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.     

基于机器视觉的大米垩白米的检测方法研究

本文提出了一种检测大米垩白米的检测方法。由于光线反射的缘故,摄像机拍摄的正常米粒有部分的光线反射区,该反射区与垩白米的亮度非常近似,用最大类间方差法无法区分开垩白米和正常米粒的光线反射区。本文提出通过分析两种米粒的不同的直方图分布表现来进行区分的方法,并进而分析出大米垩白率,垩白度等信息。本文提出的方法相较于以往的方式,能快速,高效地检测出大米垩白米及相关信息,实验结果表明了该方法的可行性。     

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。     

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 …     

基于图像处理的稻米垩白自动检测研究

应用大津算法自动选取分割阈值,对稻米图像进行两次分割,分别得到籽粒和垩白区域的二值图像,再根据区域内部象素的连通性,将不同区域赋予不同的标记,计算出籽粒和垩白粒数,以及二者对应的面积(象素)。研究结果表明,该算法的自动检测结果与人工检测相关性大于90%,可用于稻米垩白粒率和垩白度的自动检测。     

大米加工精度与碾白程度检测的研究

本研究对不同品种稻谷进行碾米实验，测定碾米全过程的不同碾白程度米粒样品的糙出白率、碾白卒、大米白度、表面色及染色后呈色，分析和比较了各测定值的特性及其相互关系，结果表明：用碾白率表示碾白程度和加工精度较准确，米粒染色后呈色测定的a值和b值与碾白率的关系反映了糙米籽粒结构的特征．可以根据碾白是否到达或超过临界碾白率来检测大米加工精度和碾白程度。     

基于卷积神经网络算法处理的稻米参数评定分析仪

基于电荷耦合元件（Charge-coupled Device,CCD）摄像头的嵌入式硬件平台和卷积神经网络（Convolutional Neural Networks,CNN）算法原理,研发对采集图像进行灰度和卷积处理的稻米参数评定分析仪,通过CNN算法分析出米粒边缘及透明度比较高的部分,并根据预设的第一阈值进行边缘切割,分离出单个米粒,并计算该米粒的总像素数、最长直线像素数、最宽直线像素数,而后计算图像中小于第二设定阈值的像素数,用该像素数除以总像素数计算垩白度,将计算出来的长度、宽度、长宽比、垩白度与国家标准比对,给出所测试的稻米参数,通过对8组实验样品测试分析结果表明,单次样品绝对误差值为0.02,相对误差值为–0.31％,相关数据可上传到上位机用于品质管控,本稻米参数评定分析仪原理和算法具有一定创新性,能缩短检测时间,提高检测精准度,具有一定的应用价值。     

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。     

储藏粳米垩白变化规律分析研究

为了比较不同储存条件对成品大米垩白程度的影响,以"辽星"粳稻大米为样品,设定10、15、20、25℃以及常温条件等五个温度进行控温、湿度储存实验。经过6个月储存,在所有储存温度条件下,垩白粒率和垩白度均呈上升趋势,且温度越高,上升幅度越大;低温条件下,垩白粒率和垩白度的增加幅度较小。25℃条件下变化明显,垩白粒率由6.1%上升到22.6%,垩白度由2.2%上升到5.7%。粳稻大米的垩白粒率和垩白度与储藏时间呈现显著的相关性。     

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Halcon多层感知机的织物色差检测研究

探讨基于Halcon中多层感知机织物色差检测研究。首先将数据库中部分样本特征数据输入神经网络,然后采用均方误差最小化训练优化神经网络,构建样本特征与色差类别的多层感知机映射函数;最后将面积更大、上色情况更复杂的织物输入多层感知机,通过形态学算法分割出织物中不同类别的色差区域,并统计三种颜色织物的色差检测平均准确率,最低可达到89.7%。认为:织物图像中的不同色差区域均能准确判别并分割出来,能满足工业色差检测的准确率与灵敏度要求。     

基于深度学习的机织物起毛起球客观评级分析

为了有效克服目前人工检测速度慢、误差大、主观性强的问题,更快速、准确、客观地对机织物起毛起球样本评级,提出了一种多尺度特征融合的Wide-SqueezeNet网络。首先制作了两种成分不同的机织物起毛起球数据集。根据机织物起毛起球图像中毛球形状大小不一以及分布不均的特点,在网络中改进Fire模块,其中增加了短连接来解决训练中梯度发散等问题,在短连接中使用两个3×3小卷积核来减少计算量并且获取不同尺度的特征图信息,增强网络的特征提取能力来提高准确率;其次为了减少整体的计算量,在网络预处理时将图像统一到224×224大小,并且将网络中普通卷积替换为深度可分离卷积。结果表明,通过使用多尺度特征融合和深度可分离卷积来改进网络,机织物起毛起球的客观评级准确率可以达到99.333%。相比于基础网络SqueezeNe、Resnet、MobileNet、DenseNet、ShuffleNet,该方法的提升分别为2.220%、1.777%、2.666%、1.333%和2.220%。与人工检测需要几分钟到十几分钟不等相比,该网络只需要0.072 s即可检测一幅图像,检测速度大大提高。     

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。     

粳稻品质特性指标差异性分析研究

征集108个粳稻品种为实验原料,对粳稻样品的25项品质特性指标进行测定,并进行差异性分析,结果表明25项品质特性在品种间存在不同程度的差异,其中糙米白度是碾米品质中差异性最大的指标,其变异系数为9.18%;垩白度是外观品质中差异性最大的指标,其变异系数为133.39%;蛋白质是理化品质中差异性最大的指标,其变异系数为11.51%;消减值是糊化特性中差异性最大的指标,其变异系数为92.54%。25项指标中变异系数超过10%的共有10项,从高到低依次为:垩白度、消减值、垩白粒率、垩白大小、碎米率、崩解值、长宽比、蛋白质、热浆黏度、胶稠度。     

基于电子舌和电子眼结合改进MobileNetv3的黄芪快速溯源检测

目的:实现对不同产地黄芪的快速溯源检测。方法:提出了一种基于电子舌和电子眼结合改进MobileNetv3网络的黄芪产地快速检测方法。采用电子舌和电子眼分别采集不同黄芪样本的一维指纹图谱信息和二维外观图像信息。利用格拉姆角场(Gramian angular field, GAF)将一维电子舌信号转换为二维图像信息，保留电子舌信号中时间序列相关特征，再将其与电子眼采集的图像信息进行数据融合，采用基于金字塔切分注意力机制(Pyramid split attention, PSA)改进的MobileNetv3模型实现对不同产地黄芪样本的分类识别。结果:相较于单独使用电子舌或者电子眼，该方法具有更高的识别准确率，其测试集准确率、精确率、召回率和F₁-Score分别达到98.8%,98.8%,98.8%和0.99。改进的MobileNetv3网络分类准确率较原始模型提高了8%,参数量仅为原参数量的20%左右。结论:改进的MobileNetv3网络可以有效减少参数的计算量，提高不同产地黄芪识别的准确率。     

基于卷积神经网络的领带花型情感分类

为避免传统手工特征和局部特征难以全面表征和准确量化图像情感特征的不足,以领带花型为研究对象,提出了一种融合手工情感特征的基于卷积神经网络的织物图像情感分类方法,可为服饰设计、服装选购等提供辅助。 首先对领带花型图像进行情感评价,建立领带花型图像的情感样本库;然后提取图像饱和度、纹理等手工情感特征和图像像素值作为卷积神经网络的输入;其次建立卷积神经网络模型,将2 000幅样本图像作为训练样本对卷积神经网络进行训练;最后将1 000幅检测样本输入训练后的卷积神经网络,实现了领带花型图像的情感分类。实验结果显示：该方法的情感分类准确率为89.7%,比采用传统手工特征的分类方法有较大提升,较其他卷积神经网络模型正确率更高。     

基于嵌入式的稻米形态特性分析仪的开发

设计了一套基于嵌入式的稻米形态特性分析仪,针对优质稻米品质参数检测的实际需要,在设计稻米图像采集装置的基础上,系统以基于ARM内核的S3C2410平台为硬件开发环境,利用嵌入式Linux系统,通过USB图像驱动程序移植,实现了对稻米图像的采集及保存过程,在此基础上,结合图像处理与模式识别技术,编写相应的图像分析应用程序,获得稻米形态品质的国标参数,实现了对稻米整精米率、垩白粒率、垩白度、粒型的快速无损检测。     

辽宁省2007年～2011年育成的中晚熟水稻品种品质性状分析

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。