糧油檢測技術之計算機視覺技術介紹
在稻米品質的感官評價上，由于人工檢測工作量大，主觀性強，而借助于計算機視覺技術，可以使得稻米品質的檢測技術更加快速、準確。目前，計算機視覺技術已對堊白、粒型、黃粒米率、整精米率、蛋白質含量、直鏈淀粉含量儀等品質指標進行了研究和測定。孫明等舊1研究了基于采用MATLAB軟件開發平臺來構造計算機視覺的大米堊白檢測算法，在對不同的大米圖像處理的基礎上，完成了對大米堊白度和堊白粒率的測定。凌云等[3J、張巧杰等研究了一套基于計算機視覺技術的稻谷品質快速檢測裝置，并初步實現了對直鏈淀粉、堊白度、堊白粒率等參數的檢測，試驗結果表明該裝置對直鏈淀粉的測試精度≤l％，堊白度的測試精度≤1％，堊白粒率的測試精度≤2％，達到了稻米直鏈淀粉、堊白度和堊白粒率測定準確度的要求。該裝置具有良好的擴展性，無需改動系統硬件，只要通過擴充系統軟件的方法，就可以增加對大米其他品質參數的檢測功能，如異品種粒、色澤等。
在精米機整精米率及加工精度上，研究了改變掃描條件和調整圖像分割閾值等方法，消除測定大米的加工精度對堊白米的影響，建立了快速、客觀檢測大米加工精度的方法。吳彥紅等∞1開發了一套基于計算機視覺技術的稻谷品質檢測系統，提取了米粒的面積、周長等10個特征參數作為整精米檢測特征，并進行了主成分分析，確定了判別整精米的優化閾值。測試表明裂紋米、堊白米、整精米的識別的準確率分別為96．41％，94．79％，96．20％。設計了大米粒型檢測計算機視覺識別試驗裝置，采用灰度變換、閾值分割、平滑處理等圖像處理方法獲取大米的粒形圖像，經特征參數的提取與識別，表明該方法對整粒米、碎米識別準確率分別為98．67％、92．09％。
此外，利用計算機視覺技術研究了稻米的粒型檢測，但該方法要求米粒擺放需同一朝向，具有一定的局限性，限制了它的實際應用。提出基于極坐標的粒型檢測算法，通過先求出質心再求出最長軸與最短軸的方法，對稻米外形進行橢圓擬合，但它具有旋轉不變性，故準確度有待提高。利用數字圖像采集方式進行稻米蛋白質檢測，測定結果與蛋白質含量標定值的偏差較小，絕對誤差的平均值僅為O．37 g／100 g，偏差最大的測定值與標定值的誤差也只有0．91 g／100 g，可得到較為準確的檢測結果，且可同時完成多個樣品的信息采集，檢測效率顯著提高。侯彩云等‘1叫利用微切片3維圖像處理系統對稻米品質特性進行了探索性的研究，結果表明借助于3維可視化技術，可以對谷的外觀品質、營養品質及蒸煮品質等進行更為直觀且客觀的觀察與測定。色澤是油脂的重要質量指標之一，常用的測定油脂色澤的方法有羅維朋(Lovibond)比色法和重鉻酸鉀法，但這兩種方法常常受人為因素影響較大。
根據國家標準在羅維朋比色法的基礎上研發了計算機圖像處理方法，避免了人為的主觀誤差，測定的重現性和重復性均較好。利用逐步判別分析法(stepwise discriminant analysis)和計算機的識別系統把椰子油分為不成熟的、半成熟的、成熟的、過成熟的4個等級。通過對400多個樣品進行視覺系統分析，發現對椰子油正確分級的成功率大于90％，并且，機器視覺系統的誤分級的可能性比用人工的低。另外，應用計算機圖像處理技術研究羅維朋標準色片與油脂顏色的關系，得到特征參數A(R—G)和B(R／G)，當固定羅維朋黃色片70時，最佳特征參數為B，其他情況下最佳特征參數為A。試驗得出利用A或B計算羅維朋紅值的經驗方程，驗證結果表明，不同油脂測定羅維朋紅值與計算結果的相關系數大于0．98，平均誤差小于0．4。
