基于機器視覺的稻米品質(zhì)評判方法研究.pdf

1、中國是世界上最大的稻米生產(chǎn)國和消費國,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爭力。本文以稻米米粒為研究對象,針對目前稻米米粒加工、分選等過程中存在的實際問題,研究了基于機器視覺技術(shù)的稻米外觀品質(zhì)圖像檢測原理和方法,構(gòu)建了稻米品質(zhì)圖像靜、動態(tài)檢測系統(tǒng),給出了適合稻米在線品質(zhì)評判的圖像處理算法。實驗分析了稻米內(nèi)外品質(zhì)的相關(guān)性,驗證了外觀品質(zhì)分選對稻米食味品質(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,為進一步開發(fā)稻米自動化分選系統(tǒng)奠定了基礎(chǔ)。本文的主要內(nèi)容和結(jié)論如下:
　　 1.對稻米內(nèi)外品質(zhì)相關(guān)性進行了初步實驗研究,分別完成不同品種和同一品種稻米部分品質(zhì)相關(guān)性實驗分析。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)性實驗

3、測定及方差分析表明,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)機器視覺檢測系統(tǒng)。通過顏色校正和幾何標定,系統(tǒng)較好實現(xiàn)了稻米多米粒彩色圖像的靜、動態(tài)荻取。對稻米米粒外觀圖像特征進行描述,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象對多米粒彩色圖像處理算法進行了研究。
　　 3.提出了一種基于改進最終測量精度法的彩色圖像分割效果評判方法。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判準則,分別對三種彩色米樣圖像進行分割顏色通道和分割方法的選擇。經(jīng)實驗驗證,在Ⅰ1廒色通道用最大類間方差法進行稻米多米粒圖像分割可以取得較好效果。針對目前堊白米分割算法計算

5、量大、自適應性不強等現(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,對三種米樣圖進行了堊白區(qū)域提取。結(jié)果顯示,該算法耗時短、魯棒性強,實現(xiàn)了不同米樣圖像的堊白區(qū)域自動、準確分割。對堊白米正反兩面的堊白區(qū)域進行分割提取和面積計算,驗證了單目視覺在堊白米檢測應用中的可行性。
　　 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.對目前常用的最小外接矩形法進行改進,通過對江蘇產(chǎn)秈稻米粒粒型的測定,比較兩種算法的準確度和

6、實時性。結(jié)果表明,改進最小外接矩形法單粒計算耗時267ms,誤差2.24％；基于霍特林變換法單粒計算耗時31ms,誤差1.65％?；籼亓肿儞Q用于稻米大小、形狀特征提取實時性好,準確度高。
　　 5.選取江蘇產(chǎn)的5種粳稻:武香粳14號、淮稻5號、徐稻3號、寧粳1號和徐稻4號,每個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個品種中共選150粒,共計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個大小特征參數(shù)、10個形狀特征參數(shù)和31個顏色特征參數(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)評判方法。分別對大小形狀特征和顏色特征進行主成分分析,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)復雜度的多層BP神經(jīng)網(wǎng)絡(luò)進行分類效果比較。結(jié)果顯示,多結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)分類器對完整米、堊白米、破碎米

8、、黃米和異型米的識別準確率分別為98.3％,92.4％,97.5％,96％,93％,其平均準確率比多層BP神經(jīng)網(wǎng)絡(luò)分類器提高6.4個百分點,并且網(wǎng)絡(luò)訓練耗時短。
　　 7.分別拍攝0.08m/s、0.12m/s、0.16m/s和0.2m/s四種傳送帶運行速度下米粒視頻圖像,研究了基于改進背景差法的運動稻米圖像檢測方法,完成了對米粒視頻圖像的背景自動提取、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