【正文】 ，本節(jié)采用圖像處理技術(shù)對整 精米率檢測方法做進一步的研究 。 基于圖像的整精米率檢測方法 整米和碎米的區(qū)分 整米與碎米的區(qū)分是整精米率檢測的基礎(chǔ)。本論文提出了一下區(qū)分整米和碎米的方法，且以同一品種并在同一生長條件下生長的稻米粒型相似的前提假設(shè)： （ 1） 選擇被檢測中粒長最長的 30 粒米，計算其平均面積，以此作為標準整精米的面積。 （ 2） 逐粒計算被檢測稻米的面積。 （ 3） 當被檢測稻米面積大于等于標準整精米面積的 倍，即判斷為整 米。 整精米率的計算方法 基于圖像的整精米率計算方法有多種，由于是同一種型號的米粒，本論文采用 以下方法計算： %1 0 0*( % ) 米?？倲?shù)整精米粒數(shù)?H （ 31） 其中 H 極為整精米率。 基于圖像的稻米外觀 檢測系統(tǒng)研究 18 整精米率檢測實驗 基于圖像的稻米整精米率計算，本實驗提供一張混有同種型號的整米和碎米的圖片，首先對圖像進行前期的預(yù)處理，包括去噪、二值化等，然后對處理好的圖片區(qū)分整形米和碎米，通過 MATLAB 有關(guān)程序，分別繪制出 整米和碎米的圖片，其結(jié)果如圖37 所示。 (a)整米碎米混合圖 (a)整 米 (b)碎米 圖 37 稻米整精米率檢測圖 實驗結(jié)果是總米粒數(shù)為 93，整形米數(shù)為 61，碎米粒數(shù)為 32，所以整精米率為%。 浙江理工大學信息電子學院本科畢業(yè)論文（設(shè)計） 19 第 4 章 基于圖像的稻米外觀檢測系統(tǒng)的實現(xiàn) 圖形用戶界面（ GUI）在 MATLAB 程序開發(fā)中起著舉足輕重的作用。一個好的界面不僅有利于用戶快速掌握程序的操作流程，有效地使用程序，也有利于開發(fā)者展示 MATLAB 平臺下的開發(fā)技術(shù)。 GUI 在科研實踐和工程實踐中有著廣泛的應(yīng)用，尤其是在圖形處理技術(shù)、人工智能技術(shù)等方面 [31]。 為了更加直觀地展現(xiàn)實驗結(jié)果，本論文 特別設(shè)計了一個 GUI 界面。 系統(tǒng)界面設(shè)計 首先，打開 MATLAB 主窗口，選擇 File 菜單中的 New 菜單項，再選擇其中的GUI 命令，就會顯示圖形用戶界面的設(shè)計模板。單擊 OK 選項即可，就會生成一個GUI 設(shè)計窗口。 GUI 設(shè)計窗口由菜單欄、工具欄、控件工具欄以及圖形對象設(shè)計區(qū)等部分構(gòu)成。GUI 設(shè)計窗口的菜單欄有 Fire、 Edit、 View、 Layout、 Tools 和 Help6 個菜單項，使用其中的命令可以完成圖形用戶界面的設(shè)計操作。 基于圖像的稻米外觀檢測系統(tǒng)就可以在這個設(shè)計窗口中完成了，在 GUI 設(shè)計窗口創(chuàng)建圖形對象后，通過雙擊該對象，就會顯示對象的屬性編輯器，編輯其屬性即可。 本論文需要實現(xiàn)稻米外觀檢測和稻米粒型檢測的功能。屬性編輯完成后，就是對象功能的實現(xiàn)，單擊對象，選擇 View Callbacks 中的 Callbacks，就可以在代碼編寫窗口中編寫代碼，以實現(xiàn)對像的功能。 基于圖像的稻米外觀檢測系統(tǒng)界面如圖 4 42所示。 基于圖像的稻米外觀 檢測系統(tǒng)研究 20 圖 41 粒型檢測界面 圖 42 整精米率檢測界面 系統(tǒng)實現(xiàn)的功能 本論文研究基于圖像的稻米外觀檢測系統(tǒng)，主要實現(xiàn)稻米的粒型檢測和稻米的整精米率檢測這兩個功能，通過對對象的代碼編寫，實現(xiàn)以下的操作，包括：選擇圖像，對圖像進行去噪，二值化，求最小外接矩形，顯示長、寬、面積等信息，計算米粒數(shù)等 。實現(xiàn)的主要功能有： （ 1）稻米粒長 浙江理工大學信息電子學院本科畢業(yè)論文（設(shè)計） 21 （ 2）稻米粒寬 （ 3）稻米面積 （ 4）長寬比 （ 5）整精米率 此時，我們隨機選取一張橢圓形稻米圖片 和長條形稻米圖片 進行實驗，實驗結(jié)果如上圖 4 42 所示。 與人工測量比較 首先進行稻米粒型檢測方法的比 較。 根據(jù)國家標準優(yōu)質(zhì)稻谷 GB/T 178911999 稻米粒型的人工檢測方法是隨機挑選 10 粒，利用直尺求長、寬平均值，然后計算長寬比，其中長度試驗誤差不超過 ，寬度試驗誤差不超過 [29]。 為了 檢驗稻米粒型實時檢測系統(tǒng)的準確性、穩(wěn)定性和可靠性，隨機選擇三個樣品，每個樣品抽樣三次，每次 10 粒， 利用 MER 法和人工直尺測量法進行測量，結(jié)果見表 41。 表 41粒型的 兩種方法檢測結(jié)果 單位 :mm 樣品 MER 法 直尺法 長度 177。 SD 寬度 177。 SD 長度 寬度 A1 177。 177。 A2 177。 177。 A3 177。 177。 B1 177。 177。 B2 177。 177。 B3 177。 177。 C1 177。 177。 C2 177。 177。 C3 177。 177。 從表 41 可以看出，采用 MER 法、直尺法測量米粒結(jié)果并無顯著性差異。對同一基于圖像的稻米外觀 檢測系統(tǒng)研究 22 樣品抽樣三次，使用 MER 法檢測的結(jié)果均符合稻谷國家標準的規(guī)定 ，達到了檢測精度的要求，同時，使用 MER 法具有較好的穩(wěn)定性，能夠滿足實際檢測的要求。 其次，進行稻米整精米率檢測方法的比較。 隨機挑選 5 個待測樣品，采用人工法、計數(shù)法、 進行整精米率實驗， 其中人工法是采用人工識別整精米與碎米，并 計算整精米率；計數(shù)法是采用公式 31 計算整精米率 ，結(jié)果見表 42。 表 42 整精米率的兩種方法檢測結(jié)果 單位： % 樣品 人工法 計數(shù)法 1 2 3 4 5 從表 42 可以看出，采用人工法和計數(shù)法得出的結(jié)果并無太大差異，經(jīng)計算，人工法與計數(shù)法的相關(guān)系數(shù)達到 ，由于人工法 缺乏客觀性和可重復(fù)性，檢測精度難以控制，而且操作過程費時費力，計數(shù)法操作既簡單，穩(wěn)定性又高，所以采用計數(shù)法優(yōu)于人工法。 浙江理工大學信息電子學院本科畢業(yè)論文（設(shè)計） 23 第 5 章總結(jié)與展望 總結(jié) 目前對稻米外觀品質(zhì)指標的檢測精度和檢測速度要求越來越高，而傳統(tǒng)的人工檢測方法難以或無法達到檢測要求。論文對于進一步發(fā)展圖像處理理論，推動計算機視覺在農(nóng)業(yè)特別是稻米質(zhì)量檢測中的應(yīng)用 具有一定的理論意義和重要的應(yīng)用價值 。論文的主要工作總結(jié)如下： （ 1） 從總體上闡明了稻米外觀品質(zhì)檢測目前存在的問題和發(fā)展趨勢。 （ 2） 在圖像分割方面，運用最大類間方差法自動確定圖像的最佳閾值，是一種簡單有效的方法。 （ 3） 在圖像去噪方面，運用數(shù)學形態(tài)學的有關(guān)知識，采用開運算算法去除圖像 中的噪聲。 （ 4） 在稻米粒型檢測方面，采用頂點鏈碼和最小外接矩形方法獲得稻米的長、寬信息，將二維的圖像矩陣的旋轉(zhuǎn)轉(zhuǎn)換成一維鏈碼上的計算問題，既節(jié)省了內(nèi)存空間又提高了計算效率。 （ 5） 在稻米整精米率檢測方面，提出根據(jù)稻米的面積、長度、長寬比外形特征區(qū)分整精米與碎米，并利用面積法計算整精米率。 （ 6） 設(shè)計一個 GUI 界面，使得實驗結(jié)果更直觀地展現(xiàn)在人們的面前。 展望 論文對稻米計算機視覺檢測的算法和實際應(yīng)用做了比較深入的研究，取得了一定的進展，但同時也感到有一些研究工作還值得進一步拓展，具體可考慮以下幾方面： （ 1） 本論文所涉及的 圖像比較簡單，以后遇上更復(fù)雜的圖像時，論文中所提到的一些處理算法不一定能將圖像預(yù)處理得當，對于圖像的預(yù)處理的一些算法還需進行進一步的深入研究。 （ 2） 由于我國稻米品種種類繁多，形態(tài)各異，因此，需要對大量的稻米樣品進行實驗，進一步改進基于圖像的稻米外觀品質(zhì)檢測方法。 （ 3）論文實現(xiàn)了稻米外觀品質(zhì)指標的圖像檢測，具有較高的檢測精度和檢測速度，基于圖像的稻米外觀 檢測系統(tǒng)研究 24 但是還沒有實現(xiàn)真正的流水線在線實時檢測。在稻米樣品的傳輸，圖像的同步處理等方面需要進一步完善。 浙江理工大學信息電子學院本科畢業(yè)論文（設(shè)計） 25 參考文獻 [1] 凌云 . 基于機器視覺的谷物外觀品質(zhì)檢測技術(shù)研究 [D]. 北京 :中國農(nóng)業(yè)大學 ,2020. [2] 于潤偉 , 金鯤鵬 , 朱曉慧 . 基于圖像識別的整精米自動檢測研究 [J]. 中國糧油學報6,21(6):147150. [3] 尚艷芬 , 侯彩云 , 常國華 , 等 . 整精米自動識別方法的研究 [J]. 中國水稻科學， 2020，18(5):466468. [4] 黃星奕 . 基于計算機視覺的稻米外觀質(zhì)量檢測系統(tǒng)研究 [D]. 鎮(zhèn)江 :江蘇理工大學 ,1999. [5] 曾大力 , 滕勝 , 錢前 , 等 . 視頻顯微掃描技術(shù)在稻米堊白研究中的 應(yīng)用 [J]. 中國農(nóng)業(yè)科學， 2020,34 [6] 侯彩云 , Seiichi O, Yasuhisa S等 . 3維圖像處理系統(tǒng)在稻米品質(zhì)檢測中的應(yīng)用研究 [J]. 農(nóng)業(yè)工程學報 ,2020,17(3):9295. [7] 侯彩云 , 王一鳴 , 凌云 , 等 . 堊白米粒的計算機圖像識別 [J]. 農(nóng)業(yè)工程學報， 2020,18（ 3）：165168. [8] Travis A J. A puter based system for the recognition for seed shape[J]. Seed Sci. Tech,1985,13:812820. [9] Reid , Kim C, Paulsen M R. Computer vision sensing of stress cracks in corn kernels [J]. Trans of the ASAE,199134(5):22262244. [10] Liu W, Tao Y, Siebenmen T J, et al. Digital image analysis method for rapid measurement of rice degree of milling [C]. In:1997 ASAE Annual International Meeting. :ASAE,1997, . [11] Cardarelli A J, Tao Y, Berhardt J L, et al. High resolution machine vision for nondestructive internal inspection of damaged rice grain [C]. In 1998 ASAE Annual International Meeting. Florida:ASAE, . [12] Cardarelli A J, Tao Y, Bernhardt J L, Lee, F N. Nondestructive quantification of internal damage in rough rice caused by an insect and fungi [J]. Research Series of Arkansas Agricultural Experiment Station,1999,9096. [13] Chen Fang, Ying