机器视觉技术在稻米品质检测中的应用进展

机器视觉技术在稻米品质检测中的应用进展万鹏，龙长江，任奕林(华中农业大学工学院，武汉430070)摘要：机器视觉技术在食品、农产品的检测、分级中具有广阔的应用前景。

为此。

综述了机器视觉技术在稻米品种、胚芽、爆腰、黄粒米等方面进行检测的研究动态，并指出了机器视觉技术在稻米品质检测中存在的不足，为进一步应用机器视觉技术提供参考。

关键词：稻米；机器视觉；品质检测中图分类号：TP391．4文献标识码：A文章编号：1003-188X(2012}07一o001—050引言稻米是世界上最主要的粮食作物，其总产量占世界谷物产量的1／3…；我国是世界上最大的稻米生产国，稻米的年产量常年保持在1．8亿t左右，占世界稻米总产量的1／3强¨J，居世界第一位。

我国也是稻米消费大国，有近2／3的人口以稻米为主食，全国稻米年消费总量保持在1．35亿t左右"1。

在过去的一段时间内，由于特定的历史原因，国家将稻米生产的工作重点放在了提高稻米的产量研究上，虽然取得了显著成效，但是由于对稻米食用品质方面的提高重视不够，我国对稻米品质的改良研究以及优质稻品种的选育开展得较晚．稻米的品质提高不多，甚至出现了品质很差的“乞食米”【4J。

随着社会的发展和生活水平提高，人们对稻米的品质提出了更高的要求。

为了提高稻米的品质，在稻米生产、加工、储藏和流通等环节中，需要及时对稻米的各项品质指标进行检测。

目前，大部分的稻米品质检测指标根据国家标准采用人工进行检测，效率不高，易受主观因素的影响，误差较大，因此容易产生较多的问题。

机器视觉(M a chi ne V i si on)又称计算机视觉，是利用计算机实现人眼的视觉功能，对客观世界的三维场景进行感知、识别和理解。

它是研究采用计算机模拟生物外显或宏观视觉功能的科学和技术，是一门涉及收稿日期：201l一08一10基金项目：国家自然科学基金项目(61007058)：华中农业大学自主科技创新基金项目(20l O Q C006)；华中农业大学引进人才科研启动基金项目(5220409079)作者简介：万鹏(1980一)，男，湖北天门人，讲师．博士，(E—m a i l) w a ni n99@m ai l．M au．edu．cn。

通讯作者：龙长江(1975-)，男，湖北荆州人，副教授。

博士．(E—m ai l) l ci fl ow@163．(30re。

数学、光学、人工智能、神经生物学、心理物理学、计算机科学、图像处理和图像理解、模式识别等多个领域的交叉学科【5J。

机器视觉技术在农业上的应用研究始于20世纪70年代末期，主要用于植物种类的鉴别、农产品品质检测和分级等。

随着计算机软硬件技术、图像处理技术的迅速发展，它在农业上的应用研究有了很大进展，目前该项研究仍是国际农业工程领域中的热门课题【6。

J。

采用机器视觉技术对稻米的品质进行检测，不仅能够提高稻米品质的检测效率，而且能够克服主观因素的影响，降低检测误差，使得稻米品质的检测变得更加快速、客观和准确悼一。

1基于机器视觉技术的稻米品质检测装置基于机器视觉技术的稻米品质检测装置卜101通常由以下几个部分组成：即检测箱、光源、C CD摄像头、图像采集卡和计算机软件系统等。

其组成结构如图1所示。

4I．检测箱2．光源3．C CD摄像头4，图像采集卡5．计算机软件系统图I稻米品质检测装置组成结构检测箱和光源构成了稻米品质检测装置的光源系统，为稻米图像采集提供合适的照明。

在设计光源系统时，通常要求光线尽量集中在C C D摄像头的视野之内，同时要根待测物体的形状和表面状态来选择光一一＼进源的设置方式，并且根据待测物体特征部分的颜色来选择合适的光源颜色¨“。

在稻米品质检测系统中常采用环形荧光灯管作为光源。

C C D摄像头是获取稻米样品图像的关键部件之一，它将稻米图像由光信号转换为表示月，G，B颜色值的模拟电信号，并输入图像处理设备进行后续处理。

图像采集卡将输入的图像模拟电信号转换成数字信号(对米粒图像进行A／D转换)，并将转换后的数字信号输入计算机进行下一步处理，同时协调图像数据在计算机的C PU、内存、显卡之间高速传送¨2|。

计算机软件系统用于对采集到的数字图像进行分析、处理和识别，实现对特定目标的检测和评价等…J。

2基于机器视觉技术的稻米品种的检测我国地域辽阔，稻米品种有5万种多，分布广泛。

目前，稻米品种的检测主要由人工操作完成，不仅检测效率低，而且检测结果的一致性较差，特别是相近的稻米品种之间差别甚微，人工识别的步骤更加烦琐，精度更低。

采用计算机视觉技术代替人工操作是识别稻米品种的有效办法，不仅可以提高稻米品种的识别效率，而且使识别结果更具客观性和一致性卜J。

L a r r y014j提出用稻米的形状进行稻米品种的识别，实验结果表明准确率并不高。

但是江苏大学的黄星奕等人。

1副研究了采用计算机视觉技术代替人眼对稻谷进行品种识别的方法，提出把稻米图像的颜色特征和形状特征结合起来进行稻谷品种识别，通过贝叶斯决策方法建立稻米品种识别分类器，识别正确率可以达到88．3％以上。

同时，黄星奕、李剑、姜松等¨6。

还在上述基于计算机视觉技术的识别方法基础上，提取稻谷的形状特征和颜色特征，建立了一个稻谷品种图像数据库系统。

江西农业大学的吴继华等人|171开发了基于机器视觉的快速低成本实时检测杂交水稻种子品种的新系统，该系统由自动上料设备、光照箱、图像采集卡、C C D摄像头和自动下料设备等硬件以及图像处理及品种识别软件组成。

在工作过程中，通过上料斗自动装入种子，种子由单片机控制的输送装置进入光照箱，每隔2s停止1次，C CD摄像头采集图像，并将图像读人内存，再通过软件系统处理种子的图像，提取品种的特征参数。

通过此系统识别100粒种子的时间只需要5s，品种的平均识别准确率达到92．86％。

实验结果表明，该法能够突破常规检测法高成本、效率低和对操作人员专业要高的局限性，具有一定的理论价值和应用价值。

2浙江大学的喻擎苍等人【l引提出了一种基于稻米二值图像轮廓线提取的稻种模糊模式识别方法。

该方法先采用机器视觉技术获取稻种的图像，在对稻种轮廓线进行大量试验分析的基础上，确定以稻种轮廓线中心到轮廓线距离最大的线段为参考基准，以12个不同方向上的线段长度和轮廓线长度组成特征向量，再采用模糊模式识别中欧几里德距离算法的两种改进方法，根据最大隶属度原则，实现稻种的模糊模式识别。

试验结果表明，该方法对3类稻米品种的正确识别率达到87．60％。

3基于机器视觉技术的稻米胚芽的检测稻谷经过砻谷脱壳后的产品称为糙米，糙米由皮层、胚和胚乳3部分组成。

稻米中的胚芽占稻米的比例很小，却富含有多种营养成分，是稻米精华所在。

然而，稻米在由糙米碾白去皮加工成大米的过程中，绝大部分的米胚都会随皮层的脱落而脱落，基本上只会剩下胚乳即通常食用的大米，并且稻米的加工精度越高，米胚脱落越多。

所以，精白米虽然昧道可1=1。

但是营养价值却比留有胚芽的大米差很多。

胚芽精米是目前较为重要的营养米，其最重要的质量指标是留胚率HJ。

目前留胚率的检测主要依靠人眼观察测定，但是这种方法受检测人员视力、颜色辨别力、疲劳度等因素的影响，无法实现定量检测，且检测结果既不客观也不够精确。

随着机器视觉技术的发展，人们开始研究采用机器视觉技术对大米的留胚率进行检测。

江苏理工大学的黄星奕等人¨引研究了采用机器视觉系统代替人眼对大米胚芽进行自动识别的方法：先通过机器视觉系统获取胚芽米的彩色图像，然后对胚芽米的颜色特性进行分析，将胚芽米的图像信息由R G B值转换为H I S值，利用色调H(H ue)、光强I(I nt e nsi t y)、饱和度S(Sa t ur a t i on)表示胚芽的颜色特征。

经过分析，提取饱和度S作为特征值对胚和胚乳进行识别，从而实现对大米留胚率的自动检测。

试验结果表明，采用该方法的检测结果与人工检测结果的吻合率达到88％以上。

黄星奕等人汹3还建立了一个双重结构神经网络分类器，先采用机器视觉技术获取胚芽米图像，再从图像中提取米粒的物理特性作为输入值，采用网络分类器对胚芽米粒和无胚米粒进行分类，从而实现留胚率的自动检测。

双重结构前向神经网分类识别器的网络拓扑结构较小，通用性能好，用于留胚米粒和无胚米粒分类时具有较高的准确率。

许俐等人【2¨研究了采用机器视觉技术测量大米留胚率的方法，先采用机器视觉系统获取大米的图像，然后对米粒的图像进行分析，根据胚芽大米与无胚芽大米之间表面积不同、外切角不同、米粒轮廓线形状以及变化率不同、胚芽与胚乳的灰度不同以及透光性不同，提取大米图像的表面积特征和轮廓线特征，并对轮廓线进行二次微分得到微分曲线，最后根据大米的表面积特征和轮廓线的二次微分曲线对大米胚芽进行自动识别，在此基础上提出利用大米轮廓曲线的微分模型识别群体胚芽米的留胚率，试验结果表明该方法的准确率达到95．9％。

4基于机器视觉技术的稻米爆腰的检测稻米的爆腰也称为裂纹，是指完整稻米粒的胚乳中产生的横向或纵向裂纹，它是导致稻米在加工过程中发生破碎、产生碎米的重要原因。

根据米粒裂纹条数和深浅的不同可将爆腰分成轻度爆腰、重度爆腰和龟裂。

爆腰粒的存在使米粒的机械强度降低，在加工和储运过程中产生碎米，造成稻谷出米率低，成米的等级下降，食味变差，商品的经济价值下降惮。

1；同时，稻米的爆腰率也是衡量稻米干燥工艺是否合理的重要指标，是控制干燥湿度、干燥速率和合理安排干燥工艺的重要科学依据Ⅲ1。

因此，稻米爆腰的快速、实时检测非常重要。

目前，稻米爆腰或裂纹的检测是依靠人工感官完成的，在生产中难以成为一个客观的标准，因此需要探索新的检测方法。

江苏大学的黄星奕等人∞1采用机器视觉系统获取稻米的爆腰图像，然后利用小波变换在图像边缘提取以及去噪中的优越性，通过对二进尺度下图像小波变换局部极大值的检测，提取稻米的边缘特征，去除噪声，对稻米爆腰图像中的裂纹进行了有效识别，从i i i i实现爆腰率的自动检测，准确率达到92％以上。

华中农业大学的张家年等人po在研究垩白对稻米吸湿产生裂纹的影响肘，将盛有稻米的培养皿放在台式投影仪工作台的上方。

让光源发出的光经聚光镜后照射被测稻米，如果稻米中有裂纹存在，光线透过稻米籽粒，裂纹两侧有亮度差异；若无裂纹，透过稻米的光线亮度是一致的，以此通过人工观察判断稻米是否存在裂纹。

而上海大学的程秋琼等拉川在研究品种对稻谷吸湿产生裂纹的影响时也是采用该种方法，只不过将稻米籽粒改放于玻璃板上，再将玻璃板放于台式投影仪上方。

显然采用这种方法观察稻米粒的裂纹费时费力，且误差较大。

江西农业大学的郑华东等人惮1在分析大米裂纹光学特征的基础上，采用机器视觉技术，并基于V i sua l3C++6．0平台开发了一套大米裂纹计算机识别系统。