摘要：
目前,我国大米品质的多数外观指标的检测仅停留在肉眼观测阶段,缺乏客观性和可重复性,致使垩白率,碎米率高,含有未熟粒,病斑粒和霉变粒的大米流向市场.这样一来不仅严重地损害了消费者的健康和权益,同时降低了我国大米在国际市场上的竞争力.针对这一问题,本研究选取了长江米,圆江米和粳米三种常见的大米,应用计算机视觉技术研发了一套基于Matlab 的大米外观品质检测系统,系统采用可视化界面,具备人机交互功能,对反映大米外观品质的垩白度,黄粒米等性状参数进行了识别.主要研究内容如下: 1. 通过分析连接籽粒的曲率特征,提出了一种连接籽粒的分割方法,该方法不仅适用于分割大米籽粒,而且适用于分割一切连接的凸形轮廓图像; 2. 通过分析大米垩白特征,提出了一种垩白检测算法,检测出大米图像中的垩白区域,垩白米粒,并计算出图像中的垩白度等参数; 3. 通过对比正常米粒与黄粒米的色度特征,根据HSI 颜色模型,提出一种识别黄粒米的方法; 4. 计算了大米籽粒较为关键的8 个形态参数:质心,面积,周长,圆形度,长轴和短轴,色度与饱和度,实验证明依据这些参数可以有效地识别研究所选用的三个大米品种; 5. 通过研究大米的粒形特征,提出了基于BP 网络的大米分类算法.通过对比试验,结构为7-7-3 的网络识别结果较好.三个大米品种的识别准确率均达95%; 6. 基于Matlab6.5 开发了一套大米外观品质的计算机视觉检测软件.该软件界面友好,功能较强,操作简便,可实现大米图像的预处理,连接分割,垩白检测,黄粒米检测以及大米品种的识别. 研究结果表明,该系统实现了对大米形态快速,有效地识别,在大米外观品质的自动无损检测上具有可行性.
展开
