基于机器学习的大米色选算法研究.pdf

基于机器学习的大米色选算法研究

摘要

随着国民经济水平的不断提升，人民对食品质量的要求也越来越高。大米是我国人

民的重要粮食作物之一，其品质的好坏影响着市场的消费，科学分选是提高大米品质的

重要途径，但目前国内色选机在细微颜色和形状的区分上还有进一步提升空间。因此，

本论文基于机器学习开展大米色选算法的研究，以期能够使色选机获得更好的图像识别

效果。

本文首先搭建大米图像采集平台，并对自建大米图像数据集进行了预处理工作，包

括图像灰度化、降噪、阈值背景分割和轮廓提取。通过仿真比较分析，选择适合本课题

的预处理算法，剔除了不合格图像。然后构建了一种基于BP神经网络的机器学习算法，

提取了大米颜色特征和形状特征参数共计12个，实现了对精米、黑米、碎米、垩白米

和黄粒米的品质分级，平均识别准确率可达90.77%。进一步，构建了基于Inception-v3

的深度学习大米分级算法，利用图像增强算法扩充自建数据集，经过ImageNet数据集

预训练后利用参数迁移学习并根据L1和L2范数完成网络剪枝优化模型，在合适的调

参策略下，大米种类综合识别准确率保持在95%以上。最后，利用PyQt实现大米品质

检测系统的可视化设计，加载训练完毕的最佳模型，内部封装后可实现大米图像检测，

检测界面简洁明了，识别过程快速准确。

本课题完成了基于机器学习的大米色选算法设计与实现，并对卷积网络模型进行改

进优化，通过实验验证了图像特征提取的有效性和算法模型实现的可行性，还验证了不

同数据集的普适性。实验结果表明本课题所构建的两种卷积神经网络模型达到了大米色

选的预期目标，能够为提高色选指标提供实现意义。

关键词：大米色选；图像处理；神经网络；Inception-v3

基于机器学习的大米色选算法研究

Abstract

Withthecontinuousimprovementofthenationaleconomiclevel,thepeoples

requirementsforfoodqualityarealsogettinghigherandhigher.Riceisoneoftheimportant

foodcropsforourpeople.Scientificsortingisanimportantwaytoimprovethequalityofrice.

However,atpresent,domesticcolorsortersstillhaveroomforfurtherimprovementinthe

distinctionofsubtlecolorsandshapes.Therefore,thispaperstudiesthericecolorsorting

algorithmbasedonmachinelearning,inordertoenablethecolorsortertoobtainbetterimage

recognitionresults.

Inthispaper,ariceimageacquisitionplatformisfirstlybuilt,andtheself-builtriceimage

datasetispreprocessed,includingimagegrayscale,noisereduction,thresholdbackground

segmentationandcontourextraction.Throughthecomparisonandanalysisofsimulation,the

preprocessingalgorithmsuitableforthistopicisselected,andtheunqualifiedimagesare

elimi