可見光譜圖與深度神經網絡的堊白大米檢測方法

林 萍，張華哲，何堅強，鄒志勇，陳永明*

1. 鹽城工學院電氣工程學院，江蘇 鹽城 224051 2. 四川農業大學電機學院，四川 雅安 625014

引 言

大米是世界上最重要的糧食作物，大米品質的好壞直接影響到人們的生活健康狀況，如何快速準確地對大米品質進行判別成為目前國際學術領域重要的研究課題。堊白參數是影響大米市場銷售價格的主要因素之一。大米堊白是在大米籽粒胚乳中心白色不透明部分，它是由于稻米胚乳中蛋白和淀粉顆粒填充疏松和充氣引起的，按其在大米顆粒中出現的部位可分為腹白、心白和背白等類型，是大米籽粒在結構上的一種缺陷[1]。傳統的大米堊白的檢測方法是基于人工目測抽樣檢測，主觀性較大，不同人員的檢測結果往往不一致，這就嚴重影響了大米品質判別準確度。因此，國內外采用機器視覺結合模式識別處理技術開展了針對大米中的堊白的自動化檢測研究。房國志[2]提出了一種基于形態學分水嶺的圖像堊白區域檢測方法。劉瓔瑛[3]提出了采用切比雪夫逼近方法的大米堊白自動分割。王衛星[4]提出了基于直方圖修正和小波自適應定位多閾值算法對大米堊白區域進行有效分割。黃星奕[5]等采用遺傳神經網絡對大米堊白度進行計算，結果顯示基于機器視覺的檢測方法由于圖片的獲取過程需要外加光源照射，正常米粒中有一部分區域會造成強反射現象，容易引發誤判。目前提出的基于機器視覺的堊白大米圖像檢測方法都是采用由人工來選定目標特征的方式，人工提取到的特征對于大米的堊白特性表達性能不一致，因此最終獲得的檢測精度并不理想。……