粮油检测技术之计算机视觉技术介绍
在稻米品质的感官评价上，由于人工检测工作量大，主观性强，而借助于计算机视觉技术，可以使得稻米品质的检测技术更加快速、准确。目前，计算机视觉技术已对垩白、粒型、黄粒米率、整精米率、蛋白质含量、直链淀粉含量仪等 品质指标进行了研究和测定。孙明等旧1研究了基于采用MATLAB软件开发平台来构造计算机视觉的大米垩白检测算法，在对不同的大米图像处理的基础上，完成了对大米垩白度和垩白粒率的测定。凌云等[3J、张巧杰等研究了一套基于计算机视觉技术的稻谷品质快速检测装置，并初步实现了对直链淀粉、垩白度、垩白 粒率等参数的检测，试验结果表明该装置对直链淀粉的测试精度≤l％，垩白度的测试精度≤1％，垩白粒率的测试精度≤2％，达到了稻米直链淀粉、垩白度和垩 白粒率测定准确度的要求。该装置具有良好的扩展性，无需改动系统硬件，只要通过扩充系统软件的方法，就可以增加对大米其他品质参数的检测功能，如异品种 粒、色泽等。
在精米机整 精米率及加工精度上，研究了改变扫描条件和调整图像分割阈值等方法，消除测定大米的加工精度对垩白米的影响，建立了快速、客观检测大米加工精度的方法。吴 彦红等∞1开发了一套基于计算机视觉技术的稻谷品质检测系统，提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判 别整精米的优化阈值。测试表明裂纹米、垩白米、整精米的识别的准确率分别为96．41％，94．79％，96．20％。设计了大米粒型检测计算机视觉识别 试验装置，采用灰度变换、阈值分割、平滑处理等图像处理方法获取大米的粒形图像，经特征参数的提取与识别，表明该方法对整粒米、碎米识别准确率分别为 98．67％、92．09％。
此外，利用计算机视觉技术研究了稻米的粒型检测，但该方法要求米粒摆放需同一朝向，具有一定的局限性， 限制了它的实际应用。提出基于极坐标的粒型检测算法，通过先求出质心再求出最长轴与最短轴的方法，对稻米外形进行椭圆拟合，但它具有旋转不变性，故准确度 有待提高。利用数字图像采集方式进行稻米蛋白质检测，测定结果与蛋白质含量标定值的偏差较小，绝对误差的平均值仅为O．37 g／100 g，偏差最大的测定值与标定值的误差也只有0．91 g／100 g，可得到较为准确的检测结果，且可同时完成多个样品的信息采集，检测效率显著提高。侯彩云等‘1叫利用微切片3维图像处理系统对稻米品质特性进行了探索性的研究，结果表明借助于3维可视化技术，可以对谷的外观品质、营养品质及蒸煮品质等进行更为直观且客观的观察与测定。色泽是油脂的重要质量指标之一，常用的测定油脂色泽的方法有罗维朋(Lovibond)比色法和重铬酸钾法，但这两种方法常常受人为因素影响较大。
根据国家标准在罗维朋比色法的基础上研发了计算机图像处理方法，避免了人为的主观误差，测定的重现性和 重复性均较好。利用逐步判别分析法(stepwise discriminant analysis)和计算机的识别系统把椰子油分为不成熟的、半成熟的、成熟的、过成熟的4个等级。通过对400多个样品进行视觉系统分析，发现对椰子油正确分级的成功率大于90％，并且，机器视觉系统的误分级的可能性比用人工的低。另外，应用计算机图像处理技术研究罗维朋标准色片与油脂颜色的关系，得到特征参数A(R—G)和B(R／G)，当固定罗维朋黄色片70时，最佳特征参数为B，其他情况下最佳特征参数为A。试验得出利用A或B计算罗维朋红值的经 验方程，验证结果表明，不同油脂测定罗维朋红值与计算结果的相关系数大于0．98，平均误差小于0．4。
