计算机视觉技术在稻米品质检测中的应用

《计算机视觉技术在稻米品质检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、专论与综述中国私米2008年第6期计算机视觉技术在稻米品质检测中的应用方长云谢黎虹李刚段彬伍于永红(中国水稻研究所农业部稻米及制品质量监督检验测试中心，浙江杭州310006)摘要：本文简要介绍了计算机视觉的概念及其系统组成，综述了计算机视觉技术在稻米垩白度、垩白率、粒型、整精米率、黄粒米、蛋白质、稻米裂纹等检测中的应用情况，并对其在稻米品质检测应用方面进行了展望。关键词：计算机；视觉技术；稻米品质检测计算机视觉技术是近几十年发展起来的一门高新蛋白质积累较快，填塞疏松所造成的不透明部分。垩白技术，随着图像处理技术、计算机软硬件技术的迅速发可分为心白、背白、腹

2、白三部分【引。垩白性状是重要的稻展，计算机视觉技术得到广泛应用。在人们生活日益提米外观品质指标。当前，我国垩白性状测定一般采用高的今天，稻米作为我国人民的主要口粮，其品质越来NY／T83—1988规定的方法，通过目测稻米垩白大小、计越受到人们的关注。快速、准确地检测稻米品质成为一数垩白粒率，算出垩白度(垩白粒率X垩白大小)，但该个重要研究课题，而目前稻米品质许多指标仍需人工方法具有较大的主观性，且工作量大，难以满足稻米生方法检测。由于人工检测工作量大，主观性强，而借助产、贸易及研究、检测的需要。于计算机视觉技术，可以使得稻米品质的检测技术更近年来，利用计算

3、机视觉技术检测稻米垩白的研加快速、准确。究较多。侯彩云等(2oo2)[41自行研制了计算机图像处理计算机视觉也称机器视觉，是指利用计算机自动系统，用于稻米垩白度的检测。该方法通过CCD摄像获取图像并分析图像，以获取描述一个景物或控制某机摄取单粒米原始图像，采集的图像通过图像采集卡种动作的数据，它是研究用计算机模拟生物外显或宏在显示器上以数字信号显示，经中值滤波，进行灰度化观视觉功能的科学和技术【1]。计算机视觉系统一般由计处理，成为黑白灰三值化图像。通过阈值的调节，可以算机、图像采集卡、CCD摄像机(扫描仪)、光源和光照分别提取垩白部分和米粒的图像信息，并

4、根据像素的箱等六个部分构成[21。由于计算机视觉系统能够快速获数目计算相应部分的面积，从而得到垩白度的数值。但取大量信息，而且能够自动化处理，便于统计分析和加是此方法垩白阈值的确定受品种、米粒单体、光照条工控制，因而广泛应用于现实生产、科研、生活等诸多件、观测方向等因素的影响，且实测时一次只能获得单领域中，在稻米品质检测中的应用也日益普及。粒米的垩白信息。孙明等(2002)翻采用MATLAB图像处理平台构建了基于计算机视觉技术的大米垩白性状1计算机视觉技术在稻米品质检测中的应检测算法。该方法用CCD摄像机获取原始图像，图象用处理过程如下：采用reb2gra

5、y函数作灰度化处理得到稻米品质主要分为加工品质、外观品质、蒸煮和食大米的灰度图像；采用medfilt2二维中值滤波函数，进味品质及营养品质等，其中加工品质包括糙米率、精米行滤波除噪；选用imhist函数进行灰度直方图统计；利率、整精米率；外观品质包括粒型(长度、宽度、长宽用imadjust函数把大米垩白区域从背景中分离出来；比)、垩白度、垩白率、透明度；蒸煮和食味品质包括直取用bwarea函数分别计算出垩白度，然后利用im2bw链淀粉含量、胶稠度、糊化温度；营养品质主要包括蛋等函数得出垩白粒率。并认为通过适当地选取阈值，大白质含量、氨基酸含量和脂肪含量翻。

6、目前，计算机视觉米垩白度和垩白粒率的计算结果能够符合目测的要技术可以对垩白、粒型、黄粒米率、整精米率、蛋白质含求，用计算机取代人眼对大米品质进行检测是完全可量、直连淀粉含量等6项品质指标进行测定，下面分别行的。黄星奕等(2003)【q建立了遗传神经网络进行垩介绍了计算机视觉技术对上述指标的检测应用现状。白像素和胚乳其它像素的检测方法。该方法是利用遗1．1计算机视觉技术在大米垩白检测中的应用垩白是由于稻谷在灌浆成熟阶段中胚乳中淀粉和收稿日期：2008—08—07方长云等：计算机视觉技术在稻米品质检测中的应用中国弗米2008年第6期传算法建立一个人工网络识别系

7、统对垩白区域与胚乳平面投影区域；最后由数字图像区域与边缘分析方法其它区域交界部分的区域内的像素进行识别。它首先计算米粒的几何尺度。为了计算结果与实际更加接近，将所求的每个网络参数按照一定的顺序进行编码，形建议对边缘曲线作适当的抛光处理。试验结果表明，所成一个字符串，然后根据编码规则产生初始种群。根据测结果与实际物体尺寸基本相符。袁佐云等(2006)【llJ垩白的检测需要，随机产生50个串作为初始种群，得设计了一种利用稻米轮廓大的最小外接矩形计算粒型到相应的50组网络权重参数。然后经过遗传算法的复的方法。首先利用扫描仪获取图像，经过图像预处理，制、交叉、变异

8、三个步骤的处理，得到趋向全局的最优消除图像噪声，得到灰度图像；然后