一种大米整精米率快速检测设备
虞 泓, 李国政, 柯松虎, 王红玉无锡锡粮机械制造有限公司(无锡214028)
摘 要:探讨了一种大米整精米率快速检测的技术和设备, 结合大米图像的特点与要求, 比较、分析各种图像处理系统的优缺点, 研究确定图像采集技术并结合预分样设备, 与现有的各种检测整精米率方法相比, 具有测定准确、简便、快速、仪器价格低等优点。
关键词:整精米率; 稻谷; 图像; 测试结果
中图分类号:T S212. 3 文献标识码:B 文章编号:1672-5026(2010) 06-0046-05
Testing equipment for whole refined rice rate
Yu H ong, Li Guo zheng, Ke Songhu, W ang H ongy u
Wuxi Xiliang M achinery M anufacturing Co. , L td. (W ux i 214028)
Abstract:A kind of technique and equipment w hich can quickly test w ho le refined rice rate is discussed. T he adv antages and disadv antag es of v ar io us kinds of image pro cessing system are com pared and analy zed, com bined w ith the characteristic and request o f r ice image. T he im age acquisitio n technique ar e studied and deter mined. Combined w ith presort equipm ent, the ex isting detecting metho ds of w hole refined rice rate ar e compared, the results show that the new tech -nique and equipment is accurate, sim ple, rapid and inex pensive.
Key words:w hole refined rice rate; paddy ; im ag e; testing result
1 背景
稻谷是亚洲许多国家的主要农作物产品, 尤其是在南亚和东南亚地区, 由于热带季风气候比较适合稻谷生产, 因此大米成为这些国家主要生产作物。中国是大米生产和消费的大国, 大米在中国不仅是维持中国人民生活的重要物质原料, 也是创造经济效益的重要农作物。综观国内外对大米品质的检测研究可以看出我国在这方面还相对落后, 我们应加大力度将机器视觉技术应用到大米及其他谷物的自动检测及分选系统中, 尽快提高我国的农业综合实力[2]。
国内在粮食质量自动检测方面总体处于起步阶
收稿日期:2010-10-15 修回日期:2010-11-20
作者简介:虞 泓, 男, 1966年出生, 高级工程师, 主要研究粮食加工工艺及设备。
[1]
段, 但早在1987年中国农业机械化科学研究院就产品化了电容式的粮食水分在线分析仪, 2000年中国农业机械化科学研究院开始全面启动粮食品质快速自动检测技术的研究, 2001年中国农业机械化科学研究院对稻谷、小麦和玉米的外观品质与内部品质进行了综合、系统化的研究。中国农业大学在稻米外观品质和直链淀粉以及河南工业大学在小麦硬度测定以及声学检测方法方面进行了一系列的研究。目前, 对于粮食质量进行综合性的快速自动检测技术是国内外研究发展方向之一。
国外目前的研究主要分为两种:一是对大米加工精度的检测, 另一种是对大米质量的检测分级。在对大米加工精度的检测方面:1982年Pav l-i
dis T [4]提出了结构分析方法和外形轮廓曲线检测法2种形状识别模式, 为计算机视觉应用于形态识
[3]
别奠定了基础。2001年, Yadav B K [5]通过对静态大米图像提取米粒形态特征, 如米粒长度、周长、投影面积等, 以此计算整精米的数量, 监控碾米机的运作。
在对大米质量检测分级的方面, 日本大学森岛博教授研究了大米中整粒、碎粒、异色粒、有裂痕粒的识别和分级方法, 以及不同品种的识别方法。在1985年, Zay as I 等[6]使用了对比谷粒尺寸和形状特征的算法, 它采用一个小型空间转换器来检验被测对象相对于参考性状的情况, 提供了一种使它们的几何特征量化的直觉方法, 这种经典算法使用至今。形态学图像处理方法则使用一些简单的基本结构元素来进行操作实现对象的判断, 是一种直观的形态检测方法。在2000年Wan Y N [7]用范围估计、神经网络、H y bird 算法分别对大米质量检测, 准确率已达到91%。
国内的大米检测研究主要集中在大米的外观、加工品质上, 对检测算法的研究比较多。侯彩云等利用三维图像处理系统定性描述了粒型、垩白度、透明度等外观、品质参数。刘光蓉通过对大米图像的增强, 利用八邻域分析法提取大米轮廓[8]。包晓敏分别用Roberts 算子、Sobel 算子、Prew itt 算子、模块匹配法和快速模糊边缘检测对大米轮廓进行边缘检测。凌云研究了一种基于极坐标的粒型检测方法, 将米粒近似为椭圆, 通过对椭圆区域的长短轴计算, 实现粒型检测。在硬件装置上, 侯彩云开发出一套计算机图像处理系统软件, 专门用于优质稻米分级指标整精米率、垩白粒率、垩白度、粒型等参数, 用扫描仪获取图像。凌云则采用CCD 摄像机、嵌入式工业控制计算机对垩白度、垩白粒率、黄米粒和粒型参数的检测, 达到了较高检测精度。
我国既是农业大国又是粮食消费大国。大米更是占人均消费谷物的60%以上。对大米品质的检测既关系到人民的生活质量也关系到我国在国际大米市场的地位。
[10]
[9]
从硬件上和软件上更加完善, 提高了仪器的稳定性和操作的简易型, 缩减了检测时间。大米整精米率检测设备包括大米整精米率测定仪和预分样装置。预分样装置的大米分离后的结果如下图1
所示。
图1 大米分离后的结果
3 使用性能测试
样机制作完成后, 我们对整机的使用性、稳定性和台间差问题进行了多次试验, 并挑选了多种稻谷进行反复调试。通过测试, 每个样品的检测时间不超过2m in, 重复性测试误差不超过0 3%, 准确性测试仪器的测试结果与人工测试结果的相关系数在99 6%以上。预分样装置的研制, 降低了大米的粘连, 提高了图像采集效果和整精米率的测试精度。另外该装置还可以用于其它颗粒物的分离, 为相关研究提供帮助。
目前收集到的150多种稻米样品, 对样机进行了稳定性和准确性测试。大米整精米率的稳定性测试数据见表1~表4, 其仪器测定值与人工测定值的线性关系见图2, 稻谷整精米率的测定数据见表5
。
2 基本原理
采用面阵CCD 摄取大米图像, 并转换为数字信号, 再采用先进的软、硬件技术, 运用数字信号处理、图像处理与分析、模式识别等技术, 通过对大米的图像采集、图像数字转化、形状识别和分析, 从而使计算机能自动提取大米的形态性状、智能识别大米种类。在前面工作的基础上, 大米整精米率检测设备
图2 仪器测定值与人工测定值线性回归关系
标准与检测
表1 A 仪器稳定性测试数据
编号J 1J 2J 3W X 1W X 2W X 3ZX 1ZX 2ZX 3
人工测定值
/%95 389 591 486 878 670 184 679 273 5
195 189 291 386 778 570 284 479 573 3
295 389 391 286 978 370 584 679 373 2
仪器测定值/%
395 589 391 487 078 269 984 379 673 6
495 489 491 187 178 469 784 779 573 4
595 689 291 586 978 270 384 279 173 3
虞 泓等:一种大米整精米率快速检测设备
平均值/%95 489 391 386 978 370 184 479 473 4
标准偏差0 190 080 160 150 130 320 210 200 150 18
变异系数0 200 090 170 170 170 460 250 250 210 22
误差-0 10 20 1-0 10 300 2-0 20 10 14
绝对值的平均值
表2 B 仪器稳定性测试数据
编号J 1J 2J 3W X 1W X 2W X 3ZX 1ZX 2ZX 3
人工测定值
/%95 389 591 486 878 670 184 679 273 5
195 489 391 586 578 970 484 779 473 6
295 289 791 886 978 870 584 879 173 3
仪器测定值/%
395 189 491 686 778 670 284 579 373 2
495 389 691 886 678 770 484 679 573 3
595 189 891 586 778 570 384 779 473 6
平均值/%95 289 691 686 778 770 384 779 373 4
标准偏差0 130 210 150 150 160 190 110 150 190 16
变异系数0 140 230 170 170 200 270 130 190 250 19
误差0 1-0 1-0 20 10 1-0 2-0 1-0 10 10 12
绝对值的平均值
表3 A 仪器与B 仪器数据对比
编号J 1J 2J 3W X 1W X 2W X 3ZX 1ZX 2ZX 3
A 仪器值/%95 489 391 386 978 370 184 479 473 4
B 仪器值/%95 289 691 686 778 770 384 779 373 4平均值
人工值/%95 389 591 470 178 670 185 377 572 3
台间差0 20 30 30 20 40 20 30 100 22
粮食与食品工业
Cer eal and Food I ndustr y
表4 A 仪器准确性测试数据
Vo l. 17, 2010, N o. 6
编号J 1J 2J 3J 4J 5J 6J 7J 8W X 1W X 2W X 3W X 4W X 5W X 6W X 7W X 8ZX 1ZX 2ZX 3ZX 4ZX 5ZX 6ZX 7ZX 8
人工测定值
/%95 389 591 486 182 778 372 467 986 878 670 168 364 559 653 548 784 679 273 568 162 957 352 448 2
195 189 291 386 282 678 772 667 686 778 570 268 564 759 553 348 684 479 573 368 062 657 652 648 5
仪器测定值/%
295 389 391 286 482 478 272 567 886 978 370 568 264 559 653 248 584 679 373 268 362 857 752 348 4
395 589 391 486 582 578 472 868 087 078 269 968 664 859 253 648 884 379 673 667 962 657 452 548 4
平均值/%95 389 391 386 482 578 472 667 886 978 370 268 464 759 453 448 684 479 573 468 162 757 652 548 4
标准偏差0 200 060 100 150 100 250 150 200 150 150 300 210 150 210 210 150 150 150 210 210 120 150 150 060 16
变异系数0 210 060 110 180 120 320 210 290 180 200 430 300 240 350 390 310 180 190 280 310 180 270 290 120 24
误差00 20 1-0 30 2-0 1-0 20 1-0 10 3-0 1-0 1-0 20 20 10 10 2-0 30 100 2-0 3-0 1-0 20 16
绝对值的平均值
表5 稻谷测试数据
编号1234
人 工 数 据
样重/g 23 4823 0225 0924 28
毛糙/g 19 2118 8720 1416169
不完善粒/g 1 541 471 82118
整精米重/g 13 3813 789 699192
出糙率/%78 578 876 67714
整精米率/%57 059 938 64019
仪器数据
大米样重
/g 6 287 126 757 076 187 [***********]
大米整精米率
/%99 499 599 399 576 970 [**************]19
稻谷整精米率
/%56 759 838 74018
[***********][1**********]819
标准与检测
虞 泓等:一种大米整精米率快速检测设备
[3]陈建伟. 基于机器视觉技术大米品质检测[J]. 粮食与油
脂, 2008(5) :39-40.
[4]P avlidis T . 计算机图像显示和图像处理算法[M ].吴成
柯, 译. 北京:科学出版社, 1987.
[5]Y adav B K. M onito ring milling quality of rice by imag e
analysis[J].Computer s and Elect ronics in A gr iculture, 2001(33) :19-33.
[6]Za yas I, P omeranz L Y , L ai F S. Discrim inat ion betw een
Ar thur and A rkan wheats by image ana lysis[J]. Cereal Chem. , 1985(62) :478.
[7]Wan Y N. A daptiv e classification method for an aut o -matic g ra in quality inspect ion sy stem using machine v is-i to n and neural netw or k[C]. ASA E A nnual Inter nat ion -nal M eeting , 2000.
[8]郭文川, 朱新华. 机器视觉技术在谷物识别与分级中的
研究进展[J].粮食与饲料工业, 2002(6) :50-51. [9]包晓敏, 汪亚明, 黄振堃. 计算机视觉技术在大米轮廓检
测上的应用[J]. 浙江工程学院学报, 2003, 20(2) :104-107.
[10]Scag lia S. 嵌入Int ernet T CP/IP 基础、实现及应用
[M ].北京:北京航空航天大学出版社,
2008.
4 小结
基于嵌入式系统的大米整精米率快速检测设备结构设计合理, 成本低、速度快、实时性好、数据精度高, 对各种粒型的大米适应性好, 仪器简单, 便于操作, 易于实现产业化; 可适用于不同环境的粮食收购
现场长时间不间断工作; 可以通过网络进行远程数据传输、汇总; 使用寿命长等。
采用面阵CCD 摄取大米图像, 运用各种算法对图像进行处理和分析, 结合等级标准, 显示并打印出等级, 可适用于各种粒型的大米的检测。该机测定的大米整精米率的测定结果重复性好, 台间差异的测定结果差小。该机易于实现产业化, 与同类产品比较, 性价比较高。
参考文献
[1]杨 红. 中国大米国际贸易的未来之路[J]. 垦殖与稻
作, 2005(5) :55-57.
[2]朱希刚. 中国稻米生产发展和国际竞争力分析[J]. 中国
农垦经济, 2003(5) :23-24.
欢迎订阅2011年5食品科学6#中国科学引文数据库核心库期刊#国家自
然科学基金资助的重点学术期刊#中国期刊方阵双效期刊#美国5化学文摘6收录期刊#中文核心期刊#中国学术期刊文摘(英文版) 收录期刊#学位与研究生教育中文重要期刊#百种中国杰出学术期刊#中国科技期刊统计源期刊(中国科技核心期刊) #中国生物学文献数据库收录期刊
2011年5食品科学6杂志, 大16开, 300页, 信息量更大, 收纳范围更广、信息传递更快、内容更丰富、印刷更精美。每月15日、25日出版。
栏目有:基础研究、工艺技术、分析检验、营养卫生、生物工程、包装贮运、专题论述、技术应用、行业信息。
邮发代号:2-439 国内刊号:CN 11-2206/T S
国外刊号:ISSN 1002-6630
全国各地邮局均可订阅发行部常年办理邮购半月刊定价:25元/册 全年定价600元
订阅方法:1、现金订阅:直接通过邮局汇款至北京市西城区禄长街头
条4号5食品科学6编辑部收(100050)
手机:0-[1**********] 联系人:李向芳 联系电话:010-83155441传真:010-83155436 网址:ww w. chnfo od. cn 电子邮箱:chnfood@chnfo od. cn 2、银行汇款:
账户:中国食品杂志社 开户行:工行阜外大街分理处 账号:[***********]2