稻米是我国的主要粮食作物之一。过去,稻米品种鉴别一般采用人工方法,主要是抽样后通过目测手查法进行判定。人工方法的特点是主观性大,速度慢,准确性不高,导致稻米品种鉴别具有随机性,可信性不高,影响了人们对稻米的认知。因此,通过其他方式代替人工方法鉴别稻米品种就有了重要的意义。机器视觉(Machine vision)是指用计算机代替人的眼睛去“看”,并对图像进行采集和分析。过去,由于计算机成本过高,很难应用于农业领域,农业上依然遵循原始方法。现在,随着计算机性价比不断提高,计算机应用于农业领域也成为了可能,机器视觉也随之广泛用于农业领域代替人工方法。与人工方法主观性大、速度慢、准确性不高等特点正好相反,机器视觉检具有客观性强、速度快、准精度高等优点。利用机器视觉代替人工方法,是时代发展的必然趋势。本文旨在利用机器视觉对稻米品种进行鉴别。所做的工作如下:(1)根据地域分布采集具有代表性的稻米样品,人工筛选出整精米粒,利用机器视觉采集稻米图像。(2)对采集到的稻米图像进行预处理,例如边缘提取、滤波、分割、形态学处理等过程,并且通过对比寻找出最为合适的图像预处理算法。本文中,边缘提取主要针对两种不同性质的图像,Sobel算子用于灰度图像边缘提取,二值图像边缘提取采用形态学处理,图像滤波采用中值滤波算法,图像分割主要采用Otsu阈值分割算法。(3)通过MATLAB编程实现了检测稻米灰度平均值、长宽比、圆形度等特征参数的相关算法。其中长宽比提取中采用了minboundrect函数,并成功实现自动检测和报错机制。实验结果表明:算法合理,综合利用三个特征参数可以鉴别出稻米品种。(4)综合利用K-means聚类算法和BP神经网络算法进行稻米品种鉴别。经过机器测试以及人工测试,测试结果为:粳米、糯米品种识别正确率为100%,籼米品种识别率为76%。