糧食不完善粒分析儀使用進(jìn)展
更新時(shí)間:2021-03-19 點(diǎn)擊次數:4947
糧食不完善粒是指有蟲(chóng)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(jià)值的糧食、油料顆粒。在糧食檢驗過(guò)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。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(shí)、費力,重復性、再現性差等缺點(diǎn),尤其是不同檢測人員主觀(guān)性差別大,易導致檢測結果不一致。為滿(mǎn)足實(shí)際應用中大規模糧食快速無(wú)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(shù)研究成為主要方向。
隨著(zhù)信息技術(shù)和機器識別理論的不斷發(fā)展和完善,計算機數字圖像分析技術(shù)被應用到糧食不完善粒檢測上來(lái),依據其原理主要分為兩類(lèi)。一種是傳統的機器識別。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,用數據分析模型進(jìn)行識別評價(jià)。另外一種是基于深度學(xué)習理論的人工神經(jīng)網(wǎng)絡(luò )。采集糧食籽粒圖像數據,無(wú)需預處理和特征參數提取,直接對二維圖像進(jìn)行特征識別和分類(lèi)。
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(guān)、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來(lái)綜合分析識別不完善粒。目前開(kāi)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(tài)特征參數主要選取籽粒長(cháng)軸長(cháng)、短軸長(cháng)、長(cháng)寬比、周長(cháng)、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(guān)表現,具有較強的重復性和平穩性,體現了宏觀(guān)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。