水稻加工在线工艺检测.PDFVIP

水稻加工在线工艺检测 ——水稻加工智能工厂之三 一、大米新国标开始执行 2019 年5 月1 日，GB/T 1354-2018 开始执行，使用了九年的大米国标终被 替代。新国标的核心思想是适度加工，而适度加工的背景值得粮食加工行业所有 从业人员的重视： 1、粮食的过度加工已成为行业惯性，过度加工使得粮食在加工过程中产生 巨大损耗，而中国社会结构的急剧变化和城镇化建设的不断深入又使得粮食安全 日益重要，习近平总书记说 “粮安则政安，粮安则国安”，因此，粮食的 “适度 加工”上涉国家粮食安全。 2、中国营养学会在 “中国居民膳食指南”里指出：稻米的过度加工导致谷 物中膳食纤维与B 族维生素的大量损失。在日常生活中，谷类是膳食中B 族维生 素的主要来源，而且百分之六十至七十的热能和百分之六十的蛋白质也来源于谷 类。所以，粮食的 “适度加工”还下关民生。 在技术层面，国标的变化必将带来大米检测理念、方法甚至工具的变化，比 如精碾与适碾的提出、留皮度的提出、垩白度及其检测方法的提出等等。这些变 化中，所包含的信息量巨大： 1、定等不再与“白度值”相关，精碾与适碾的评测有两种方法并存，对“精 碾”的定义是“背沟基本无皮、或有皮不成线，米胚和粒面皮层去净的占80%-90%， 或留皮度在2.0%以下”；“留皮度”则定义为 “试样平放，残留皮层、米胚投影 面积之和占试样投影面积的百分率”，对于同一份试样，这两种评测方法将产生 不同的检测结果。 例：东北粳米 粳米加工通常少留皮多留胚，若采用传统检测方法，留胚率 在10%-20%则达到 “精碾”标准；若采用 “留皮度”检测方法，只需在2.0%以 内便达到“精碾”标准；试样平放时，较多的传统意义上的“半胚”与小部分“平 胚”将不能形成 “留胚”的“投影面积”；而糙米中“胚”仅占其重量的2.5%左 右。前一种检测方法适用于传统检测方式，后一种“留皮度”检测方法却适用于 机器检测。 2、优质大米定等对 “垩白度”有确定要求，而 “垩白度”的检测却干脆依 据其试样平放 “投影面积”进行计算。这种检测方式，传统的“目测法”无法适 应。 很明显，新国标鼓励企业采用 “机器检测”方法展开日常生产工作。 二、水稻加工在线工艺检测技术的普遍性问题 使用机器/仪器检测大米品质，目前已出现了多种技术，其中，机器视觉/计 算机视觉+机器学习/深度学习的人工智能技术不仅是方向与潮流，还可能是当前 唯一能满足水稻加工在线工艺检测的技术路线。然而，人工智能检测大米工艺品 质，仍普遍存在三个方面的问题： 1、检测的指标不全。在线加工工艺检测所需要的检测类别繁多，即使成品 检测指标：留、碎、垩、病、黄与互混，尚不足以准确检测，比如留胚与病斑、 黄粒米之间的分类，凭 “色差”与色斑面积大小是无法彻底 “可分”的；垩白与 米胚挂浆也同样很难通过“色差”分类；长宽比与垩白含量也不能进行有效的互 混分类…...且不论稻谷与石子/泥块、稻谷与糙米、谷壳与稻谷、谷壳与糙米、糙 米与开糙、一碾二碾三碾 （四碾）的达标、过碾和碾米不足、一抛达标、二抛达 标…...等等，但实现智能工厂就必须首先对这些指标进行在线、实时的检测。 2、构建的人工神经网络系统不能并行处理机器视觉/计算机视觉所获取的 图像。这属于技术本身需要克服的困难，很多看起来可动态检测的设备，其本质 仍然是先获取 “动态”下的视觉样本，再进行 “静态”集中处理，其结果就是： 一份样本 “流”过去之后，设备需要一段时间间隔才能给出结果。技术上，仍然 是 “不能真正动态处理样本”，因其不能并行而只能串行处理所获得的视觉图像 信息。这一缺点，不能满足智能工厂在线、实时的工艺检测需要。 3、深度学习普遍存在的问题是“迁移”，即不能构建一个标准装置而对深度 学习的结果进行妥善迁移。学习结果不能 “迁移”，便意味着每台机器人只能是 独一无二的“艺术品”而非标准化的检测设备。这三个问题既是世界性难题，也 是学科难题。 除了检测本身，要实现在线工艺检测还面临以下问题：（1）如何在线、动态 取得有代表性样本：（2）如果每个检测点配置一台检测设备，则企业无法承受巨 大的投入，那么，如何实现 “分布式取料集中式检测”？ （3）取料系统如何控 制；（4）上一个检测点的样本如何与下一个检测点的样本区分；（5）不同工序的 工艺检测如何在一个检测平台上实现；（6）检测数据如何