收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器视觉的稻米品质评判方法研究

刘璎瑛  
【摘要】:中国是世界上最大的稻米生产国和消费国,却无法跻身于稻米出口大国之列。其原因之一是我国稻米品质检测技术落后,无法保证出口稻米品质,使我国稻米出口缺乏国际竞争力。本文以稻米米粒为研究对象,针对目前稻米米粒加工、分选等过程中存在的实际问题,研究了基于机器视觉技术的稻米外观品质图像检测原理和方法,构建了稻米品质图像静、动态检测系统,给出了适合稻米在线品质评判的图像处理算法。实验分析了稻米内外品质的相关性,验证了外观品质分选对稻米食味品质的影响。根据稻米外观品质特征研究了稻米分选方法,为进一步开发稻米自动化分选系统奠定了基础。本文的主要内容和结论如下: 1.对稻米内外品质相关性进行了初步实验研究,分别完成不同品种和同一品种稻米部分品质相关性实验分析。结果表明,江苏产粳稻其稻米食味品质与胶稠度、垩白度、直链淀粉含量和水分相关,稻米的蛋白质含量与稻米品种相关;单一品种稻米的胶稠度和蛋白质含量随米粒垩白的增多而降低,直链淀粉含量随米粒垩白的增多而升高。单一品种相关性实验测定及方差分析表明,单一品种稻米的外观品质中米粒整碎及垩白大小对直链淀粉含量和胶稠度这两种内在品质有显著影响。因此从分选角度看,剔除破碎米和垩白米能够改善稻米的食味品质。 2.构建了稻米外观品质机器视觉检测系统。通过颜色校正和几何标定,系统较好实现了稻米多米粒彩色图像的静、动态获取。对稻米米粒外观图像特征进行描述,给出了完整米、垩白米、破碎、黄米和异型米的定义,按照米粒加工分选中常遇到的米样组合,拍摄了全部为完整米的米样图,全部为垩白米的米样图和各种米样混合在一起的混合米样图,以三种米样图为研究对象对多米粒彩色图像处理算法进行了研究。 3.提出了一种基于改进最终测量精度法的彩色图像分割效果评判方法。求取米粒分割后去掉背景的边缘轮廓灰度图,以灰度图的灰度均值和方差作为分割评判准则,分别对三种彩色米样图像进行分割颜色通道和分割方法的选择。经实验验证,在I1颜色通道用最大类间方差法进行稻米多米粒图像分割可以取得较好效果。针对目前垩白米分割算法计算量大、自适应性不强等现状,研究了基于且比雪夫逼近的垩白米垩白区域分割算法,对三种米样图进行了垩白区域提取。结果显示,该算法耗时短、鲁棒性强,实现了不同米样图像的垩白区域自动、准确分割。对垩白米正反两面的垩白区域进行分割提取和面积计算,验证了单目视觉在垩白米检测应用中的可行性。 4.提出了一种基于霍特林变换的稻米大小、形状特征提取算法。对目前常用的最小外接矩形法进行改进,通过对江苏产籼稻米粒粒型的测定,比较两种算法的准确度和实时性。结果表明,改进最小外接矩形法单粒计算耗时267ms,误差2.24%;基于霍特林变换法单粒计算耗时31ms,误差1.65%。霍特林变换用于稻米大小、形状特征提取实时性好,准确度高。 5.选取江苏产的5种粳稻:武香粳14号、淮稻5号、徐稻3号、宁粳1号和徐稻4号,每个品种稻米选择完整米、垩白米、破碎米和异型米各150粒,黄米在5个品种中共选150粒,共计3750粒,拍摄250张静态图像。根据本文图像处理算法提取稻米米粒的9个大小特征参数、10个形状特征参数和31个颜色特征参数,建立了稻米的图像特征数据库。 6.研究了基于多结构神经网络的稻米外观品质评判方法。分别对大小形状特征和颜色特征进行主成分分析,根据结果选取面积、粒型、垩白大小和H值作为网络输入的特征参数,经调试,构建了网络结构为5×(4-4-5-1)的多结构神经网络分类器,并与相同网络复杂度的多层BP神经网络进行分类效果比较。结果显示,多结构神经网络分类器对完整米、垩白米、破碎米、黄米和异型米的识别准确率分别为98.3%,92.4%,97.5%,96%,93%,其平均准确率比多层BP神经网络分类器提高6.4个百分点,并且网络训练耗时短。 7.分别拍摄0.08m/s、0.12m/s、0.16m/s和0.2m/s四种传送带运行速度下米粒视频图像,研究了基于改进背景差法的运动稻米图像检测方法,完成了对米粒视频图像的背景自动提取、米粒分割、米粒跟踪和特征提取。将不同速度下提取的稻米大小形状特征与静态特征相比较,根据动态偏差和相对误差选取0.12m/s为本文视频图像采集速度。根据提取的特征进行多结构神经网络评判,对完整米、垩白米、破碎米、黄米和异型米的识别准确率分别为95.2%,89.6%,97.3%,90.5%,82.3%。利用Matlab中的Simulink平台对运动稻米图像检测算法进行仿真实现,并给出了算法优化加速的方法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 冯恩娟;康敏;傅秀清;杨勇;;机器视觉的电解车削对刀间隙检测[J];现代制造工程;2010年04期
2 陈艺峰;;CMOS摄像机标定实验研究[J];机电技术;2011年02期
3 李昕;李立君;易春峰;;基于目标保护的林业机器人视觉系统的研究[J];中南林业科技大学学报;2011年07期
4 С.И.Мишкинд ,丁柏;用于生产自动化的机器视觉系统[J];机器人;1985年04期
5 李炜,黄心汉,王敏,万国红;基于机器视觉的带钢表面缺陷检测系统[J];华中科技大学学报(自然科学版);2003年02期
6 李强,陈善勇,杨尚罡;基于TMS320VC5416的机器视觉处理系统[J];电视技术;2004年07期
7 马训鸣;基于机器视觉的农业机械无人驾驶研究[J];西安石油大学学报(自然科学版);2004年05期
8 成芳,应义斌;基于轮廓特征的稻种芽谷检测方法[J];农业工程学报;2004年05期
9 陈勇,田磊,郑加强;基于直接施药方法的除草机器人[J];农业机械学报;2005年10期
10 ;机器视觉的系统构成和分类[J];可编程控制器与工厂自动化;2005年02期
11 彭金华;;基于稀疏RAM的N-tuple神经网络的足球机器人识别法[J];江西电力职业技术学院学报;2006年02期
12 韩浩;董砚秋;张娟;;基于湖面清扫机器人的图像识别技术研究[J];科技资讯;2006年33期
13 汤焕;杨崇倡;;采用双CCD的喷丝板自动纠偏系统[J];国外电子测量技术;2007年01期
14 段海淼;徐杜;;机器视觉在PCB缺陷检测中的应用[J];电子工业专用设备;2007年08期
15 胡嵘;;基于机器视觉的田间杂草形状特征识别技术研究进展[J];湖北农机化;2007年01期
16 王俊明;杨永跃;付贵权;;多判据图像型火灾探测系统的研究[J];工业控制计算机;2008年02期
17 ;企业·产品[J];激光与光电子学进展;2008年03期
18 ;NI拓宽智能相机系列产品选择[J];电子测量技术;2008年10期
19 郭波;管菊花;;基于机器视觉的机加工缺陷检测系统设计[J];微计算机信息;2008年30期
20 陈瑶;李诗龙;;基于机器视觉的瓷砖自动分类系统设计[J];武汉工业学院学报;2009年01期
中国重要会议论文全文数据库 前10条
1 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 金晅宏;戴曙光;穆平安;;机器视觉在汽车前照灯配光检测系统中的应用研究[A];第十三届全国汽车检测技术年会论文集[C];2009年
3 罗明智;杜家政;;机器视觉苹果自动分级系统图像处理方案设计[A];北京力学会第17届学术年会论文集[C];2011年
4 鲁波;黄坚;朱子伟;;基于机器视觉的LED阵列自动分选系统设计[A];浙江省电子学会2010学术年会论文集[C];2010年
5 何浩;龙淼;王晓婷;王忆文;李辉;;电子白板系统中基于机器视觉的目标识别技术[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集(A辑)[C];2011年
6 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集(下册)[C];2004年
7 张海潮;邱红专;;加权Kalman filter:应用[A];2004中国控制与决策学术年会论文集[C];2004年
8 胡庆新;王伟;顾爱华;;基于机器视觉的农产品物料分级检测系统关键技术研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
9 陈艳;张漫;刘兆祥;籍颖;马文强;刘春红;;基于Kalman滤波器的机器视觉自动导航定位算法研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
10 杨雪勤;张洪钺;;差分GPS/姿态传感器/机器视觉在飞机着陆定位中的应用[A];'2002系统仿真技术及其应用学术论文集(第四卷)[C];2002年
中国博士学位论文全文数据库 前10条
1 刘璎瑛;基于机器视觉的稻米品质评判方法研究[D];南京农业大学;2010年
2 丁萌;空间探测器着陆过程中的机器视觉关键技术研究[D];南京航空航天大学;2010年
3 徐剑坤;基于机器视觉的巷道变形实时监测预警技术研究[D];中国矿业大学;2012年
4 毛文华;基于机器视觉的田间杂草识别技术研究[D];中国农业大学;2004年
5 盛遵冰;机器视觉图像检测与定位系统关键技术研究[D];哈尔滨工业大学;2009年
6 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
7 许海霞;机器视觉标定与目标检测跟踪方法及其应用研究[D];湖南大学;2011年
8 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年
9 李晓丽;基于机器视觉及光谱技术的茶叶品质无损检测方法研究[D];浙江大学;2009年
10 刘洪江;基于机器视觉的毛杆缺陷检测技术的研究[D];广东工业大学;2011年
中国硕士学位论文全文数据库 前10条
1 吴珂;基于机器视觉的弹片质量在线检测系统[D];重庆大学;2010年
2 程现彬;基于机器视觉的小直径工件检测系统的研究[D];合肥工业大学;2010年
3 袁云峰;基于机器视觉的溶液pH值测试的试验研究[D];广西大学;2002年
4 晁攀攀;基于机器视觉的贵金属复合带焊接质量在线检测技术研究[D];电子科技大学;2010年
5 刘华冠;基于机器视觉的袋装物料位姿自动识别研究[D];济南大学;2011年
6 阮晓虹;基于机器视觉的触点零件在线检测系统研究[D];上海交通大学;2010年
7 刘学山;基于机器视觉的锂离子电池极片检测系统的研究与设计[D];华南理工大学;2010年
8 王强;基于机器视觉的检测识别系统研究及应用[D];电子科技大学;2010年
9 王磊;基于机器视觉的电池表面缺陷检测技术研究[D];中国科学技术大学;2011年
10 赵娇洁;基于机器视觉的汽车轮毂形状识别算法研究[D];沈阳师范大学;2011年
中国重要报纸全文数据库 前10条
1 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年
2 袁中;邦纳机器视觉在食品及医药包装行业中的应用[N];中国包装报;2009年
3 本报记者 李剑琦;西门子成功并购RVSI Acuity CiMatrix 意欲扩充机器视觉版图[N];机电商报;2005年
4 陈蕾;康耐视向中国多所大学捐赠机器视觉产品加强与高校合作[N];中国包装报;2010年
5 齐齐哈尔大学计算机系讲师 赵鑫;新技术在数字娱乐和动漫领域的应用[N];齐齐哈尔日报;2008年
6 记者 李跃辉通讯员 杨凡;用知识产权抢占市场[N];中国知识产权报;2008年
7 天笑;1394接口新标准即将推出 成USB新挑战[N];电子资讯时报;2008年
8 戴世勇 陈晓春;扬大研究稻米品质取得重大进展[N];新华日报;2010年
9 新华;我国发现稻米品质控制基因调控网络[N];中国食品报;2009年
10 本报记者 邵文杰;国产稻米品质有待改良[N];光明日报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978