糧油檢測技術(shù)之計算機視覺技術(shù)介紹
在稻米品質(zhì)的感官評價上，由于人工檢測工作量大，主觀性強，而借助于計算機視覺技術(shù)，可以使得稻米品質(zhì)的檢測技術(shù)更加快速、準確。目前，計算機視覺技術(shù)已對堊白、粒型、黃粒米率、整精米率、蛋白質(zhì)含量、直鏈淀粉含量儀等品質(zhì)指標進行了研究和測定。孫明等舊1研究了基于采用MATLAB軟件開發(fā)平臺來構(gòu)造計算機視覺的大米堊白檢測算法，在對不同的大米圖像處理的基礎(chǔ)上，完成了對大米堊白度和堊白粒率的測定。凌云等[3J、張巧杰等研究了一套基于計算機視覺技術(shù)的稻谷品質(zhì)快速檢測裝置，并初步實現(xiàn)了對直鏈淀粉、堊白度、堊白粒率等參數(shù)的檢測，試驗結(jié)果表明該裝置對直鏈淀粉的測試精度≤l％，堊白度的測試精度≤1％，堊白粒率的測試精度≤2％，達到了稻米直鏈淀粉、堊白度和堊白粒率測定準確度的要求。該裝置具有良好的擴展性，無需改動系統(tǒng)硬件，只要通過擴充系統(tǒng)軟件的方法，就可以增加對大米其他品質(zhì)參數(shù)的檢測功能，如異品種粒、色澤等。
在精米機整精米率及加工精度上，研究了改變掃描條件和調(diào)整圖像分割閾值等方法，消除測定大米的加工精度對堊白米的影響，建立了快速、客觀檢測大米加工精度的方法。吳彥紅等∞1開發(fā)了一套基于計算機視覺技術(shù)的稻谷品質(zhì)檢測系統(tǒng)，提取了米粒的面積、周長等10個特征參數(shù)作為整精米檢測特征，并進行了主成分分析，確定了判別整精米的優(yōu)化閾值。測試表明裂紋米、堊白米、整精米的識別的準確率分別為96．41％，94．79％，96．20％。設(shè)計了大米粒型檢測計算機視覺識別試驗裝置，采用灰度變換、閾值分割、平滑處理等圖像處理方法獲取大米的粒形圖像，經(jīng)特征參數(shù)的提取與識別，表明該方法對整粒米、碎米識別準確率分別為98．67％、92．09％。
此外，利用計算機視覺技術(shù)研究了稻米的粒型檢測，但該方法要求米粒擺放需同一朝向，具有一定的局限性，限制了它的實際應用。提出基于極坐標的粒型檢測算法，通過先求出質(zhì)心再求出最長軸與最短軸的方法，對稻米外形進行橢圓擬合，但它具有旋轉(zhuǎn)不變性，故準確度有待提高。利用數(shù)字圖像采集方式進行稻米蛋白質(zhì)檢測，測定結(jié)果與蛋白質(zhì)含量標定值的偏差較小，絕對誤差的平均值僅為O．37 g／100 g，偏差最大的測定值與標定值的誤差也只有0．91 g／100 g，可得到較為準確的檢測結(jié)果，且可同時完成多個樣品的信息采集，檢測效率顯著提高。侯彩云等‘1叫利用微切片3維圖像處理系統(tǒng)對稻米品質(zhì)特性進行了探索性的研究，結(jié)果表明借助于3維可視化技術(shù)，可以對谷的外觀品質(zhì)、營養(yǎng)品質(zhì)及蒸煮品質(zhì)等進行更為直觀且客觀的觀察與測定。色澤是油脂的重要質(zhì)量指標之一，常用的測定油脂色澤的方法有羅維朋(Lovibond)比色法和重鉻酸鉀法，但這兩種方法常常受人為因素影響較大。
根據(jù)國家標準在羅維朋比色法的基礎(chǔ)上研發(fā)了計算機圖像處理方法，避免了人為的主觀誤差，測定的重現(xiàn)性和重復性均較好。利用逐步判別分析法(stepwise discriminant analysis)和計算機的識別系統(tǒng)把椰子油分為不成熟的、半成熟的、成熟的、過成熟的4個等級。通過對400多個樣品進行視覺系統(tǒng)分析，發(fā)現(xiàn)對椰子油正確分級的成功率大于90％，并且，機器視覺系統(tǒng)的誤分級的可能性比用人工的低。另外，應用計算機圖像處理技術(shù)研究羅維朋標準色片與油脂顏色的關(guān)系，得到特征參數(shù)A(R—G)和B(R／G)，當固定羅維朋黃色片70時，最佳特征參數(shù)為B，其他情況下最佳特征參數(shù)為A。試驗得出利用A或B計算羅維朋紅值的經(jīng)驗方程，驗證結(jié)果表明，不同油脂測定羅維朋紅值與計算結(jié)果的相關(guān)系數(shù)大于0．98，平均誤差小于0．4。
