基于机器视觉的大米垩白米的检测方法

通过分析2种米粒的不同的直方图分布表现来区分普通米与垩白米,并进而对检测出来的垩白米粒采用改进的最大类间方差法来进一步分析其垩白率、垩白度等信息。试验采用了12组样本,每组样本60粒,按照不同的放置方向及位置,各采集10幅图像,共120幅图像。对所有图像进行检测,检测结果表明本研究提出的方法能快速,准确地区分垩白米粒及正常米粒,并且可以进一步较准确地检测垩白米粒的垩白度,相较于传统的OTSU算法,垩白米粒的检测准确率平均提高了8%左右,垩白度的检测准确率平均提高了6%左右。     

基于大米外观品质分析系统对垩白米的快速测定

采用自制开发的一种大米外观品质分析系统,包含整列装置、背景板、扫描设备和计算机,结合图像处理技术,对垩白米进行快速准确的识别测定。以国家标准方法对垩白米的检测为基础,优化分析系统识别检测垩白米时的最佳阈值,再应用于实际大米样品中垩白米的测定。结果表明,分析系统检测一幅大米图像平均用时为5 s,通过实验优化分析系统测定大米样品垩白特征参数的最佳阈值为0.43,在此阈值下大米外观品质分析系统与人工法测定垩白米数量绝对误差大小不超过2颗,垩白粒率绝对误差大小不超过0.32%,垩白度绝对误差大小不超过0.25%,表明可用大米外观品质分析系统代替人工法对垩白米进行检测。     

基于机器视觉的大米粘连米粒图像分割算法

本文提出了一种新的基于机器视觉的大米粘连米粒图像的分割算法。由于在利用机器视觉方法检测抽样米粒的各种外观指标时,米粒是随意放置在载样台或传送带上的,有些米粒会不可避免地互相碰触,由此造成在图像预处理时获取的米粒轮廓线互相粘连在一起,从而在后续的检测中被误判为是一颗米粒,致使大米外观指标如碎米率,垩白米率,黄米粒率的检测都出现错误。本文根据粘连米粒的内轮廓及外轮廓线上的粘连点的特征,提出了一种新的能快速并精确检测粘连米粒的内轮廓及外轮廓线上的粘连点的算法,根据各粘连点之间的距离及曲率方向,准确地判断出互相配对的最佳粘连点对,从而实现了粘连米粒的精确分割,试验结果表明该方法的准确性和高效性。     

基于机器视觉的粘连米粒图像分割算法研究

提出了一种新的基于机器视觉的大米粘连米粒图像的分割算法。由于在利用机器视觉方法检测抽样米粒的各种外观指标时,米粒是随意放置在载样台或传送带上的,有些米粒会不可避免地互相碰触,由此造成在图像预处理时获取的米粒轮廓线互相粘连在一起,从而在后续的检测中被误判为是一颗米粒,致使大米外观指标如碎米率、垩白米率、黄米粒率的检测都出现错误。本研究根据粘连米粒的内轮廓及外轮廓线上的粘连点的特征,提出了一种新的能快速精确检测米粒的粘连点的算法,通过计算各粘连点之间的距离及曲率方向,准确地判断出互相配对的最佳粘连点对,从而实现了粘连米粒的精确分割,试验结果表明该方法的准确性和高效性。     

基于深度学习的大米垩白分割算法研究

大米质量安全关系到人们的生命健康,而含有垩白的大米因为缺少有助于人体代谢的成份,营养价值低,如何准确快速地检测出大米中的垩白信息就显得尤为重要。传统的基于机器视觉的大米外观检测由于光照条件,米粒上的划痕,以及胚芽部分的干扰,垩白度的检测精度会受到一定的影响。近年来,基于人工智能的图像分割技术有了很快速的发展,本文提出了一个轻量级的语义分割网络IMUN,该网络由非对称型的编码与解码结构组成。编码结构基于改进的MobileNetV2,使用深度可分离空洞卷积,扩大感受野的同时,能获取更多特征信息。解码结构基于UNet的解码结构,将上采样过程中恢复的特征,与同层编码结构进行特征连接,有助于保留更多细节信息。该网络结构可以实现对大米上的垩白区域的像素级分割,继而可以获取大米的垩白粒率和垩白度。实验结果表明,大米上的垩白区域的分割准确率可达到94.11%,在像素精度和交并比等方面优于FCN及大部分近年来新提出的网络。同时本网络结构参数少,网络模型小,非常适合于集成到嵌入式可移动的检测设备中。     

基于图像显著性区域提取的垩白米检测

垩白度是衡量优质大米品质的重要指标,随着农业检测自动化发展,利用机器视觉准确检测大米垩白度对大米生产加工具有重要意义。针对现有算法在分割垩白区域时存在抗干扰能力弱、稳定性差以及准确度低等问题,本文提出了一种基于图像显著性区域提取的垩白区域提取算法。利用大米垩白区域图像显著性的特点,对图像特征变化边缘进行提取,计算出边缘像素点个数以及边缘的总像素值,从而计算出边缘像素的平均值作为该区域的阈值。最后,利用计算得到的阈值对该区域进行分割,分割出整张图片的垩白区域,并计算出大米的垩白度。实验结果表明,该算法识别准确率为96.76%,相较于传统的OTSU算法检测准确率平均提高了 26.87%,相较于改进的OTSU算法检测准确率平均提高了 7.26%。     

基于图像处理技术的大米垩白度检测

垩白是衡量大米品质的重要指标之一.为了快速、客观、准确地检测垩白米粒,以实际应用为目的,利用最佳阈值先将大米从背景中分割出来,然后通过近似垩白的比色带确定分割垩白的最佳阙值,将垩白从大米中分割出来,通过计算垩白区面积与整粒米面积之比确定垩白米粒,并计算垩白度和垩白粒率,实现大米垩白度的自动检测.     

米质分析中应注意的问题

杨泽敏、王维金在粮油市场报上指出 :1 垩白米率、垩白度与整精米率是相互矛盾的指标 ,普遍认为垩白大的米样 ,整精米率较低 ;而垩白小的米样 ,整精米率较高。在实践中 ,有些米样实际垩白较大 ,在碾米过程中米粒易断裂 ,因而整精米率较低。但是 ,由于测量垩白时取整精米作样品 ,丢掉了垩白较大但已断裂了的米粒 ,人为地降低了样品的垩白米率 ,造成了一种部分样品整精米率低且垩白米率低、垩白度小的假象 ,尤其是对垩白与整精米率的矛盾非常尖锐的样品而言 ,不能反映真实情况。笔者认为 ,对一些特殊的样品应采取手工剥壳测量垩白的方法。2 …     

基于多分辨率B样条小波分析的大米裂纹检测研究

针对目前大米外观裂纹指标检测方法落后、检测结果缺乏客观性,可重复性差等缺点,提出一种基于双正交B样条小波变换的大米裂纹检测方法。通过图像增强、图像滤波等步骤从原始图像中提取单体米粒图像。并对提取出的单体米粒图像进行小波变换以突出米粒裂纹特征,大大提高了裂纹检测的定位精度。结果表明,该方法可以比较全面地检测出图像中的实际裂纹,检测边缘位置和实际边缘位置十分接近,并且避免了单个边缘产生多个响应的情况,为进一步完善大米品质检测提供了理论和实践基础。     

大米垩白度与米饭蒸煮品质的相关性研究

本文研究了五种垩白度不同的原料米饭在高压蒸煮工艺条件下的蒸煮品质,并对垩白度与多种蒸煮品质指标进行了相关性分析;同时为了满足少量米饭品质测定需要设计了微波蒸煮米饭的工艺条件,研究微波蒸煮工艺条件下不同垩白面积对米饭糊化度的影响。研究发现:大米蒸煮后米饭的膨胀率和吸水率与原料米的垩白度呈负相关,但是均未达到显著性水平;质构特性与垩白度的相关性分析表明垩白度主要影响米饭的硬度,对米饭粘度、粘聚性、回复性、弹性、胶粘性和咀嚼性有一定影响,但影响并不显著;原料米的垩白度与米饭形态呈极显著负相关;与口感呈显著负相关;与色泽、滋味、香气均有一定相关性,但均未达到显著水平;微波蒸煮试验显示全垩白米样糊化速度较无垩白米样在3~15 min阶段都要快,且最终糊化度值全垩白米样比无垩白米样大。     

基于图像识别的整精米自动检测研究

本文采取动态阈值分割，把米粒图像变成二值图像，根据区域内部像素的连通性，将不同的区域赋予不同的标记，计算出单个米粒所占的像素，再通过先期计算的整精米长度／面积比换算出米粒长度，最后根据米粒长度判断整精米和碎米。研究结果表明，该算法的自动检测与人工检测相关性大于99％，可用于整精米的自动检测。     

苹果采摘机器人夜间图像边缘保持的Retinex增强算法

为了提高采摘机器人的适用性和工作效率,保证成熟苹果果实的及时采摘,需要机器人具有夜间连续识别、采摘作业的能力。针对夜间苹果图像的特点,该文提出一种基于引导滤波的具有边缘保持特性的Retinex图像增强算法。利用颜色特征分量采用具有边缘保持功能的引导滤波来估计出照度分量;进而利用单尺度Retinex算法对图像进行对数变换获得仅包含物体本身特性的反射分量图像;分别对照度分量和反射分量图像增强后,再合成为新的夜间苹果的增强图像。文中选取30幅荧光灯辅助照明下采集到的夜间苹果图像进行试验的结果显示,该文增强算法处理后的30幅图像的平均灰度值,分别比原始图像、直方图均衡算法、同态滤波算法和双边滤波Retinex算法处理后的图像平均提高230.34%、251.16%、14.56%、7.75%,标准差平均提高36.90%、-23.95%、53.37%、28.00%,信息熵平均提高65.88%、99.68%、66.85%、17.53%,平均梯度提高161.70%、64.71%、139.89%、17.70%。且该文算法较双边滤波Retinex方法的运行时间平均减少74.56%。表明该文算法在夜间图像增强效果和运行时间效率上有明显的提高,为后续夜间图像的分割和目标识别提供了保障。     

高光谱技术结合改进LSSVM的大米脂肪酸检测方法

目的:解决食品企业现有大米品质检测方法存在的准确性低和效率差等问题。方法:基于高光谱数据采集系统,提出一种结合改进细菌觅食算法和最小二乘支持向量机的贮藏大米品质快速无损检测方法。通过改进的细菌觅食算法对最小二乘支持向量机超参数(正则化参数和核参数)进行寻优,实现贮藏大米品质的快速无损检测。通过试验分析其性能。结果:所提方法可以实现贮藏大米脂肪酸含量的快速无损检测,决定系数为0.940 5,均方根误差为0.543 5,平均检测时间为1.12 s。结论:所提检测方法具有较高的检测性能,可用于大米品质的鉴别与检测。     

基于小波与模糊相融合的苹果分级算法

为了准确获取苹果图像的边缘,实现苹果自动分级,提出一种基于小波与模糊相融合的苹果分级算法。对苹果图像进行全向小波变化,经模糊算法处理,通过自适应阈值,提取出苹果图像的边缘,再利用漫水填充算法,获取苹果图像的面积,根据苹果类圆特性,将面积转换为直径,并根据直径大小,完成苹果分级。仿真试验结果表明,该算法对3个级别苹果的分级正确率均在98%以上,说明该算法能够用于苹果的分级检测。     

基于关键点保留的大米二值图像细化算法

传统的图像边缘检测算子一般都只能得到多像素宽度的边缘,这为后续的图像处理带来了一定困难。对大米二值图像的细化的程度直接影响颗粒特征的提取以及颗粒的识别,这也是开发大米检测系统软件部分又一个关键的课题。结合边缘走向趋势的估计技术以及对关键点判断的方法,提出一种新型的边缘细化算法—保持关键点的边缘细化算法。实验证明该算法能在保持边缘原有信息(连通和走向)的前提下,以较小的计算开销,满足物体骨架单像素宽为1的细化要求,实用性比较强。     

基于GC-MS和电子鼻技术的大米挥发性风味成分分析

以8种市售大米为研究对象,利用顶空固相微萃取气相色谱质谱联用技术(solid-phase microextraction,SPME/gas chromatography-mass spectrometer,GC-MS)和电子鼻分析了大米中的挥发性物质,旨在鉴定粳米和籼米的特有香气,并比较两者差异。实验结果表明:运用电子鼻技术和主成分分析(principal component analysis,PCA)能有效区分不同品种大米,粳稻和籼稻在挥发性成分上差异明显。在此基础上,通过GC-MS定性定量检测大米中的挥发性成分,籼米的挥发性成分(149种)多于粳米(94种),籼稻中挥发性物质最多的是茉莉香米,粳稻中挥发性物质最多的是稻花香米。壬醇、癸醇和2-乙基-1-己醇等醇类物质只存在于籼米中,而2-环己酮和2-癸酮等酮类物质只在粳米中检测到,可能是这些物质导致了两个大米种类香气的差异。粳米和籼米中的重要风味物质主要是醛类、酮类和醇类,如己醛、辛醛、壬醛、苯甲醛、2-戊基呋喃等物质在粳米和籼米中都存在,这些挥发性成分阈值小,对大米特征香气的形成起重要作用。研究结果可为大米的产地及品种鉴别提供一定的参考价值。