CN1281952C - 一种整精米自动识别的方法 - Google Patents
一种整精米自动识别的方法 Download PDFInfo
- Publication number
- CN1281952C CN1281952C CN 200310100279 CN200310100279A CN1281952C CN 1281952 C CN1281952 C CN 1281952C CN 200310100279 CN200310100279 CN 200310100279 CN 200310100279 A CN200310100279 A CN 200310100279A CN 1281952 C CN1281952 C CN 1281952C
- Authority
- CN
- China
- Prior art keywords
- rice
- radius
- lambda
- grain
- prime
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Adjustment And Processing Of Grains (AREA)
Abstract
本发明公开了一种整精米自动识别的方法,包括:将米样置于图像采集器中,采集原始图像信息;读取原始图像信息,存储米样个体轮廓上各点的坐标,并求得这些点坐标的几何平均值,作为米样个体的中心点;将中心点与轮廓点的连线作为米粒半径;以最长半径为参考方向,按逆时针每隔5度存储一条半径,存储在逆时针半径表中;依据米粒半径表存储的数据求一标准米;进行整精米的判定:分别判别位图文件中的每一米样,如果粒长大于等于标准米粒长73%,作为整精米选出来;如果粒长小于标准米粒长的73%,作为待处理米。本发明所述方法可以快速、客观、正确地识别精米中的整精米,满足了在稻谷现场收购与市场交易中对品质检测快速、客观、准确性高的要求。
Description
技术领域
本发明涉及一种基于计算机模糊识别的检测方法。特别是涉及一种整精米自动识别的方法,它是一种基于计算机模糊识别的检测方法。属于计算机模糊识别领域。
背景技术
整精米率是评价稻谷品质的一项重要指标,在我国于2000年开始实施的GB/T 17891-1999《优质稻谷》标准中,该参数被新增为评定稻谷等级的指标之一。所谓整精米,是将糙米碾磨成精度为国家标准一等大米时,米粒产生破碎,其中长度仍达到完整精米粒平均长度的五分之四以上(含五分之四)的米粒。整精米占净稻谷试样质量的百分率为整精米率。由上述定义可以看出:快速、客观、正确地识别精米中的整精米是检测整精米率这一指标的关键。目前在稻谷收购与市场交易中,仍由人工按照上述定义进行识别整精米。这种方法由于检测时间长、主观性强、准确性低、可操作性和重复性差等缺陷难以满足在稻谷现场收购与市场交易中对品质检测快速、客观、准确性高的要求。
发明内容
本发明为解决检测整精米率的快速、客观、准确的技术问题,本发明提出一种基于计算机模糊识别技术的整精米自动识别的方法。
本发明所述的整精米自动识别的方法的实现过程如下:
步骤一、将米样置于图像采集器中,采集原始图像信息;
步骤二、读取原始图像信息,存储米样个体轮廓上各点的坐标,并求得这些点坐标的几何平均值,作为米样个体的中心点;
步骤三、将中心点与轮廓点的连线作为米粒半径;
步骤四、以最长半径为参考方向,按逆时针每隔5度存储一条半径,共72条,分别记为r[0],r[1],r[2],…,r[71];其中r[18]与r[54]是垂直于线段0A的两条半径;所有半径值存储在逆时针半径表中;
步骤五、依据米粒半径表存储的数据求一标准米,所求标准米的粒长为样品中粒长最大的10粒米的粒长平均值;
步骤六、依据米粒腹部(胚芽一侧)垂直于最长半径的半径小于背部最长半径的半径这一特点确定上述10粒米的放置方向,然后计算相同方向对应半径的平均值作为标准米的半径;
步骤七、进行整精米的判定:分别判别位图文件中的每一米样,如果粒长大于等于标准米粒长73%,作为整精米选出来;如果粒长小于标准米粒长的73%,作为待处理米。
本发明所述方法可以快速、客观、正确地识别精米中的整精米,克服了现有技术方案中检测时间长、主观性强、准确性低、可操作性和重复性差等缺陷。满足了在稻谷现场收购与市场交易中对品质检测快速、客观、准确性高的要求。同时,根据本发明所述方法编制的计算机模糊识别系统,还具有可同时完成垩白度、垩白粒率、黄粒米和粒型、直链淀粉含量等指标检测的功能,使现行国家标准中彼此相对独立的多项指标的检测,可以由一套系统一并完成。
附图说明
图1为米粒的正向放置示意图;
图2为米粒的反向放置示意图。
具体实施方式
下面通过具体的实施例对本发明方法进行说明。
首先,利用计数板兼取样板从待检测的大米批样中取约50-1000粒米样。置样器置于扫描仪上,采集图像,存储为24位bmp格式文件。
然后,利用稻谷品质评价系统RQS1.0识别图像中的整精米数,具体是:
读取原始图像信息,存储米样个体轮廓上各点的坐标,并求得这些点坐标的几何平均值,作为米样个体的中心点;
将中心点与轮廓点的连线作为米粒半径;
以最长半径为参考方向,按逆时针每隔5度存储一条半径,共72条,分别记为r[0],r[1],r[2],...,r[71];其中r[18]与r[54]是垂直于最长半径r[0]的两条半径;所有半径值存储在逆时针半径表中;
依据米粒半径表存储的数据求一标准米,所求标准米的粒长为样品中粒长最大的10粒以上米的粒长平均值;
依据米粒胚芽一侧垂直于最长半径的半径小于背部最长半径的半径这一特点确定上述10粒以上米的放置方向,然后计算相同方向对应半径的平均值作为标准米的半径R[i];如图1所示正向放置的米满足r[18]<r[54],如图2所示,反向放置的米满足r[54]<r[18],米粒按相同方向计算平均半径才能代表米粒的粒型。
进行整精米的判定:分别判别位图文件中的每一米样,如果粒长大于等于标准米粒长73%,作为整精米选出来;如果粒长小于标准米粒长的73%,作为待处理米。
采用上述步骤,初步将粒长大于等于标准米粒长73%筛选出来了,对于粒长小于标准米粒长的73%的待处理米,本发明采取了如下的技术手段:
然后进行偏差计算;对同一对象做逆时针和顺时针两次判断;为了进行偏差值计算,本发明自定义了表征被检测米偏离米粒粒型的程度参数,即正比差f与反比差f':
其中λ[i]、λ′[i](i=0,1,…,71)分别为米粒与标准米的正向半径比和反向半径比,即:
正向半径比:
其中:(i=0,1,2,…,71) (3)
反向半径比:
λ和λ′为正、反两方向半径比平均值:
最后,根据计算出来的正比差f和反比差f′,逐粒将其正比差f和反比差f′与通过实验确定的偏差阈值比较,只要f和f′中有一个值小于偏差阈值者,被计为整精米;否则就将其计为碎米,实验中统计整米和碎米的偏差值,确定偏差阈值。
最后所应说明的是:以上实施例仅用以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1、一种整精米自动识别的方法,其特征在于,包括如下步骤:
步骤一、将米样置于图像采集器中,采集原始图像信息;
步骤二、读取原始图像信息,存储米样个体轮廓上各点的坐标,并求得这些点坐标的几何平均值,作为米样个体的中心点;
步骤三、将中心点与轮廓点的连线作为米粒半径;
步骤四、以最长半径为参考方向,按逆时针每隔5度存储一条半径,共72条,分别记为r[0],r[1],r[2],...,r[71];其中r[18]与r[54]是垂直于最长半径r[0]的两条半径;所有半径值存储在逆时针半径表中;
步骤五、依据米粒半径表存储的数据求一标准米,所求标准米的粒长为样品中粒长最大的10粒以上米的粒长平均值;
步骤六、依据米粒胚芽一侧垂直于最长半径的半径小于背部垂直于最长半径的半径,判定上述10粒以上米的放置方向,然后计算相同方向对应半径的平均值作为标准米的半径;
步骤七、进行整精米的判定:分别判别位图文件中的每一米样,如果粒长大于等于标准米粒长73%,作为整精米选出来;如果粒长小于标准米粒长的73%,作为待处理米。
2、根据权利要求1所述的整精米自动识别的方法,其特征在于,还包括:针对同一米粒正、反两种方向放置的情况,对同一对象做逆时针和顺时针两次偏差计算判断;计算正比差f与反比差f′两个参数:
其中:λ[i]、λ′[i](i=0,1,...,71)分别为米粒与标准米的正向半径比和反向半径比,即
正向半径比:
其中:(i=0,1,2,...,71) (3)
反向半径比:
λ和λ′为正、反两方向半径比平均值:
3、根据权利要求2所述的整精米自动识别的方法,其特征在于,对于粒长小于标准米粒长的73%的待处理米,将每粒的正比差f和反比差f′值与通过实验确定的偏差阈值比较,只要f和f′中有一个值小于偏差阈值者,被计为整精米;否则就将其计为碎米。
4、根据权利要求1所述的整精米自动识别的方法,其特征在于,所述步骤一的米样,为50-1000粒米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310100279 CN1281952C (zh) | 2003-10-15 | 2003-10-15 | 一种整精米自动识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310100279 CN1281952C (zh) | 2003-10-15 | 2003-10-15 | 一种整精米自动识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1607389A CN1607389A (zh) | 2005-04-20 |
CN1281952C true CN1281952C (zh) | 2006-10-25 |
Family
ID=34755902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200310100279 Expired - Fee Related CN1281952C (zh) | 2003-10-15 | 2003-10-15 | 一种整精米自动识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1281952C (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102782481A (zh) * | 2010-05-19 | 2012-11-14 | 株式会社佐竹 | 谷粒外观品质判别装置的按品质划分的重量比率的计算方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111435427B (zh) * | 2019-01-14 | 2024-08-13 | 珠海格力电器股份有限公司 | 识别大米的方法、装置和烹饪器具 |
-
2003
- 2003-10-15 CN CN 200310100279 patent/CN1281952C/zh not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102782481A (zh) * | 2010-05-19 | 2012-11-14 | 株式会社佐竹 | 谷粒外观品质判别装置的按品质划分的重量比率的计算方法 |
CN102782481B (zh) * | 2010-05-19 | 2015-01-21 | 株式会社佐竹 | 谷粒外观品质判别装置的按品质划分的重量比率的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1607389A (zh) | 2005-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116071387B (zh) | 基于机器视觉的枕轨生产质量检测方法 | |
CN115294113B (zh) | 一种木饰面板质量检测方法 | |
CN101354241B (zh) | 集料数字图像评价方法 | |
JP2968442B2 (ja) | 溶接欠陥の評価システム | |
CN107085846A (zh) | 工件表面缺陷图像识别方法 | |
CN112381791A (zh) | 一种基于3d点云的螺栓松动检测方法 | |
CN114998352A (zh) | 一种基于图像处理的生产设备故障检测方法 | |
CN102628854A (zh) | 汽车仪表板检测系统及方法 | |
CN113109240B (zh) | 一种计算机实施的粮食不完善粒测定方法和系统 | |
CN106546174B (zh) | 一种基于模型滤波的圆检测方法 | |
Yao et al. | Inspection of rice appearance quality using machine vision | |
CN1281952C (zh) | 一种整精米自动识别的方法 | |
CN117237747B (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
CN112419314B (zh) | 一种基于相关性的特征点剔除方法 | |
CN116797575A (zh) | 一种基于机器视觉的碎米率智能检测方法 | |
CN112396580A (zh) | 一种圆形零件缺陷检测方法 | |
CN114972353B (zh) | 一种金属高压特种管件质量评估方法及系统 | |
Li et al. | Vehicle seat detection based on improved RANSAC-SURF algorithm | |
CN114549403B (zh) | 一种机械零部件侧剖面多单体智能精密几何圆心检测方法 | |
CN110930359A (zh) | 一种检测汽车拨叉的方法及系统 | |
CN114001887B (zh) | 一种基于挠度监测的桥梁损伤评定方法 | |
Brodie et al. | Size assessment of stacked logs via the Hough Transform | |
Thomas et al. | Automated detection of severe surface defects on barked hardwood logs | |
JPH08201033A (ja) | 球体外観検査方法 | |
CN112070710A (zh) | 工业品缺陷图像检测的方法 |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20061025 Termination date: 20091116 |