随着我国杂交水稻的量产、人民生活水平的不断提高、市场发展的多样化等多方面因素影响,稻米行业摒弃了之前一味地追求高产量的模式,开始向提高稻米品质的方向发展。在稻米生产储存过程中,传统的稻米外观品质检测方法主要是通过人工的自主鉴定、肉眼结合参照物的直观分析和一些不成熟的器械检测。这些方法不仅耗费大量的时间和人力物力,且结果基本上都会受到专业检验人员主观性因素的影响,再加上不同地域导致的评判标准的差异性,使得稻米外观品质的快速、自动、精准检测成为了行业发展趋势。而随着农业人工智能的发展,借助现代化高精度仪器检测稻米的各种品质逐渐发展为国内外研究的新趋势。本文主要围绕稻米的外观品质检测方面做主要研究。自主设计了一种稻米外观品质检测系统,引入卷积神经网络和图像处理技术,设计基于机器视觉技术的快速自动检测稻米外观品质系统。在此基础上运用线性回归分析的方法,计算稻米的出糙率,以达到稻米等级快速自动判定的目的。主要研究内容如下:在稻米外观品质检测方面,本文设计了一台稻米外观品质检测的硬件设备;将NIR和RGB图像通过叠加函数生成五通道图像数据,利用Watershed算法和Otus自适应阈值函数相结合对图像进行预处理,对籽粒中的不同籽粒进行标记并放入卷积神经网络训练,通过选取最优训练模型对稻米分类并分析其表型数据,实现对稻米外观品质的检测。经试验证明,该系统对稻米好坏的分辨率可达92.3%;采用本方法设计的系统在对稻米外观品质检测的过程中不仅降低了因检测环境不同、大样本量造成的视觉疲劳和检测人员自身因素等人为的主观性问题,还在检测时间和准确率上有了显著提升,从而提高了稻米外观品质的检测效率。在稻米等级自动判定方面,本文基于机器视觉技术设计并开发了稻米等级快速自动判定系统。通过成像技术获取稻米籽粒高分辨率图像,利用Watershed算法和自适应阈值函数对图像进行处理,对不同籽粒进行标记并运用卷积神经网络训练,选取VGG19训练模型对糙米分类,利用线性回归分析数据,实现对稻米等级的判定。本系统与按照GBT5495-2008要求对同一批稻米等级的判定结果相似度可达91.4%,采用本方法设计的系统在对稻米等级判定的过程中不仅对传统检测方式具有良好的替代性,还在检测速度上有了显著提升,从而提高了稻米分级判定的效率。