糧食不完善粒分析儀使用進展
更新時間:2021-03-19 點擊次數:4991
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行分揀。不完善粒是衡量糧食質量的一項重要指標。目前,國家標準中對不完善粒采用的是傳統的感官檢測方法。該方法存在耗時、費力,重復性、再現性差等缺點,尤其是不同檢測人員主觀性差別大,易導致檢測結果不一致。為滿足實際應用中大規模糧食快速無損檢測的要求,機器化、智能化檢測
糧食不完善粒分析儀的技術研究成為主要方向。
隨著信息技術和機器識別理論的不斷發展和完善,計算機數字圖像分析技術被應用到糧食不完善粒檢測上來,依據其原理主要分為兩類。一種是傳統的機器識別。對糧食籽粒圖像進行采集,然后進行圖像優化處理、提取顏色、形態、紋理等特征參數,用數據分析模型進行識別評價。另外一種是基于深度學習理論的人工神經網絡。采集糧食籽粒圖像數據,無需預處理和特征參數提取,直接對二維圖像進行特征識別和分類。
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、紋理和顏色特征參數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用。
形態特征參數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、區域填充面積、離心率、緊湊度等參數。紋理是圖像中特征值強度的某種局部重復模式的宏觀表現,具有較強的重復性和平穩性,體現了宏觀意義上的圖像特征變化的某些規律。參數選擇平滑度、對比度、一致性、三階矩、熵等。