粮食不完善粒分析仪使用进展
更新时间:2021-03-19 点击次数:5432
粮食不完善粒是指有虫蚀、病斑、生霉、生芽、霉变、破损、冻伤、热损伤或未熟等缺陷但仍有使用价值的粮食、油料颗粒。在粮食检验过程中,可采用
粮食不完善粒分析仪对粮食进行分拣。不完善粒是衡量粮食质量的一项重要指标。目前,国家标准中对不完善粒采用的是传统的感官检测方法。该方法存在耗时、费力,重复性、再现性差等缺点,尤其是不同检测人员主观性差别大,易导致检测结果不一致。为满足实际应用中大规模粮食快速无损检测的要求,机器化、智能化检测
粮食不完善粒分析仪的技术研究成为主要方向。
随着信息技术和机器识别理论的不断发展和完善,计算机数字图像分析技术被应用到粮食不完善粒检测上来,依据其原理主要分为两类。一种是传统的机器识别。对粮食籽粒图像进行采集,然后进行图像优化处理、提取颜色、形态、纹理等特征参数,用数据分析模型进行识别评价。另外一种是基于深度学习理论的人工神经网络。采集粮食籽粒图像数据,无需预处理和特征参数提取,直接对二维图像进行特征识别和分类。
粮食不完善特征是影响识别率的重要因素。不完善粒在外观、颜色、光滑度等方面存在明显差异。故一般提取形态、纹理和颜色特征参数来综合分析识别不完善粒。目前开展的研究中选取的特征参数大同小异。颜色特征提取一般选择通用的RGB模型,此外HSI模型、粮食不完善粒分析仪也被广泛应用。
形态特征参数主要选取籽粒长轴长、短轴长、长宽比、周长、面积、伸展度、等效圆直径、区域填充面积、离心率、紧凑度等参数。纹理是图像中特征值强度的某种局部重复模式的宏观表现,具有较强的重复性和平稳性,体现了宏观意义上的图像特征变化的某些规律。参数选择平滑度、对比度、一致性、三阶矩、熵等。