邢键 罗佳顺

摘要：图像处理技术用于稻米外观品质的检测具有效率高的优点，但其易受弱光照强度的影响。为了提高图像质量，提出了一种新的数据融合处理算法，实现了大米样品和背景的分割，最大限度地消除了噪声，提高了后续检测函数的精度。实现了一套碎米、裂纹、垩白度和加工精度的计算机自动识别功能。本实验选取6种大米作为试验样品，随机抽取10粒大米作为一组，每次试验选取4组样品。经过多次试验，结果表明，该系统对随机稻谷样品的碎米率检测准确率为97.01%、稻种检测准确率为97.60%、裂纹检测准确率为98.22%，优于传统人工检测方法。该系统为进一步完善稻米品质自动检测技术提供了技术依据。

关键词：图像处理;大米外观;自动检测;数据融合

DOI：10.15938/j.jhust.2021.05.010

中图分类号：TP391.41;S24 文献标志码：A 文章编号：1007-2683（2021）05-0076-07

0 引言

稻米的外观品质是决定其价格和用途的重要因素。稻米颗粒的颜色、大小和表面粗糙度是衡量稻米品质的物理指标。传统的检测方法基本上是基于人工感官判断，主要依靠人们对粮食外观的主观判断，再根据行业标准得出粮食等级。该方法简单，但缺乏客观性，存在精度低、耗时费力等缺点。近年来，将机器视觉（又称计算机视觉）技术引入农业监测领域成为当前的研究热点[1-4]。如果能将其引入大米外观品质参数的检测，那么大米的快速检测将成为现实。计算机视觉技术能大大提高稻谷外观品质识别的有效性和识别效率[5]，应用图像处理与分析技术对稻谷进行分析，并根据图像参数给出判断标准能够提高准确率。……