【正文】 素” [15]。理想中的圖像的灰度直方圖，其背景灰度和目標(biāo)灰度應(yīng)該對應(yīng)兩個(gè)不同的灰度峰值，所以選取位于兩峰之間的谷值作為閾值，就很快地將一副圖像的背景與目標(biāo)分割開了。最大類間方差法主要依據(jù)是概率統(tǒng)計(jì)和最小二 乘法原理，該方法的 判決準(zhǔn)則是基于圖像直方圖一階統(tǒng)計(jì)特性 ，其主要思想 為 選取灰度值 t，以它為界將灰度范圍為 {0,1,…,L1}圖像分為背景和目標(biāo)兩類， ip 為灰度 i 出現(xiàn)的概率，背景部分的概率為 ???ti iptw 00 )( ，目標(biāo)部分的概率為 ?????111 )(Lti iptw ，背景部分的均值 ???ti i twipt 0 00 )(/)(? ，目標(biāo)部分的均值 ?????11 11 )(/)(Lti i twipt? 。利用閾值對圖像進(jìn)行分割時(shí) ,關(guān)鍵是找到恰當(dāng)?shù)拈撝?,利用閾值將圖像物體和背景區(qū)分開來。 圖像分割將原始圖像轉(zhuǎn)化為比較抽象的形式，使得更高層的分析和理解成為可能[17]。本章將重點(diǎn)論述圖像預(yù)處理的基礎(chǔ)知識(shí)，并針對稻米外觀品質(zhì)檢測的要求，進(jìn)行結(jié)果演示。 第 3 章，具體介紹了稻米外觀品質(zhì)檢測的有關(guān)算法，包括以最小外接矩形法確定稻米的粒型；基于圖像的稻米整精米率計(jì)算方法。 論文結(jié)構(gòu) 本研究以圖像處理技術(shù)為基礎(chǔ)，以稻米的圖像為對象，進(jìn)行稻米外觀品質(zhì)檢測方法的研究。 在有 些情況下，例如糧食加工部門，待測的谷物樣品往往是大批量的。靜態(tài)系統(tǒng)的缺點(diǎn)是自動(dòng)化水平低，一般只具備品質(zhì)檢測的功能，不具備分級(jí)的功能。 Liao， Panigrahi 通過對計(jì)算機(jī)視覺方法實(shí)現(xiàn)對玉米的顏色、種籽尺寸的質(zhì)量檢測，為谷物質(zhì)量的自動(dòng)化檢測系統(tǒng)的工業(yè)化開發(fā)打下了一定的 技術(shù)基礎(chǔ)。 Kondo 等提出了檢測櫻桃西紅柿位置的有效算法 , 并研制出收獲櫻桃西紅柿的機(jī)器人。 Miller 等，在桃分級(jí)研究中，分別采用彩色電 視攝像機(jī)和近紅外線掃描攝像機(jī)采集桃子表面圖像，并得出近紅外區(qū)域獲得的桃的圖像比彩色圖像的分級(jí)效果更好的結(jié)論。 Cardarelli 和 Tao 等利用計(jì)算機(jī)視覺技術(shù)，對暗箱背景光照進(jìn)行改進(jìn)，實(shí)現(xiàn) 了對稻米內(nèi)部破損程度的檢測和估計(jì) [12]。 Travis 根據(jù) 49 種不同的稻谷和草籽輪廓，并結(jié)合種子的長度，成功地辯別出大多數(shù)谷物的種類 [8]。孫永海等運(yùn)用大理石紋和灰度空間相關(guān)矩陣兩種方法對牛肉圖像特征進(jìn)行分析，分別建立了特征量與肉嫩度等級(jí)間的數(shù)量關(guān)系 [1]。章文英等通過分塊掃描，光譜分析，灰度統(tǒng)計(jì)方法研究了蘋果果梗的識(shí)別方法和果面缺陷的查找 [7]。 在其它農(nóng)產(chǎn)品方面，王江楓等探討了應(yīng)用計(jì)算機(jī)視覺技術(shù)進(jìn)行芒果果面壞損檢測的方法 ，實(shí)現(xiàn)對果面壞損的自動(dòng)分級(jí) [1]。尚艷芬和侯彩云等利用計(jì)算機(jī)視覺技術(shù)并通過實(shí)驗(yàn)建立了從群體米樣中分割整精米的計(jì)算模型，自動(dòng)識(shí)別基于圖像的稻米外觀 檢測系統(tǒng)研究 2 整精米和碎米 [3]。這對提高稻米外觀品質(zhì)檢測水平，具有一定的理論意義和重要的應(yīng)用價(jià)值。 國內(nèi)外對稻米外觀品質(zhì)檢測技術(shù)已經(jīng)進(jìn)行了廣泛的研究，但視覺檢測裝置仍停留在理論樣機(jī)階段，特別是在檢測精度和速度上仍有待進(jìn)一步的提高。目前，我國對稻米外觀品質(zhì)的檢測，仍然停留在人工目測檢驗(yàn)的階段。 Rice Head Rice RateI 目 錄 摘 要 Abstract 第 1 章 緒論 ....................................................................1 .......................................................1 ...........................................................1 .......................................................1 .......................................................2 .................................................................4 第 2 章 稻米圖像預(yù)處理 .................................................. 5 .................................................................5 .....................................................5 .......................................................5 .................................................................7 ...............................................................8 ...............................................................8 .............................................................9 第 3 章 稻米外觀檢測算法研究 ........................................... 11 .......................................................... 11 .................................................. 11 ......................................................12 ..................................................15 ......................................................16 ......................................................17 ........................................17 米率檢測實(shí)驗(yàn) ..................................................18 第 4 章 基于圖像的稻米外觀檢測系統(tǒng)的實(shí)現(xiàn) ............................... 19 ............................................................19 ..........................................................20 II ..........................................................21 第 5 章總結(jié)與展望 ...................................................... 23 ....................................................................23 ....................................................................23 參考文獻(xiàn) ................................................... 25 致 謝 ..................................................... 25 附錄 ....................................................... 28 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計(jì)） 1 第 1 章 緒論 選題意義和論文任務(wù) 稻米是地球上最重要的糧食作物之一 ， 其產(chǎn)量占全球糧食總產(chǎn)量的 38%。根據(jù)稻米的面積，寬長等信息區(qū)分整米和碎米，并計(jì)算稻米整精米率。如出現(xiàn)以上違反知識(shí)產(chǎn)權(quán)的情況，本人愿意承擔(dān)相應(yīng)的責(zé)任。論文 (設(shè)計(jì) )主體均由本人獨(dú)立完成，沒有抄襲、剽竊他人已經(jīng)發(fā)表或未發(fā)表的研究成果行為。運(yùn)用 Matlab 編程，對圖像中的稻米進(jìn)行計(jì)數(shù)，使用最小外接矩形法計(jì)算稻米粒型。 Rice Shape。 外觀品質(zhì)是稻米一個(gè)十分重要的商品性狀，是消費(fèi)者選購稻米的主要依據(jù)。 將圖像處理技術(shù)應(yīng)用到稻米外觀品質(zhì)檢測領(lǐng)域，完全可以滿足日常檢測工作的需要，有著良好的應(yīng)用前景，是現(xiàn)代高精度自動(dòng)化檢測技術(shù)的發(fā)展方向 。根據(jù)稻米的面積，寬長等信息區(qū)分整米和碎米，并計(jì)算稻米整精米率。尚艷芬等根據(jù) RGB 色度學(xué)原理，利用計(jì)算機(jī)圖像識(shí)別 技術(shù)，對稻米中的黃粒米進(jìn)行自動(dòng)檢測 [2]。候彩云等利用微切片三維圖像處理系統(tǒng)獲得堊白米粒的三維圖像信息和利用灰度閾值分割方法測定稻米堊白度的可行性 [67]。德田勝等研制了一種用于西瓜收獲的計(jì)算機(jī)視覺檢測系統(tǒng)，該系統(tǒng)通過圖像分析來識(shí)別西瓜成熟度。劉儉英等應(yīng)用機(jī)器視覺技術(shù)，首先研究出鴨蛋蛋心顏色自動(dòng)分級(jí)系統(tǒng)中的蛋心顏色分級(jí)模型，利用計(jì)算機(jī)視覺檢測裝置檢測出蛋內(nèi)容物的顏色參數(shù)。其研 究內(nèi)容包括不同品種稻米的識(shí)別方法，同品種稻米中完整米、碎米、異色米、有裂痕米的檢測和分級(jí)方法，并形成了一整套理論體系。 Cardareli 等以圖像的 R、 G、 B 均值作為判別參數(shù)，研究了對破損米粒的檢測方法 [11]。 其他農(nóng)產(chǎn)品方面， Slaughter 等利用圖像的色度和亮度信息對桔子收獲機(jī)械手進(jìn)行導(dǎo)向，建立了一個(gè)利用顏色信息從桔樹上識(shí)別桔子的分類模型 [6]。 1995 年，美國成功研制出Merling 計(jì)算機(jī)視覺水果分級(jí)技術(shù)系統(tǒng)，生產(chǎn)率約為 40t/h，已經(jīng)被廣泛應(yīng)用于蘋果、橘子、桃子及西紅柿等水果的分級(jí)，此技術(shù)已推廣到加拿大等其它 國家 [1]。 Elster， Goodrum 利用計(jì)算機(jī)視覺技術(shù)對雞蛋表面裂紋進(jìn)行檢測 [1]。 靜態(tài)系統(tǒng)的優(yōu)點(diǎn)在于結(jié)構(gòu)比較簡單，加工成本和硬件成本低，對檢測算法的實(shí)時(shí)性要求不高，易于推廣和使用。這種檢測方法只適用于小批量或抽樣檢測的場合，無法勝任大批量檢測的場合 [1]。因此，研究在線的谷物外觀品質(zhì)檢測系統(tǒng)是很有意義的。以改進(jìn)的最大類間方差法來自動(dòng)確定圖像分割閾值。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計(jì)） 5 第 2 章 稻米圖像預(yù)處理 由于獲得的圖像存在噪聲等因素，不能在檢測中直接應(yīng)用，必須對原始圖像進(jìn)行預(yù)處理 ，包括噪聲去除，圖像分割等。圖像分割有四種不同的定義形式 [16]： (1) 將圖像分成各個(gè)組成部分； (2) 識(shí)別并形成有相似特性的區(qū)域或特征集； (3) 把目標(biāo)物體從背景中分離出來； (4) 將圖像分成與目標(biāo) 物體有強(qiáng)相關(guān)的部分。圖像閾值分割主要利用圖像中要提取的目標(biāo)物體與背景在灰度上的差異 ,把圖像分為具有不同灰度級(jí)的目標(biāo)區(qū)域和背景區(qū)域的組合。 基于最大類間方差法的閾值分割 [19] 最大類間方差法（ Otsu）是 自動(dòng)的非參數(shù)非監(jiān)督的閾值選擇法，被認(rèn)為是圖像分割閾值自動(dòng)選取的最優(yōu)方法之一，具有運(yùn)算簡單，速度快，穩(wěn)定有效等優(yōu)點(diǎn) 。這樣，其中一個(gè)峰值對應(yīng)的是背景區(qū)域的灰度；而另一個(gè)峰值就對應(yīng)的目標(biāo)灰度了。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計(jì)） 7 (a)稻米原圖像