CN103411929B - 一种稻米透明度检测方法 - Google Patents
一种稻米透明度检测方法 Download PDFInfo
- Publication number
- CN103411929B CN103411929B CN201310172280.XA CN201310172280A CN103411929B CN 103411929 B CN103411929 B CN 103411929B CN 201310172280 A CN201310172280 A CN 201310172280A CN 103411929 B CN103411929 B CN 103411929B
- Authority
- CN
- China
- Prior art keywords
- rice
- sample
- grain
- image
- polished
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种稻米透明度检测方法,其包括一、制备糙米样品;二、将糙米样品制备成精米样品;三、获取稻米图像;四、对稻米图像进行分析,获取特征值,将其与关系模型进行对比,获得透明度值。图像分析具体为:分离背景,分割米样,获取面积、粒长和粒宽,提取完整精米图像,去除米粒边缘像素,统计米粒透明度相关特征值,将特征值与关系模型比较得到透明度值。本方案易于操作、结果稳定、误差小,适用于所有稻米透明度检测场合。
Description
技术领域
本发明涉及稻米品质检测技术领域,尤其是涉及一种图像式的稻米透明度检测方法。
背景技术
我国65%以上的人口以大米为主食,而水稻是我国主要的粮食作物。如何尽快的选育出高产、优质的水稻品种,是我国乃至各国育种家的终身奋斗目标。而准确、快速地获取各项稻米品质评价指标,对加速水稻育种进程将起到重要的推动作用。
食用稻品质主要分为碾磨品质、外观品质和蒸煮食味品质和营养品质等。其中透明度属于外观品质,并且是我国优质食用稻品种品质评价的关键定级指标(参见NY/T 593-2002《食用稻品种品质》)。以往稻米透明度检验方法依据于农业行业标准NY/T 83-1988《米质测定方法》,检验时,检验人员需手持样品杯,置于振荡器振荡数秒以减少米粒间空隙,再将其置于“数字式稻米透明度仪”进行测定。因此,检验结果易受检验仪器的稳定程度及检测人员的熟练程度等诸多因素的影响,具有劳动强度大、耗时长等缺点。
中华人民共和国国家知识产权局于1987年10月3日公开了CN86206141U文献,名称是一种稻米白度测定仪,其是一种利用稻米的透明度与白度呈负相关的原理进行光学分级的仪器,上面装有透光性能统一的透明度标准板,用于调整仪器误差,但是在具体测定的时候仍然需要检测人员进行振荡等操作,存在劳动强度大、耗时长、结果偏差大等弊端。
发明内容
本发明主要是解决现有技术所存在的检验结果易受仪器稳定性和人员熟练度影响、劳动强度大、耗时长等技术问题,提供一种易于操作、结果稳定、可避免采用原检测方法时因检测人员操作不当而产生的错误或偏差、提高测定结果的可比性及降低劳动强度的稻米透明度检测方法。
本发明针对上述技术问题主要是通过下述技术方案得以解决的:一种稻米透明度检测方法,包括以下步骤:
一、制备糙米样品;
二、将糙米样品制备成精米样品;
三、获取稻米图像;
四、对稻米图像进行分析,获取特征值,将其与关系模型进行对比,获得透明度值。
作为优选,制备糙米样品具体为:调节砻谷机的辊轮至0.50 mm ~1.00 mm之间,将稻谷试样倒入进样斗中,启动机器后,打开进样闸口,使样品均匀进入机内脱壳,完成后再重复脱壳一次,捡出糙米中残留的谷粒,余下的糙米即为糙米样品。
作为优选,将糙米样品制备成精米样品具体为:对糙米样品按最适碾磨质量进行缩分、称量,将称量的糙米样品倒入碾米机的碾磨室,调节碾磨时间使碾米精度达到国家标准(GB1354)三级水平;将碾磨后的精米倒入谷物选筛,除去胚片和糠屑,所得即为精米样品。
作为优选,获取稻米图像具体为:将精米样品混匀,取10 g~30 g精米样品,打开稻米图像分析系统,将设备调至工作状态,将精米样品置于扫描仪玻璃板上,轻微振动直至米粒之间散开而不上下重叠,透射扫描试样,获得稻米样品图像。
作为优选,图像分析具体包括以下步骤:
(1) 对输入图像,利用阈值分割法将米样与背景分离;
(2) 利用距离变换、分水岭以及凹点匹配检测相结合的方法将粘连米样分割,使米样互不相连;
(3) 对每粒米样获取其面积、粒长和粒宽三项外观形态参数;
(4) 利用K-Means聚类方法,结合国家标准(GB1354)对整精米的规定,提取出完整精米图像;
(5) 对提取出的完整精米图像,利用图像腐蚀操作去除米粒边缘像素,此步骤是为了避免边缘像素对透明度特征值提取的影响;
(6) 统计完整精米图像亮度值的直方图,并对直方图进行平滑及规定化;
(7) 统计亮度值的均值、方差和峰值以及直方图宽度、分布、形状,米粒粒长、粒宽、粒型、紧致度和圆度这些特征值;
(8)将获取的特征值与关系模型进行比较,得出测定结果;
用于对比的关系模型可以通过以下方法得到:前续步骤与检测方法相同,进行到步骤四的第(7)步以后,接下来为:
(9) 对实测的多份不同稻米样品,统计其数字图像特征值,并分别获取其透明度等级测定结果;
(10)利用统计学中的主成分分析(Principal Component Analysis,PCA)方法,提取相关度较高的图像特征;
(11)对这些图像特征,利用支持向量机(Support Vector Machine,SVM)进行训练学习,建立完整精米图像特征值与传统透明度测定值的关系模型,从而形成系统稳定的大米透明度等级判定值。
本发明带来的实质性效果是,建立了图像检测稻米透明度的方法,该方法与原用人工检测方法相比,具有易于操作、结果稳定、并可避免采用原检测方法时因检测人员操作不当而产生的错误或偏差、提高测定结果的可比性及降低劳动强度的优点。同时该方法的建立,有助于推进我国水稻育种、科研和生产快速发展的需要和促进我国稻米品质现代化检测技术的发展和建立。
附图说明
图1是本发明的一种图像分析具体步骤的流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:本实施例的一种稻米透明度检测方法,包括以下步骤: 2、糙米样品制备
根据待测试样谷粒厚度,调节实验砻谷机的辊轮至0.50 mm~1.00 mm之间,将稻谷试样倒入进样斗中,启动机器后,打开进样闸口,使样品均匀进入机内脱壳。经二次脱壳后,捡出糙米中残留的谷粒。
3、精米样品制备
根据实验碾米机推荐的碾米量和碾米时间,用待测样品或相同粒型的糙米进行最适碾磨量和最适碾磨时间试验,以得到均匀的国家标准三级加工精度大米为判定标准。按最适碾磨量缩分糙米、称量。将缩分好的糙米样品倒入碾磨室,调节至最适碾磨时间,使碾米的精度达国家标准三级水平。将碾磨后精米倒入谷物选筛,除去胚片和糠屑。
4、图像获取
将精米样品混匀,取10 g~30 g精米样品。打开稻米图像分析系统,将设备调至工作状态,将精米样品置于扫描仪玻璃板上,轻微振动几下,致使米粒之间散开而不上下重叠,透射扫描试样,获得稻米样品图像。
5、图像分析
图像分析的任务是通过数字图像处理、统计学、机器学习等技术,提取出完整精米特征值,具体步骤如图1所示:
1) 对输入图像,利用阈值分割法将米样与背景分离;
2) 利用距离变换、分水岭以及凹点匹配检测相结合的方法将粘连米样分割,使米样互不相连;
米样分割采用2009年12月Qufa Zhong, Ping Zhou, Qingxing Yao等发表于《Computers and Electronics in Agriculture》(Pages 118–127)的《A novel segmentation algorithm for clustered slender-particles》一文中描述的方法。
3) 对每粒米样获取其面积、粒长、粒宽等外观形态参数;
4) 利用K-Means聚类方法,结合国家标准对整精米的规定,提取出完整精米图像;
5) 对提取出的完整精米图像,利用图像腐蚀操作,去除米粒边缘像素对后续透明度特征提取的影响;
6) 统计完整精米图像亮度值的直方图,并对直方图进行平滑及规定化;
7) 统计亮度值的均值、方差、峰值,直方图宽度、分布、形状,米粒粒长、粒宽、粒型、紧致度、圆度等特征值;
8) 将特征值与关系模型进行比较,并分别获取其透明度等级测定结果。
本发明所使用的仪器包括:THU -35C型实验砻谷机(日本SATAKE公司),SDJ–100型实验碾米机(中国水稻研究所),谷物选筛,ScanMaker i800Plus扫描仪(上海中晶科技有限公司),计算机(带透明度分析软件)。
用于对比的关系模型可以通过以下方法得到:前续步骤与检测方法相同,进行到步骤四的第(7)步以后,接下来为:
(8) 对实测的多份(500份以上为佳)不同稻米样品,统计其数字图像特征值,并分别获取其透明度等级测定结果;
稻米透明度等级的获取:接通数字式透明度仪器电源,将整精米样品装入样品杯,将其置于振荡器振荡约5秒以减少米粒间空隙,在透明度仪上测出其透明度值,得出稻米透明度等级(测定值>0.70为1级;0.61~0.70为2级;0.46~0.60为3级;0.31~0.45为4级;<0.31为5级);
(9) 利用统计学中的主成分分析(Principal Component Analysis,PCA)方法,提取相关度较高的图像特征;
(10) 对这些图像特征,利用支持向量机(Support Vector Machine,SVM)进行训练学习,建立完整精米图像特征值与传统透明度测定值的关系模型,从而形成系统稳定的大米透明度等级判定值。
本文中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了阈值分割、特征值等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (2)
1.一种稻米透明度检测方法,其特征在于,包括以下步骤:
一、制备糙米样品;
二、将糙米样品制备成精米样品;
三、获取稻米图像;
四、对稻米图像进行分析,获取特征值,将其与关系模型进行对比,获得透明度值;
将糙米样品制备成精米样品具体为:对糙米样品按最适碾磨质量进行缩分、称量,将称量的糙米样品倒入碾米机的碾磨室,调节碾磨时间使碾米精度达到国家标准三级水平;将碾磨后的精米倒入谷物选筛,除去胚片和糠屑,所得即为精米样品;
获取稻米图像具体为:将精米样品混匀,取10 g~30 g精米样品,打开稻米图像分析系统,将设备调至工作状态,将精米样品置于扫描仪玻璃板上,轻微振动直至米粒之间散开而不上下重叠,透射扫描试样,获得稻米样品图像;
图像分析具体包括以下步骤:
(1) 对输入图像,利用阈值分割法将米样与背景分离;
(2) 利用距离变换、分水岭以及凹点匹配检测相结合的方法将粘连米样分割,使米样互不相连;
(3) 对每粒米样获取其面积、粒长和粒宽三项外观形态参数;
(4) 利用K-Means聚类方法,结合国家标准对整精米的规定,提取出完整精米图像;
(5) 对提取出的完整精米图像,利用图像腐蚀操作去除米粒边缘像素;
(6) 统计完整精米图像亮度值的直方图,并对直方图进行平滑及规定化;
(7) 统计亮度值的均值、方差和峰值以及直方图宽度、分布、形状,米粒粒长、粒宽、粒型、紧致度和圆度这些特征值;
(8)将获取的特征值与关系模型进行比较,得出测定结果。
2.根据权利要求1所述的一种稻米透明度检测方法,其特征在于,制备糙米样品具体为:调节砻谷机的辊轮至0.50 mm ~1.00 mm之间,将稻谷试样倒入进样斗中,启动机器后,打开进样闸口,使样品均匀进入机内脱壳,完成后再重复脱壳一次,捡出糙米中残留的谷粒,余下的糙米即为糙米样品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310172280.XA CN103411929B (zh) | 2013-05-10 | 2013-05-10 | 一种稻米透明度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310172280.XA CN103411929B (zh) | 2013-05-10 | 2013-05-10 | 一种稻米透明度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103411929A CN103411929A (zh) | 2013-11-27 |
CN103411929B true CN103411929B (zh) | 2015-09-02 |
Family
ID=49604956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310172280.XA Active CN103411929B (zh) | 2013-05-10 | 2013-05-10 | 一种稻米透明度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103411929B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211740A (zh) * | 2018-10-31 | 2019-01-15 | 江南大学 | 一种基于图像识别对碎米率的快速检测方法 |
PL3942465T3 (pl) * | 2019-03-19 | 2023-08-21 | Bühler AG | Uprzemysłowiony system i sposób rozpoznawania ziarn ryżu |
CN111104730B (zh) * | 2019-06-17 | 2023-04-07 | 河南工业大学 | 一种基于白度的大米碾白程度快速判别方法 |
CN113776993A (zh) * | 2021-07-28 | 2021-12-10 | 深圳市麦稻智联科技有限公司 | 一种大米在线检测系统、检测方法及检测设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002310919A (ja) * | 2001-04-10 | 2002-10-23 | Mitsubishi Precision Co Ltd | 穀粒品質評価装置 |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
CN102495068A (zh) * | 2011-12-01 | 2012-06-13 | 浙江工商大学 | 大米垩白米在线检测方法和系统 |
CN102527459A (zh) * | 2011-12-26 | 2012-07-04 | 袁英 | 一种石碾米生产线加工工艺及生产线 |
CN202438473U (zh) * | 2012-03-06 | 2012-09-19 | 佳木斯大学 | 基于数字信号处理技术的垩白米检测及分选装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050282208A1 (en) * | 2004-06-18 | 2005-12-22 | Cytokinetics, Inc. | Cellular phenotype |
-
2013
- 2013-05-10 CN CN201310172280.XA patent/CN103411929B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002310919A (ja) * | 2001-04-10 | 2002-10-23 | Mitsubishi Precision Co Ltd | 穀粒品質評価装置 |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
CN102495068A (zh) * | 2011-12-01 | 2012-06-13 | 浙江工商大学 | 大米垩白米在线检测方法和系统 |
CN102527459A (zh) * | 2011-12-26 | 2012-07-04 | 袁英 | 一种石碾米生产线加工工艺及生产线 |
CN202438473U (zh) * | 2012-03-06 | 2012-09-19 | 佳木斯大学 | 基于数字信号处理技术的垩白米检测及分选装置 |
Non-Patent Citations (3)
Title |
---|
基于计算机视觉的稻米垩白检测方法研究;陈建华等;《计算机工程与设计》;20101231;第31卷(第1期);第218-221页 * |
杨蜀秦.大米外观品质计算机视觉检测的研究.《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》.2006,(第02期),第B024-10页. * |
糙米质量指标及评价技术进展;周显青等;《碾米工业》;20121231(第1期);第1-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103411929A (zh) | 2013-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Identification of rice seed varieties using neural network | |
US9527115B2 (en) | Computer vision and machine learning software for grading and sorting plants | |
CN103411929B (zh) | 一种稻米透明度检测方法 | |
Zhang et al. | Multi-information online detection of coal quality based on machine vision | |
CN105203543B (zh) | 基于机器视觉的整箱红提葡萄果粒大小分级装置及其方法 | |
CN102288606B (zh) | 基于机器视觉的花粉活力测定方法 | |
Luo et al. | Classification of weed seeds based on visual images and deep learning | |
Wu et al. | Image analysis-based recognition and quantification of grain number per panicle in rice | |
CN104198324B (zh) | 基于计算机视觉的烟丝中叶丝比例测定方法 | |
CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN110705655A (zh) | 一种基于光谱和机器视觉耦合的烟叶分类方法 | |
Chen et al. | An automated bacterial colony counting and classification system | |
CN101271522A (zh) | 一种大米中黄粒米的自动识别方法 | |
CN105427275A (zh) | 大田环境麦穗计数方法及装置 | |
Zhu et al. | The identification of white fertile eggs prior to incubation based on machine vision and least square support vector machine | |
Birla et al. | An efficient method for quality analysis of rice using machine vision system | |
CN110575973B (zh) | 一种农作物种子品质检测与筛选系统 | |
CN107505325A (zh) | 冬枣果实的全方位品质检测方法 | |
CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN107886497A (zh) | 一种基于图像的小麦旗叶无损自动检测及测量方法 | |
Chen et al. | Real-time grain breakage sensing for rice combine harvesters using machine vision technology | |
Arefi et al. | Recognition of weed seed species by image processing | |
CN104749126A (zh) | 基于近红外高光谱图像分析的小麦硬度预测方法 | |
CN104197866A (zh) | 玉米籽粒剖面角质与粉质百分比的定量测定方法 | |
CN106338488A (zh) | 一种转基因豆奶粉的快速无损鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |