（1.四川大学电子信息学院，成都 610065；2.中储粮成都储藏研究院有限公司，成都 610091）

0 引言

作为我国第二大农作物，小麦对人民日常饮食、国家的粮食安全，以及推动国民经济发展都有着举足轻重的作用。小麦不完善粒是指受到了损伤但仍有使用价值的小麦籽粒，包括破损粒、虫蚀粒、病斑粒（赤霉病粒以及黑胚粒）、发芽粒、霉变粒等。不完善粒的含量是对小麦完成定级、定等的关键指标。我国目前小麦质量检测工作仍然是由专业质检人员根据经验判断，该方法主观性强、工作量大、可重复性差，并且在检测过程中可能毁坏受检麦粒，如人工对发芽籽粒的判定可能刮伤籽粒。

1984 年的美国农业部最先提出基于图像来对小麦进行分类的思想。1985 年堪萨斯州立大学的Zayas［1］基于图像提取了小麦的长、宽、面积等形态特征进行识别。最先使用机器视觉技术对小麦不完善粒进行检测是在1991 年的美国华盛顿州立大学，Thomson等［2］通过逐麦粒扫描三维图形对生芽粒进行分类，正常粒小麦识别率83%，发芽粒小麦识别率89%。1999年，Majumdar等［3］提取麦粒的纹理特征和颜色特征，对大麦、小麦、燕麦等不同种类的麦粒样品进行分类，准确率达到100%。2007 年，Neethirajan 等［4］提取麦粒55 个特征，使用BP（Back Propagation）人工神经网络进行分类，准确率达到95%。2012 年，我国浙江大学陈丰农［5］提取小麦的形态、颜色、纹理三类共计178 维特征，使用主成分分析（Principal Component Analysis，PCA）+支持向量机（Support Vector Machine，SVM）算法进行分类，对黑胚粒、破损粒和正常粒小麦的识别率分别达到97.2%、98.4%和97.9%，并且开发了一台小麦不完善粒自动检测的样机。……