CN109781730A - 一种快速识别垩白米的方法 - Google Patents

Abstract

本发明公开了一种快速识别垩白米的方法，属于食品检测技术领域。本发明以国家标准的方法检测垩白米为基础，通过调试大米外观品质分析系统测定垩白米时的最佳阈值，再对实际样品进行测定。分析系统检测一幅大米图像平均用时为5s，通过实验调试分析系统对大米样品垩白特征参数测定时的最佳阈值为0.43，在此阈值下测定本批大米垩白度小于2％，大米外观品质分析系统与人工法测定结果绝对误差小于0.5％。

Description

一种快速识别垩白米的方法

技术领域

本发明涉及一种快速识别垩白米的方法，属于食品检测技术领域。

背景技术

我国是世界上最大的稻米生产国。种植的稻谷面积大概占全球各地的22.8％，其总产量约占全球的35％。稻米质量安全关系到国人的生命健康，其质量检测早己成为了制约我国稻米生产、储存、出售以及出口的重要因素。米粒的外观是衡量大米品质的重要因素，垩白米是大米外观品质的重要检测指标之一。GB/T 1354-2018《大米》中定义，胚乳中有白色不透明部分(包括腹白、心白和背白)的米粒为垩白粒。垩白度是稻米中垩白部位的面积占米粒投影面积的百分比。

正常大米呈现的是透明状，垩白是胚乳中含有的白色不透明部分，其不透明是由于淀粉粒排列疏松，颗粒间充气，引起光折射所致。稻米中垩白米的占有率是衡量稻米品质的重要性状之一，并直接影响稻米的质量分级结果、外观品质、商品流通和大米的加工品质。垩白的有无、大小及垩白米率是水稻品种外观品质最重要的性状。垩白米率越低，垩白无或小的水稻品种，其米质越优。

传统的检测方法是通过人工肉眼进行观测。尽管这种方法简单、成本低，但是分级人员观测的主观性大且效率低。伴随着基于计算机的数字图像处理技术的专业化以及计算机软硬件成本的逐渐下降，对稻米质量进行分析的计算机视觉技术应用已十分广泛。

王正通过迭代式阈值算法得到最优阈值，来分割大米的灰度图像，得到大米垩白部分的位置和面积大小。王粤等通过分析普通米与垩白米的不同直方图分布，并对检测出来的垩白米粒采用改进的最大类间方差法来进一步分析其垩白率、垩白度等信息。申聪等通过图像处理软件提出了一种稻米垩白度测定特征值提取的新算法，利用图像处理软件和积分学的相关理论计算稻米米粒的面积和垩白区域的面积，进而计算稻米垩白度。本文研究基于图像识别技术，并搭建大米品质检测装置系统，对大米垩白米进行检测。

发明内容

本发明的第一个目的是提供一种快速识别垩白米的方法，所述方法通过采集待检测的大米的图像，对图像进行数据处理，获得大米垩白度和/或垩白米数量；

所述数据处理包括如下步骤：

S1，读取图片，将图片由真彩色图像转换为灰度强度图像；

S2，对S1的灰度强度图像进行中值滤波，处理模板大小5×5；

S3，显示S2处理后图像的灰度直方图，调节灰度等级为256；

S4，控制S2处理后图像的像亮度值，并将其值映射到[0,1]；

S5，使用阈值变换法把S4映射后的图像转换成二值图像；

S6，控制S4映射后的图像的像亮度值，并将其值映射到[0,1]；

S7，使用阈值变换法把S6处理后的灰度图像转换成二值图像；

S8，用bwarea函数估算S7处理后的二值图像总面积和S5处理后的二值图像总面积，按照“估算S7处理后的二值图像总面积/估算S5处理后的二值图像总面积”计算垩白度，并以“垩白度:**％”形式输出；

S9,使用阈值变换法把S2处理后的灰度图像转换成二值图像；

S10，创建一个半径为13的平坦型圆盘结构元素se1，将S9处理后的图像和结构元素se1传递给imerode函数，进行图像腐蚀；

S11,创建一个长度为3*3的方形结构元素se2，将S10处理后的图像和结构元素se2传递给imdilate函数，进行图像膨胀；

S12，标记连通域，8连通寻找，保存连通区域的总数，记为大米总数

S13，创建一个半径为3的平坦型圆盘结构元素se3，将S7处理后的图像和结构元素se3传递给imerode和imopen函数，进行先腐蚀后膨胀；

S14，标记连通域，8连通寻找，保存连通区域的总数，记为垩白米数量；

S15，输出大米总数，垩白米数量，按照垩白米数量/大米总数计算垩白粒率；并以“垩白粒率:**％”形式输出。

在本发明的一种实施方式中，所述方法通过步骤S1～S8获得大米的垩白度；通过S1～S14获得垩白米数量。

在本发明的一种实施方式中，所述方法采用谷物外观品质检测装置进行检测，所述装置包括整列装置、扫描仪、数据处理器和显示屏；所述扫描仪盖板上可拆卸地设置背景板；所述整列装置包括孔板和嵌合在孔板下方的扫描底板，所述孔板上设有若干个孔洞。

在本发明的一种实施方式中，控制步骤S6的阈值为0.35～0.45。

在本发明的一种实施方式中，控制步骤S6的阈值为0.40～0.45。

在本发明的一种实施方式中，用于检测的大米质量为1～15g。

在本发明的一种实施方式中，所述方法是将大米颗粒均匀分散置于扫描仪的平板上，合上设置有黑色背景板的扫描仪盖板，对大米进行图像采集，再将采集的图像按照所述数据处理的步骤进行处理。

本发明的第二个目的是提供所述方法在大米外观品质评价方面的应用。

本发明还要求保护载有本发明方法的数据处理设备。

有益效果：本发明采用自制开发的大米外观品质分析系统对大米垩白米进行测定。分析系统对大米图像平均检测时间为5s，图像识别计数快速；并以国标方法检测垩白米为基础，优化了分析系统对大米样品测定垩白米的最佳阈值为0.43，在此阈值下测定大米样品垩白度小于2％，该结果与国标方法验证的结果一致，大米外观品质分析系统与人工法测定结果绝对误差小于0.5％。大米外观品质分析系统对大米垩白米识别准确。本实验方法对大米垩白米的检测，解决了人工法分类准确率不高、主观性强、误差较大的问题，符合国内标准和规范要求。

附图说明

图1大米外观品质分析系统示意图(a)和扫描仪局部结构示意图(b)；其中，1，显示器；2，扫描仪；3，孔板；21，盖板；22，背景板；23.卡槽；24，吸盘。

图2为整列装置的结构示意图(a)；孔板的结构示意图(b)；孔洞的结构示意图(c)；其中，3，孔板；31，底板；32，下孔；33，上孔；34，把手；35，凸起；36，倒角。

图3为垩白米粒图像处理结果图；(a)采集图像的原图；(b)灰度图；(c)滤波图；(d)阈值分割去背景图；(e)去背景后二值化图；(f)阈值分割垩白区域；(g)垩白区域二值化；(h)连通区域统计；(i)垩白区域统计。

图4为不同阈值下的垩白米颗粒数结果图；(a)垩白粒率100％；(b)垩白粒率80％；(c)垩白粒率60％；(d)垩白粒率40％；(e)垩白粒率20％；(f)垩白利率0％。

图5为仪器法与人工法测定垩白米结果图；(a)垩白米50颗；(b)垩白米100颗；(c)垩白米150颗；(d)垩白米200颗；(e)垩白米250颗；(f)垩白米300颗。

图6为仪器法与人工法测定垩白米结果比较图；(a)垩白米50颗；(b)垩白米100颗；(c)垩白米150颗；(d)垩白米200颗；(e)垩白米250颗；(f)垩白米300颗。

图7为仪器法与人工法测定垩白米结果比较图；(a)垩白米250颗；(b)垩白米300颗；(c)垩白米350颗；(d)垩白米400颗；(e)垩白米450颗；(f)垩白米500颗。

具体实施方式

实施例1大米外观品质分析装置

如图1～2所示，所述大米外观品质分析装置包括显示器1、扫描仪2和数据处理器和整列装置；所述扫描仪2与显示器1连接，将扫描结果传输至显示器1并在显示器1上显示扫描的图像。数据处理器可选用Lenovo C560微型计算机，扫描仪可选用Lenovo M7206W多功能一体机等型号，光学元件为CIS，光学分辨率为600×1200dpi，所述扫描仪2的盖板21内侧设置可拆卸的背景板22；所述背景板22为黑色硬纸板，使扫描出的大米图像背景呈现黑色，减小图像背景干扰；背景板22通过固定装置固定在盖板21内侧；所述固定装置设置至少2个；固定装置由吸盘24和固定在吸盘24上的卡槽23组成；所述卡槽23的槽与盖板21平行设置，使背景板22通过卡槽可拆卸地设置在盖板21上。

所述整列装置包括孔板3和扫描底板31。孔板3的大小为297mm×210mm，孔板3上设有1085个长圆形的孔洞。孔板3的原材料为铝合金，具有轻便、可塑性好、耐腐蚀等优点，在其他实施方式中，还可以采用其它金属或硬质材料。孔洞的上孔33大于下孔32，在本实施例中，上孔33和下孔32均为圆柱形，上孔33长8mm，宽4.5mm，高1mm，下孔32长7mm，宽3.5mm，高2mm。两个孔洞之间的横向间隙是1mm，纵向间隙是1mm。孔洞的大小和高度能够保证日常食用的单颗粳米掉入孔洞中，同时孔洞采用上大下小的结构，当米粒入孔后，米粒会因为孔洞侧壁的斜度而立即躺入孔中，避免了圆柱形孔洞容易出现的两颗米竖在一个孔板3里的情况，保证一孔入一整米，米粒分开，便于扫描后图像处理。而且，在孔洞的上孔33较大的情况下，洒向孔板3的米粒更加容易入洞，整体上提升了整列装置的操作便捷性。

扫描底板31为高透明度、低反光、性能接近光学的浮法玻璃，尺寸为长291mm，宽209mm，厚3mm，扫描底板31的四个角设有R＝3mm的倒角，保证使用者安全、避免尖角磨损，以及便于与孔板3嵌合。

孔板3上下面的四周均设有2-3mm高度的凸起35，凸起35在孔板3上形成连续的边框5，扫描底板31嵌合在孔板3下方的边框5的内侧，凸起35内侧的四个角设有与扫描底板的倒角形状配合的倒角36。扫描底板31很好地贴合孔板3下方，避免了米粒在孔板3下方窜动。

孔板3的两侧设有把手34。

数据处理器中内置检测程序，运行步骤为：

所述程序的具体步骤如下：

S1，读取当前文件夹下的图片，并用img_ori表示；

S2，将真彩色图像img_ori转换为灰度强度图像，并用img_gray表示；

S3，对图像“img_gray”进行中值滤波，处理模板大小5×5，并用“img_filt”表示；

S4，显示图像“img_filt”的灰度直方图，灰度等级为256(对应灰度0～255)，并用“img_hist”表示；

S5，控制图像“img_filt”的像亮度值，并将其值映射到[0,1]，并用“img_adj”表示；其中，区间[0,1]是将图像亮度值按照在灰度值占256的百分比划分至区间[0～100％]中，该区间简写为[0,1]；

S6，使用阈值变换法把灰度图像“img_adj”转换成二值图像，并用“img_bw_adj”表示；

S7，控制图像“img_adj”的像亮度值，并将其值映射到[0,1]，并用“img_chalk”表示；其中，区间[0,1]是将图像亮度值按照在灰度值占256的百分比划分至区间[0～100％]中，该区间简写为[0,1]；

S8，使用阈值变换法把灰度图像“img_chalk”转换成二值图像，并用“img_bw_chalk”表示；

S9，估算二值图像“img_bw_chalk”总面积/估算二值图像“img_bw_adj”总面积；并以“垩白度:**％”形式输出；

S10，使用阈值变换法把灰度图像“img_filt”转换成二值图像，并用“img_bw”表示；

S11，创建一个半径为13的平坦型圆盘结构元素se1，将图像img_bw和结构元素se1传递给imerode函数，进行图像腐蚀，并用“img_bw1”表示；

S12,创建一个长度为3*3的方形结构元素se2，将图像img_bw1和结构元素se2传递给imdilate函数，进行图像膨胀，并用“img_bw2”表示；

S13，标记连通域，8连通寻找，返回和img_bw2大小相同的矩阵，保存连通区域的总数，记为大米总数；

S14，创建一个半径为3的平坦型圆盘结构元素se3，将图像img_bw_chalk和结构元素se3传递给imerode和imopen函数，进行先腐蚀后膨胀；

S15，标记连通域，8连通寻找，返回和img_bw_chalk_imerode大小相同的矩阵，保存连通区域的总数，记为垩白米数量；

S16，输出大米总数，垩白米数量，垩白粒率，计算垩白米数量/大米总数；并以“垩白粒率:**％”形式输出。

垩白米粒图像处理结果如图3所示。记录大米总数、垩白米粒数、大米像素面积、垩白像素面积等参数结果。

本发明的工作原理为：以与大米颜色相差大的黑色硬纸板扫描的背景板，将背景板通过固定装置固定在扫描仪盖板内侧，以避免成像效果不好。检测时，单独一人便可完成米粒的整列工序，先将扫描底板嵌入孔板的凸起内侧，单手托住扫描底板，另一手向孔板上加入米粒，然后轻轻晃动装置，即可让米粒进入孔洞中，相比现有的整列装置需双手操作扣紧孔板，还需另一人助力加入大米，本发明更加省力、操作简便。米粒在整列装置上分离良好，然后将整列装置放置于扫描装置上，拿去孔板时，由于嵌合度良好，不会造成米粒的窜动。通过扫描仪扫描成像，通过数据处理器对扫描后的图像进行识别和处理，将处理结果在显示屏上显示。

实施例2仪器法检测垩白米数量

采用实施例1的大米外观品质分析装置对大米样品进行测定。首先将孔板置于玻璃板上，紧密贴合。称取一定量的大米0～15g，均匀放于孔板上，轻轻晃动孔板和玻璃板，直至大米颗粒分散在不同的孔中。大米经过孔板在玻璃板上分开后，轻轻放置于扫描仪上，将孔板移去，合上黑色背景的扫描仪盖板。打开电脑上的软件对大米样品进行扫描，扫描结束后，将扫描后的大米样品图片保存至指定文件夹中；运行大米样品处理程序，对指定图片执行操作。

对比例1

根据GB/T 17891-2017《优质稻谷》，从大米试样中数取完整米粒100粒(n₀)，捡出有垩白的米粒(粒数n₁)，再从捡出的垩白米粒中，随机取10粒(不足10粒者按实有粒数取)，将垩白米粒平放，正视观察，逐粒目测垩白投影面积占完整米粒投影面积的百分率，并计算其平均值，即为垩白米粒垩白大小(W_D)的数值(％)。重复一次，两次测定结果平均值为垩白大小。垩白度(D)为垩白大小(W_D)乘垩白粒数(n₁)，并除以试样粒数(n₀)。

实施例3不同阈值区间下的垩白米数量检测

垩白阈值是通过灰度值进行区分的，垩白部分的灰度值要大于其他部分灰度值。为了能准确得出垩白米粒检测结果，需要优化垩白检测的阈值。选取6组米粒数呈梯度设置的样品，使得米粒数分别为100颗，200颗，300颗，400颗，500颗(分别记为样本1～样本5)。用人工法挑拣正常大米和垩白米，在正常大米中混入垩白米，使垩白粒率分别为100％，80％，60％，40％，20％，0％。按上述方法对不同垩白利率下的每组样品分别设置3个平行。按照实施例2的方法进行测定，调试大米样品处理程序步骤S7的阈值，在0.35,0.45,0.55…0.85这7个阈值进行测定，测定结果如图4所示，6组梯度样品在不同阈值测定下的结果呈现下降趋势。即随着阈值的增大，即灰度值越大，仪器检测到的垩白颗粒数量越少。

用人工挑拣法得出样品的实际垩白颗粒数值，并与大米外观品质分析系统在不同阈值下检测垩白米的颗粒数结果比较。选取6组样本，使得垩白米数量分别为50颗，100颗，150颗，200颗，250颗，300颗，用装置系统采集图像。由于垩白米的垩白位置在背白、心白、腹白处，图像采集到的仅为米粒的单面图像，为了减少实验误差，对每组样本采集图像平行三次。大米外观品质分析系统不同阈值下测定垩白米数量结果与人工法测定结果如图5所示。由图5可知，大米外观品质分析装置测定垩白米数量与人工法测定结果交叠在0.35-0.45阈值内，即在此阈值内识别垩白米结果较为准确。

为了缩小检测垩白米的阈值区间，设定垩白检测的阈值为0.35,0.40,0.45，实验选取6组样本，其中垩白米数量分别为50颗，100颗，150颗，200颗，250颗，300颗，用装置系统采集图像，实验平行三次。仪器法测定垩白米数量结果与人工法测定结果如图6所示。由图5可知，当阈值在0.40-0.45之间时，大米外观品质分析装置测定垩白米数量与人工法测定结果交叠在该阈值内，结果较为准确。

实施例4在阈值为0.40～0.45下进行垩白米数量检测

为了确定大米外观品质分析系统测定垩白米的最佳阈值，选取6组样本，其中人工法测得垩白米数量分别为250颗，300颗，350颗，400颗，450颗，500颗。用装置系统采集图像，实验平行三次。设定大米外观品质分析系统检测垩白的阈值为0.40,0.41,0.42,0.43,0.44,0.45，测得的垩白米数量结果与人工法测定结果进行比较，结果如图7所示。由图7可知，当阈值在0.42,0.43,0.44时，大米外观品质分析系统测定垩白米数量结果与人工法测定结果相对误差平均值为5.5％，在其他阈值点下的相对误差为11.8％，故当阈值在0.42，0.43，0.44处时，垩白米测定较为准确。

为进一步确定大米外观品质分析装置测定垩白米的最佳阈值，实验选取10组样本，其中人工法测得垩白米数量分别为50颗，100颗，150颗，200颗，250颗，300颗，350颗，400颗，450颗，500颗。设定大米外观品质分析系统检测垩白米的阈值为0.42,0.43,0.44，测定垩白米数量，并与人工法检测垩白米数量结果进行比较，结果如表1所示。结果表明，设定检测垩白米的阈值为0.43时，测定垩白米数量误差较小，绝对误差大小不超过24，相对误差大小不超过为0.062。

表1不同阈值下仪器法与人工法测定垩白米误差比较

实施例5垩白米数量检测

调试自制大米外观品质分析装置，设定检测程序测定垩白米时的阈值为0.43。随机将东北长粒米大米样品进行分组，用大米外观品质分析系统测定垩白粒率和垩白度，并与人工法测定结果进行比较，结果如表2所示。结果表明，大米外观品质分析系统与人工法测定垩白米数量绝对误差不超过2，垩白粒率绝对误差小于0.5％，垩白度绝对误差小于0.5％。大米外观品质分析系统检测一幅大米图像平均时间为5s，与人工法相比，大米外观品质分析系统对大米识别更加快速准确，测定本批大米垩白度小于2％，这一结果符合国家一级优质大米质量指标。

表2大米外观品质分析系统与人工法测定大米样品结果

虽然本发明已以较佳实施例公开如上，但其并非用以限定本发明，任何熟悉此技术的人，在不脱离本发明的精神和范围内，都可做各种的改动与修饰，因此本发明的保护范围应该以权利要求书所界定的为准。

Claims (10)

1.一种快速识别垩白米的方法，其特征在于，所述方法通过采集待检测的大米的图像，对图像进行数据处理，获得大米的垩白度；

所述数据处理包括如下步骤：

S1，读取图片，将图片由真彩色图像转换为灰度强度图像；

S2，对S1的灰度强度图像进行中值滤波，处理模板大小5×5；

S3，显示S2处理后图像的灰度直方图，调节灰度等级为256；

S4，控制S2处理后图像的像亮度值，并将其值映射到[0,1]；

S5，使用阈值变换法把S4映射后的图像转换成二值图像；

S6，控制S4映射后的图像的像亮度值，并将其值映射到[0,1]；

S7，使用阈值变换法把S6处理后的灰度图像转换成二值图像；

S8，用bwarea函数估算S7处理后的二值图像总面积和S5处理后的二值图像总面积，按照“估算S7处理后的二值图像总面积/估算S5处理后的二值图像总面积”计算垩白度。

2.根据权利要求1所述的方法，其特征在于，用于测定垩白米数量时，还包括如下步骤：

S9,使用阈值变换法把S2处理后的灰度图像转换成二值图像；

S10，创建一个半径为13的平坦型圆盘结构元素se1，将S9处理后的图像和结构元素se1传递给imerode函数，进行图像腐蚀；

S11,创建一个长度为3*3的方形结构元素se2，将S10处理后的图像和结构元素se2传递给imdilate函数，进行图像膨胀；

S12，标记连通域，8连通寻找，保存连通区域的总数，返回和S11处理后的大小相同的矩阵，记为大米总数；

S13，创建一个半径为3的平坦型圆盘结构元素se3，将S7处理后的图像和结构元素se3传递给imerode和imopen函数，进行先腐蚀后膨胀；

S14，标记连通域，8连通寻找，返回和S13处理后大小相同的矩阵，保存连通区域的总数，记为垩白米数量。

3.根据权利要求1或2所述的方法，其特征在于，所述方法采用谷物外观品质检测装置进行检测，所述装置包括整列装置、扫描仪、数据处理器和显示屏；所述扫描仪盖板上可拆卸地设置背景板；所述整列装置包括孔板和嵌合在孔板下方的扫描底板，所述孔板上设有若干个孔洞。

4.根据权利要求1所述的方法，其特征在于，控制步骤S7的阈值为0.35～0.45。

5.根据权利要求1或4所述的方法，其特征在于，控制步骤S7的阈值为0.40～0.45。

6.根据权利要求2所述的方法，其特征在于，步骤S14后还包括：按照垩白米数量/大米总数×100％计算垩白粒率。

7.根据权利要求1～6任一所述的方法，其特征在于，用于检测的大米的量为1～15g。

8.根据权利要求1～7任一所述的方法，其特征在于，所述方法是将大米颗粒均匀分散置于扫描仪的平板上，合上设置有黑色背景板的扫描仪盖板，对大米进行图像采集，再将采集的图像按照所述数据处理的步骤进行处理。

9.权利要求1～8任一所述方法在大米外观品质评价方面的应用。

10.实现权利要求1或2所述方法的数据处理器。