[发明专利]一种大米黄粒检测方法和系统

说明书

本发明公开了一种大米黄粒检测方法和系统，其中方法包括以下步骤：S1，图像采集；S2，对步骤S1采集的图像进行预处理；S3，根据步骤S2预处理后的图像数据进行黄米率计算；本发明对图像预处理，利用深度全卷积神经网络提高识别精度，避免特征的人工选择，由于采集样本时的光照、背景等环境因素，相对于人工选择一个鲁棒性强的样本特征，构建深度全卷积神经网络可以避免繁琐的特征算法，提高识别精度。

技术领域

本发明涉及大米检测领域，特别涉及一种大米黄粒检测方法和系统。

背景技术

按照国家标准，黄粒米是指那些胚乳为黄色，颜色和光泽与标准大米有清晰区别的大米颗粒。现有的黄粒监测方法包括取样法和基于机器视觉技术。取样法用e=0.1g天平称取毛粮150g，碾磨成国家标准精度大米，除去糠粉，称重（W）作为试样重量，再按规定拣出黄粒米，称重（W1）。计算黄粒米%=W1/W×100%。基于机器视觉的方法用外界光源照射大米滑落状态下的大米，使用ccd相机采集图像，通过包括过灰度化、背景分割、边缘检测、图像二值化以及腐蚀膨胀等预处理操作得到籽粒区域与背景区域，将原有的RGB图像转为HSI模型，根据色相H对图像进行灰度化，设定阈值，判断是否为黄粒。 现有的视觉检测方法，需要人工选择特征，由于采集样本时光照、背景等环境因素，提取特征环节繁琐、识别精度低。

发明内容

为了解决现有问题，本发明提供了一种大米黄粒检测方法和系统，具体方案如下：

一种大米黄粒检测方法，包括以下步骤：

S1，图像采集；

S2，对步骤S1采集的图像进行预处理；

S3，根据步骤S2预处理后的图像数据进行黄米率计算。

优选的，步骤S1中采集的所述图像包括：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。

优选的，步骤S2中的所述预处理的步骤包括：

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。

优选的，步骤S3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，。

优选的，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；