| 基于OTSU 图像分割算法的碎米检测 |
| |
| 引用本文： | 陈浩然,范方辉,牟天.基于OTSU 图像分割算法的碎米检测[J].食品研究与开发,2023,44(20):175-183. |
| |
| 作者姓名： | 陈浩然 范方辉 牟天 |
| |
| 作者单位： | 1.深圳大学 化学与环境工程学院食品科学与工程系，广东 深圳 518060；2.深圳市食品大分子科学与加工重点实验室，广东 深圳 518060；3.深圳大学 医学部 生物医学工程学院，广东 深圳 518060 |
| |
| 基金项目： | 国家自然科学基金项目（82202246）；广东省自然科学基金面上项目（2022A1515011520） |
| |
| 摘 要： | 碎米作为大米加工过程的常见产物，常会对产品的口感、味道产生影响，因此针对整米中碎米的有效筛分尤为重要。针对上述问题，该文建立基于大津法（maximal variance between clusters，OTSU）图像分割算法的逻辑回归模型用以检测整米中的碎米。将检测结果与国标法进行对比，结果表明逻辑回归模型的曲线线下面积（area under the curve，AUC）值为0.987，柯尔莫可洛夫-斯米洛夫（Kolmogorov-Smirnov，KS）值为0.909，0.5 为最佳阈值；而国标法的AUC 值为0.922，KS 值为0.669，21 为最佳阈值。该文所建立的逻辑回归模型的准确率、精确率、召回率及F1 分数均高于国标法。此外，逻辑回归模型的AUC 值比国标法的AUC 值更接近于1，KS 值也更高，表明逻辑回归模型能够更好地区分碎米与整米。长轴（x1）、面积（x2）、短轴（x3）与长短轴比（x4）4 个特征参数都是模型中具有显著影响的因素，对应的线性关系为z=-139.97-5.35x1+10.93x2+2.86x3+34.59x4。
|
| 关 键 词： | 大米 碎米筛分 计算机视觉 大津法（OTSU） 图像分割 食品智能检测 |
| 收稿时间： | 2023/5/29 0:00:00 |
Broken Rice Detection Based on OTSU Image Segmentation Algorithm |
| |
| CHEN Haoran,FAN Fanghui,MOU Tian.Broken Rice Detection Based on OTSU Image Segmentation Algorithm[J].Food Research and Developent,2023,44(20):175-183. |
| |
| Authors: | CHEN Haoran FAN Fanghui MOU Tian |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《食品研究与开发》浏览原始摘要信息 |
|
点击此处可从《食品研究与开发》下载全文 |
