糧食不完善粒分析儀使用進(jìn)展

更新時間：2021-03-19 點(diǎn)擊次數(shù)：6101

　　糧食不完善粒是指有蟲蝕、病斑、生霉、生芽、霉變、破損、凍傷、熱損傷或未熟等缺陷但仍有使用價值的糧食、油料顆粒。在糧食檢驗過程中，可采用糧食不完善粒分析儀對糧食進(jìn)行分揀。不完善粒是衡量糧食質(zhì)量的一項重要指標(biāo)。目前，國家標(biāo)準(zhǔn)中對不完善粒采用的是傳統(tǒng)的感官檢測方法。該方法存在耗時、費(fèi)力，重復(fù)性、再現(xiàn)性差等缺點(diǎn)，尤其是不同檢測人員主觀性差別大，易導(dǎo)致檢測結(jié)果不一致。為滿足實際應(yīng)用中大規(guī)模糧食快速無損檢測的要求，機(jī)器化、智能化檢測糧食不完善粒分析儀的技術(shù)研究成為主要方向。

　　隨著信息技術(shù)和機(jī)器識別理論的不斷發(fā)展和完善，計算機(jī)數(shù)字圖像分析技術(shù)被應(yīng)用到糧食不完善粒檢測上來，依據(jù)其原理主要分為兩類。一種是傳統(tǒng)的機(jī)器識別。對糧食籽粒圖像進(jìn)行采集，然后進(jìn)行圖像優(yōu)化處理、提取顏色、形態(tài)、紋理等特征參數(shù)，用數(shù)據(jù)分析模型進(jìn)行識別評價。另外一種是基于深度學(xué)習(xí)理論的人工神經(jīng)網(wǎng)絡(luò)。采集糧食籽粒圖像數(shù)據(jù)，無需預(yù)處理和特征參數(shù)提取，直接對二維圖像進(jìn)行特征識別和分類。

　　糧食不完善特征是影響識別率的重要因素。不完善粒在外觀、顏色、光滑度等方面存在明顯差異。故一般提取形態(tài)、紋理和顏色特征參數(shù)來綜合分析識別不完善粒。目前開展的研究中選取的特征參數(shù)大同小異。顏色特征提取一般選擇通用的RGB模型，此外HSI模型、糧食不完善粒分析儀也被廣泛應(yīng)用。

　　形態(tài)特征參數(shù)主要選取籽粒長軸長、短軸長、長寬比、周長、面積、伸展度、等效圓直徑、區(qū)域填充面積、離心率、緊湊度等參數(shù)。紋理是圖像中特征值強(qiáng)度的某種局部重復(fù)模式的宏觀表現(xiàn)，具有較強(qiáng)的重復(fù)性和平穩(wěn)性，體現(xiàn)了宏觀意義上的圖像特征變化的某些規(guī)律。參數(shù)選擇平滑度、對比度、一致性、三階矩、熵等。