1、中國是世界上最大的稻米生產(chǎn)國和消費(fèi)國,卻無法躋身于稻米出口大國之列。其原因之一是我國稻米品質(zhì)檢測(cè)技術(shù)落后,無法保證出口稻米品質(zhì),使我國稻米出口缺乏國際競(jìng)爭(zhēng)力。本文以稻米米粒為研究對(duì)象,針對(duì)目前稻米米粒加工、分選等過程中存在的實(shí)際問題,研究了基于機(jī)器視覺技術(shù)的稻米外觀品質(zhì)圖像檢測(cè)原理和方法,構(gòu)建了稻米品質(zhì)圖像靜、動(dòng)態(tài)檢測(cè)系統(tǒng),給出了適合稻米在線品質(zhì)評(píng)判的圖像處理算法。實(shí)驗(yàn)分析了稻米內(nèi)外品質(zhì)的相關(guān)性,驗(yàn)證了外觀品質(zhì)分選對(duì)稻米食味品質(zhì)的影響。

2、根據(jù)稻米外觀品質(zhì)特征研究了稻米分選方法,為進(jìn)一步開發(fā)稻米自動(dòng)化分選系統(tǒng)奠定了基礎(chǔ)。本文的主要內(nèi)容和結(jié)論如下:
　　 1.對(duì)稻米內(nèi)外品質(zhì)相關(guān)性進(jìn)行了初步實(shí)驗(yàn)研究,分別完成不同品種和同一品種稻米部分品質(zhì)相關(guān)性實(shí)驗(yàn)分析。結(jié)果表明,江蘇產(chǎn)粳稻其稻米食味品質(zhì)與膠稠度、堊白度、直鏈淀粉含量和水分相關(guān),稻米的蛋白質(zhì)含量與稻米品種相關(guān)；單一品種稻米的膠稠度和蛋白質(zhì)含量隨米粒堊白的增多而降低,直鏈淀粉含量隨米粒堊白的增多而升高。單一品種相關(guān)性實(shí)驗(yàn)

3、測(cè)定及方差分析表明,單一品種稻米的外觀品質(zhì)中米粒整碎及堊白大小對(duì)直鏈淀粉含量和膠稠度這兩種內(nèi)在品質(zhì)有顯著影響。因此從分選角度看,剔除破碎米和堊白米能夠改善稻米的食味品質(zhì)。
　　 2.構(gòu)建了稻米外觀品質(zhì)機(jī)器視覺檢測(cè)系統(tǒng)。通過顏色校正和幾何標(biāo)定,系統(tǒng)較好實(shí)現(xiàn)了稻米多米粒彩色圖像的靜、動(dòng)態(tài)荻取。對(duì)稻米米粒外觀圖像特征進(jìn)行描述,給出了完整米、堊白米、破碎、黃米和異型米的定義,按照米粒加工分選中常遇到的米樣組合,拍攝了全部為完整米的米樣圖

4、,全部為堊白米的米樣圖和各種米樣混合在一起的混合米樣圖,以三種米樣圖為研究對(duì)象對(duì)多米粒彩色圖像處理算法進(jìn)行了研究。
　　 3.提出了一種基于改進(jìn)最終測(cè)量精度法的彩色圖像分割效果評(píng)判方法。求取米粒分割后去掉背景的邊緣輪廓灰度圖,以灰度圖的灰度均值和方差作為分割評(píng)判準(zhǔn)則,分別對(duì)三種彩色米樣圖像進(jìn)行分割顏色通道和分割方法的選擇。經(jīng)實(shí)驗(yàn)驗(yàn)證,在Ⅰ1廒色通道用最大類間方差法進(jìn)行稻米多米粒圖像分割可以取得較好效果。針對(duì)目前堊白米分割算法計(jì)算

5、量大、自適應(yīng)性不強(qiáng)等現(xiàn)狀,研究了基于且比雪夫逼近的堊白米堊白區(qū)域分割算法,對(duì)三種米樣圖進(jìn)行了堊白區(qū)域提取。結(jié)果顯示,該算法耗時(shí)短、魯棒性強(qiáng),實(shí)現(xiàn)了不同米樣圖像的堊白區(qū)域自動(dòng)、準(zhǔn)確分割。對(duì)堊白米正反兩面的堊白區(qū)域進(jìn)行分割提取和面積計(jì)算,驗(yàn)證了單目視覺在堊白米檢測(cè)應(yīng)用中的可行性。
　　 4.提出了一種基于霍特林變換的稻米大小、形狀特征提取算法.對(duì)目前常用的最小外接矩形法進(jìn)行改進(jìn),通過對(duì)江蘇產(chǎn)秈稻米粒粒型的測(cè)定,比較兩種算法的準(zhǔn)確度和

6、實(shí)時(shí)性。結(jié)果表明,改進(jìn)最小外接矩形法單粒計(jì)算耗時(shí)267ms,誤差2.24％；基于霍特林變換法單粒計(jì)算耗時(shí)31ms,誤差1.65％?；籼亓肿儞Q用于稻米大小、形狀特征提取實(shí)時(shí)性好,準(zhǔn)確度高。
　　 5.選取江蘇產(chǎn)的5種粳稻:武香粳14號(hào)、淮稻5號(hào)、徐稻3號(hào)、寧粳1號(hào)和徐稻4號(hào),每個(gè)品種稻米選擇完整米、堊白米、破碎米和異型米各150粒,黃米在5個(gè)品種中共選150粒,共計(jì)3750粒,拍攝250張靜態(tài)圖像。根據(jù)本文圖像處理算法提取稻米米粒

7、的9個(gè)大小特征參數(shù)、10個(gè)形狀特征參數(shù)和31個(gè)顏色特征參數(shù),建立了稻米的圖像特征數(shù)據(jù)庫。
　　 6.研究了基于多結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的稻米外觀品質(zhì)評(píng)判方法。分別對(duì)大小形狀特征和顏色特征進(jìn)行主成分分析,根據(jù)結(jié)果選取面積、粒型、堊白大小和H值作為網(wǎng)絡(luò)輸入的特征參數(shù),經(jīng)調(diào)試,構(gòu)建了網(wǎng)絡(luò)結(jié)構(gòu)為5×(4-4-5-1)的多結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)分類器,并與相同網(wǎng)絡(luò)復(fù)雜度的多層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類效果比較。結(jié)果顯示,多結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)分類器對(duì)完整米、堊白米、破碎米

8、、黃米和異型米的識(shí)別準(zhǔn)確率分別為98.3％,92.4％,97.5％,96％,93％,其平均準(zhǔn)確率比多層BP神經(jīng)網(wǎng)絡(luò)分類器提高6.4個(gè)百分點(diǎn),并且網(wǎng)絡(luò)訓(xùn)練耗時(shí)短。
　　 7.分別拍攝0.08m/s、0.12m/s、0.16m/s和0.2m/s四種傳送帶運(yùn)行速度下米粒視頻圖像,研究了基于改進(jìn)背景差法的運(yùn)動(dòng)稻米圖像檢測(cè)方法,完成了對(duì)米粒視頻圖像的背景自動(dòng)提取、米粒分割、米粒跟蹤和特征提取。將不同速度下提取的稻米大小形狀特征與靜態(tài)特征相