共查询到20条相似文献,搜索用时 344 毫秒
1.
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。 相似文献
2.
3.
目的:考察宁夏富硒大米与普通大米间的元素差异,并分析评价其理化品质。方法:以宁夏当地25份不同品牌大米样品为研究对象,采用电感耦合等离子体质谱仪(ICP-MS)测定两种大米样品的26种矿物元素,并对这些元素进行多元统计分析。结果:通过含量差异分析可对富硒大米品质进行判别,同时发现富硒大米富含Ca、Sn、K、Mg 4种元素。对其他品质指标进行分析,发现富硒大米不完善粒低、黄粒米低、垩白低,整精米率高、直链淀粉高、食味值高、新鲜度评分值高,硬度、弹性及胶着度适宜,适口性优良,外观品质和食用品质都较高。结论:宁夏富硒大米具有较高的营养价值和食味品质,可以通过元素含量差异判别富硒大米。 相似文献
4.
5.
以江淮地区大米作为研究对象,对比市售三种不同品质大米,从大米外观品质、理化指标及加工品质三方面进行研究,探究江淮地区大米质量品质并筛选出优质地方特色大米。结果表明:黄粒米及整精米率对大米外观品质影响较大,垩白度相差较大;理化品质中大米蛋白质含量与食味值品质呈负相关,样品大米的含水量15.5%,直链淀粉含量为13.5%~18.2%,符合国标优质大米要求;糊化特性中优质大米的崩解值的绝对值较大;质构特性中硬度适中,弹性良好。江淮地区大米质量品质均高于对照组中低品质大米,部分大米质量与优质大米接近可作为地方优质大米推出。对江淮地区大米进行质量品质分析,有利于推动实施优质粮油工程,树立地方特色品牌,为江淮地区大米质量标准建设提供借鉴。 相似文献
6.
7.
8.
9.
10.
以辽宁省2007年~2011年新育成的中晚熟水稻品种为材料,对其品质性状及其与部分生态因子的相关性进行分析,结果表明:不同品种的稻米品质性状中的垩白粒率、垩白度差异较大,是影响稻米品质的主要限制因素;品质性状间存在复杂相关性,随着出糙率的提高,蛋白质含量增加,但有可能降低其适口性;蛋白质含量与直链淀粉含量存在极显著的负相关;降低垩白粒率、垩白度有利于提高加工品质;温度对品质形成影响较大,成熟期随温度上升,垩白有变少、变小的趋势,提高外观品质,而成熟期低温使整精米率下降,加工品质变差。 相似文献
11.
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%。 相似文献
12.
基于机器视觉技术大米品质检测 总被引:3,自引:0,他引:3
该文介绍国内外大米品质检测研究现状,重点介绍国内应用机器视觉技术对大米品质进行检测研究动态,指出应用机器视觉技术对大米品质检测存在问题,并提出今后研究方向。 相似文献
13.
14.
15.
16.
17.
介绍了国外大米品质检测的研究现状及国内应用机器视觉技术对大米品质进行检测的研究动态,指出了应用机器视觉技术对大米品质检测存在的问题,并提示了今后研究的方向。 相似文献
18.
19.
本实验采用青稞为原料,对比了青稞米加工中柔性脱皮机和碾米机对碎米率的影响。分析了两种脱皮设备对青稞麸皮中淀粉含量的变化趋势和原因,探讨了入机水分、脱皮率、灭酶、筛分工序等对青稞米加工过程中碎米率的影响。研究结果显示,青稞米加工最佳的入机水分为16%;碎米率随着脱皮率升高而升高,碾米机的碎米增长率高于柔性脱皮机;脱皮率<10%时,灭酶对碎米率无显著性影响,脱皮率>10%时,灭酶处理使碎米率显著上升;脱皮率>10%时,筛分工序能够降低碎米率和提高青稞米粉的亮度;柔性脱皮机能缓解青稞制米时碾米机过碾的问题,降低了富葡聚糖相中淀粉的含量。 相似文献
20.
目前织物表面绒毛含量大都采用人工方式检测,存在效率低、准确度不高等问题。为此,应用机器视觉和图像处理技术,研制了一套织物表面绒毛率测试系统。介绍了织物表面绒毛率测试原理,包括织物表面绒毛率检测数学模型、检测算法和阈值的确定方法,并介绍了织物表面绒毛率测试系统的软硬件组成。采用该测试系统检测了5种织物的表面绒毛率,并与人工检测结果进行了对比分析。结果表明:该测试系统能够高效地测定织物表面绒毛率,且与人工检测结果呈现高度正相关;系统重复检测偏差范围为1.18%~7.25%,可满足织物表面绒毛率的检测需求。 相似文献