄作为整个系统的初始样本并不断的扩展研究的种类和品种。

该系统可以基于windows平台，运用图像识别技术完成果实成熟度的辨别，运用此方法的好处如下：

2. 研究的基本内容与方案

基本内容：

整个系统要完成图像识别和自学习2个功能模块，图像识别完成对任意待识别目标图像的分析和处理，提取相关特征参数与自学习模块获得的目标参数进行对比；自学习完成对以知样本的目标特征的提取，以此作为图像识别的参照模板。自学习能力的强弱决定了系统能够识别的果实准确度。

技术方案：

3. 研究计划与安排

第1-3周：查阅相关文献资料，明确研究内容，了解本课题研究所需的理论知识，初步确定设计方案，撰写开题报告。

第4-8周：学习microsoft visual studio、mfc软件的使用和设计方法及opencv函数的调用学习。

第9-13周：在电脑上完成软件系统的编写和检测。

4. 参考文献（12篇以上）

[1]chen s, zhang f, ning j, et al. predicting the anthocyanin content of wine grapes by nir hyperspectral imaging.[j]. food chemistry, 2015, 172(172c):788-793

[2]鲁伟奇.葡萄成熟度无损检测研究[d].中国计量学院2013.9

[3]吕琛. 基于数字图像处理的哈密瓜成熟度无损检测技术研究[d]. 石河子大学, 2014.