基于图像处理的大米整精米率检测算法研究.pdfVIP

摘要

大米是我国重要的粮食作物，其整精米率是衡量大米加工质量的重要指标之一，

它反映了大米中完整米粒的比例，对大米的外观品质影响重大。大米整精米率的检

测是大米加工和贸易中的必要环节，它可以为大米的分级、定价、储存、销售等提

供依据。传统的大米整精米率检测方法包括人工和机械的方式，这种方法耗时、费

力，检测结果缺乏准确性和客观性，难以满足大米加工业的发展需求。因此，大米

整精米率的自动化检测技术的发展对粮食加工环节意义重大。近年来，基于机器视

觉和图像处理技术的大米质量检测备受关注，本文对基于图像处理的大米整精米

率检测算法进行了研究与改进，主要工作和成果如下：

1、针对图像采集过程中容易出现的大米相互重叠和粘连问题，提出了基于BP

神经网络的粘连区域筛选方法。该方法通过对周长比、形状因子、面积比以及凹缺

陷距离这四个特征进行学习和判别，实现对粘连大米区域的识别和筛选。

2、针对图像中粘连区域的分割问题，提出了基于多重距离变换的分水岭分割

算法和基于角度限定的凹点匹配分割方法。首先，使用改进的多重距离变换定位图

像中粘连大米的局部极小值区域，再借助分水岭算法的漫水思想确定粘连区域的

分割边界。最后，采用角度限定的凹点匹配方法进一步对粘连程度较大的粘连区域

进行分割。这两种方法相结合，充分利用了粘连大米区域的形态特点，能够更准确

地将其分割为独立的大米图像，为后续测量单粒大米特征参数提供了可靠的基础。

3、根据国家标准中对整精米和碎米的粒长区分原则，选择最小外接矩形法计

算大米粒长，确保计算准确一致。同时，考虑到同一品种大米的密度、厚度基本一

致，将整精米面积与所有样本米面积的百分比作为整精米率的计算依据，以最大限

度地利用图像信息，减少重量测量误差，实现了对大米外观品质中整精米率的精准

检测。

最后，对本文所提的大米整精米率检测算法进行了性能测试。实验结果表明，

在粘连图像分割环节，本文算法与传统分水岭、迭代腐蚀、SegNet网络、U-Net网

络分割方法相比，很大程度上避免了过度分割和欠分割的问题，在不影响原始米粒

尺寸的情况下，平均分割准确率可以达到98.14%以上。在整精米率检测精度方面，

与国家标准中的质量检测方法相比，本文算法的平均误差仅为0.24%，具有很强的

可行性，检测精度高且省时省力。

关键词：整精米率，图像处理，粘连分割，特征提取，精度分析

I

Abstract

RiceisanimportantgraincropinChina,anditswholericerateisacrucialquality

indicatorinriceprocessing.Thisratereflectstheproportionofintactricegrainsinrice

andhasasignificantimpactontheappearancequalityofrice.Thedetectionofwholerice

rateisanecessarylinkinriceprocessingandtrade.Itcanprovideabasisforricegrading,

pricing,storage,sales,etc.Thetraditionalmethodofdetectingthewholericerateincludes

manualandmechanicalmethods,whichistime-consumingandlaborious,andthe

detectionresultslackaccuracyandobjectivity,whichisdifficulttomeetthedevelopment

needsofthericeprocessingindustry.Therefore,thedevelopmentofautomaticdetection