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。     

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。     

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。     

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。     

米糠多糖的超声波辅助纤维素酶- 柠檬酸联合提取及结构分析

为了提高米糠多糖的得率,在单因素试验的基础上,采取正交试验,以米糠多糖得率为指标,对超声波辅助纤维素酶- 柠檬酸联合提取米糠多糖的工艺条件进行优化。同时采用红外光谱仪扫描分析,波长范围为4000～500cm-1,观察吸收峰,确定其基团类型。结果表明：米糠多糖最佳提取工艺条件为超声时间1h、超声温度50℃、超声功率100W、pH5.0,在此优化条件下,米糠多糖的得率有大幅提高,最高可达6.69%;红外光谱扫描结果显示该法所提取的多糖和热水浸提所得多糖的红外光谱图基本吻合,主要官能团没有差异。米糠多糖的结构不会因为超声波、酶法和柠檬酸的联合使用而受到破坏。     

基于GC-IMS技术的香米共享风味指纹谱构建

为提取广西香米中的共享风味指纹信息,实现广西、五常区域香米样品的快速判别,本研究采用气相离子迁移谱(Gas chromatography-ion mobility Spectrometry,GC-IMS)分析53个香米样品的挥发性风味物质成分,采用图谱预处理结合自动阈值分割方法提取二维图谱中能够表征广西香米中共有风味成...     

基于计算机视觉技术的稻米检测研究

综述了计算机视觉技术在稻米品种、外形轮廓、垩白度、加工精度、留胚率、整精米率、黄粒米和稻米化学成分等检测中的应用。     

超临界流体萃取与二乙醇胺法综合制备米糠油

以市购米糠为原料,采用超临界流体萃取法提取米糠油,并对毛糠油的简化精炼工艺进行研究。原料经微波预处理降低解脂酶活性后,利用超临界CO2分段萃取,先后控制条件15MPa、32℃、1.0h和35MPa、40℃、4.0h获得毛糠油Ⅰ、Ⅱ。用二乙醇胺处理毛糠油Ⅱ,通过单因素实验和正交实验得出二乙醇胺法精炼毛糠油的最佳条件为:二乙醇胺加入量为油重的9%,精炼温度为50℃,振荡时间为15min。在此条件下精炼毛糠油,油脂酸价可降至0.85mgKOH/g,酸价降低率达到94.33%。超临界流体萃取与二乙醇胺法精炼综合处理所得米糠油清澈、透明,谷维素含量为1.73%,色度达到了国家标准。     

大米淀粉制备麦芽糖浆的工艺研究

为降低高纯度大米蛋白的成本,采用碱提取法将大米蛋白及大米淀粉分离,大米淀粉用双酶法制备麦芽糖浆。结果表明：用大米粉联产大米蛋白和麦芽糖浆可以得到蛋白含量为90.58% 的大米分离蛋白;大米淀粉在pH5.71、温度102℃、时间15min 的α- 高温淀粉酶液化,pH5.00、温度58℃、时间10h 的真菌淀粉酶糖化条件下,得到含量为45.18% 麦芽糖的麦芽糖浆;同等条件下用大米粉制备的麦芽糖浆中的麦芽糖含量为40.83%。