[发明专利]一种大米黄粒检测方法和系统

权利要求书

1.一种大米黄粒检测方法，其特征在于，包括以下步骤：

S1，图像采集；采用至少3种不同种类的米粒进行采集，R通道700nm、G通道550nm和B通道440nm附近三个波段的米粒可见光谱图像信息；

S2，对步骤S1采集的图像进行预处理；

S21，通过3×3中值滤波器对步骤1中采集的图像进行中值滤波，以去除噪点，中值滤波使用矩阵像素点的中值赋值矩阵中心点；

S22，将步骤S21中处理的图像数据进行旋转、翻转和调整；其中，旋转公式为：，式中，θ为旋转角度，（x₁，y₁）为当前坐标，（x₂，y₂）为旋转后坐标，调整对比度使用伽马变换：，s为输出灰度级，r为输入灰度级，γ为伽马值，c为灰度缩放系数；

S3，根据步骤S2预处理后的图像数据进行黄米率计算；

其中，黄米率的计算步骤包括：

S31，搭建U-Net框架的深度全卷积神经网络；

S32，在步骤S31中搭建的深度全卷积神经网络中进行米粒区域和黄粒区域的分割，分割出单粒米粒中黄粒区域的占比；

S33，根据米粒区域的分割，统计出米粒总数，同时根据黄粒区域和其对应分割后的米粒面积的比值，结合设定阈值，判断米粒是否为黄米，从而统计出黄米数；

S34，计算黄米率，。

2.根据权利要求1所述的方法，其特征在于，步骤S32中对所述黄粒区域划分和所述米粒区域分割的具体步骤包括：

S321，将步骤S1采集的图像的RGB模型转换成HSI模型，

；式中，I为图像的亮度，RGB分别为像素点的RGB三个通道的值，S为图像的饱和度，min（R，G，B）为求RGB值中的最小值，H为图像的色调，

；

S322，对HSI模型图像进行标定，手动划分出米粒区域和黄粒区域；

S323，将分割前的原图像与其对应的手动分割后的图像输入所述深度全卷积神经网络中进行训练；

S324，向前传播计算损失值；

S325，通过损失值调整网络参数，包括卷积层中卷积核的参数；

S326，重复步骤S324-步骤S325，直到达到损失值的预期值或者训练预设次数。

3.根据权利要求2所述的方法，其特征在于，所述步骤S324计算损失值具体包括：将原图像经过所述深度全卷积神经网络的网络层计算，获得网络对原图像的分割，并将其与手动分割的图像对比，计算损失值；损失函数为平均绝对误差，，为实际值，为预测值，n为训练样本总数；向前传播的过程中使用n×n的卷积核进行有效卷积，卷积公式为

，其中为被卷积的矩阵，为位置的点，为卷积后该点的值，k为n×n的卷积核，为k旋转得到的矩阵，由卷积核卷积后的矩阵经过激活函数进行非线性化，激活函数为Relu函数，Relu函数式为，max用于获取的0、x中的最大值。

4.一种计算机可读存储介质，其特征在于：介质上存有计算机程序，计算机程序运行后，执行如权利要求1至3中任一项所述的大米黄粒检测方法。

5.一种计算机系统，其特征在于：包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行如权利要求1至3中任一项所述的大米黄粒检测方法。

6.基于权利要求1-3中任一项所述的一种大米黄粒检测方法的系统，其特征在于：包括暗箱（1）、集成图像采集卡的CCD相机（3）、计算机、光源（2）以及载物台（4）；

所述暗箱（1）的顶端环形阵列设置有所述光源（2）；所述暗箱（1）的底部中央设置有所述载物台（4）；所述暗箱（1）的内侧壁上粘贴有背景纸；在所述暗箱（1）外的所述载物台（4）的正上方设置所述CCD相机（3），用以采集不同波长光源（2）照射下的大米样本，并通过所述图像采集卡上传至所述计算机进行样本的进一步处理。