基于CNN和FPGA的稻米品种识别与质量检测研究.pdfVIP

摘要

稻米是我国最重要的粮食作物之一，随着农业技术不断发展进步，稻米的品种

越来越多，人们对稻米的品质要求也逐渐提高，因此稻米的品种识别和质量检测有

着重要的研究意义。在以前，人们通常使用的方法是凭借人工观察来判断稻米的品

种和稻米的外观品质，这种方法费时费力，不仅效率低下，还容易受到较多主观因

素的影响从而导致准确率不高。如今，随着农业信息化的日益发展和图像识别技术

的广泛应用，农业智能识别有着广阔的前景。为了对稻米品种进行准确识别和对稻

米质量进行客观判定，本文主要工作内容有，对稻米进行远程图像采集和传送、稻

米目标检测、稻米品种识别、整碎米粒形检测等进行了研究与实现，内容如下：

（1）稻米图像采集与处理，搭建嵌入式FPGA平台负责稻米图像采集、显示、

传输，使用MATLAB对采集的稻米图像数据进行图像处理，采用地址映射和中断截

取的方式完成稻米目标检测，得到可传入深度学习模型的224×224像素的单粒稻米

RGB图像。对比多种图像算法包括边缘检测算法Sobel、Roberts、Prewitt、Laplacian

等检测米粒轮廓，图像腐蚀、膨胀等算法对稻米图像进行优化。使用FPGA资源设

IPSimulink

计并实现稻米阈值分割图像算法核，完成稻米图像处理的算法迁移，并在

IP

中完成仿真，验证核的可用性。

2KaggleRiceImageDataset

（）稻米品种识别，使用网站上的公开数据集稻米

GoogleNetMobileNet

图像数据作为本实验的数据类，划分训练数据和测试数据，搭建、

V2ResNet-18VGG19CNN

、、多种模型进行多模型对比训练，调整并控制超参数，

分析模型训练结果选出最优稻米品种识别模型，稻米品种识别准确率在99.07%以上。

（3）稻米质量检测，在稻米品种识别数据集基础上建立稻米质量检测数据集，

GB1350-20093

根据国家稻谷标准五种分类中选取粳稻谷、早籼稻谷、籼糯稻谷类，

采用迁移学习的方式进行模型训练，基于MATLAB平台对单粒米进行质量分析，找

到稻米中整精米、不完善粒等对应特征，实现深度学习模型的稻米质量检测，识别

准确率可达到96.46%，通过实验对比其他深度学习模型训练结果分析特点，并对比

探究影响训练准确度的因素。

（4）基于GUIDE设计并实现稻米品种识别与质量检测系统的可视化用户界面，

将稻米图像处理功能和稻米图像识别检测功能整合在此系统界面中，抽样选取测试

数据对系统进行功能测试和性能测试，系统的单次识别时间约为0.3秒，识别准确度

良好。

关键词：稻米；GoogLeNet；CNN；FPGA；目标检测

I

ABSTRACT

RiceisoneofthemostimportantfoodcropsinChina,withthecontinuous

developmentandprogressofagriculturaltechnology,therearemoreandmorevarietiesof

rice,andpeoplesrequirementsforthequalityofricearegraduallyimproving,sothe

identificationandqualitydetection