论文部分内容阅读
为了研究糙米品质及其检测方法,以粳型糙米(辽星)为材料,主要研究糙米不完善粒对其品质的影响,利用基于数字图像技术就糙米不完善粒特征提取、识别、糙出白率、碾白率和碎米含量检测技术及其方法的建立。(1)随着不完善粒含量的增加,容重减小;糙出白率和碾白率升高,糙米整精米率降低、碎米率升高;大米吸水率和膨胀体积逐渐减小,米汤干物质逐渐升高,米汤pH和碘蓝值无明显变化趋势。完善粒、垩白粒、未熟粒、死米三点抗弯曲破碎能力依次减弱,粳糙米和籼糙米白未熟粒、青未熟粒的三点抗弯曲破碎力是完善粒1/2左右,这是造成整精米率降低、碎米率升高的主要原因;粳糙米三点抗弯曲试验所得结果高于籼糙米的,籼糙米碾白后更容易产生碎米。(2)对糙米籽粒进行分类如下:完善粒、垩白粒、未熟粒、死米、被害粒、碎米、黄粒米;采集图片经过灰度转换、二值化处理、中值滤波、图像分割、形态学操作后能够较好去除噪声和异常值,图像边缘平滑,利于特征提取;对完善粒、青完善粒、垩白粒、青垩白粒、白未熟粒、青未熟粒、白死米、青死米、生芽粒、虫蚀粒、异色粒图像参数进行提取、描述和分析,完善粒与其他籽粒之间存在均存在差异,部分差异明显。(3)通过对糙米完善粒、完善粒、垩白粒、青垩白粒、白未熟粒、青未熟粒、白死米、青死米、虫蚀粒、生芽粒、异色粒图片进行图像预处理、特征提取,得到各种不完善粒图片信息。利用主成分分析法对图像特征进行降维处理,得到7个主成分,其方差累积贡献率达到89.765%,保留有效信息。利用7个主成分建立神经网络,对神经网络进行训练,并进行不完善粒识别,完善粒、青完善粒、垩白粒、青垩白粒、白未熟粒、青未熟粒、白死米、青死米、生芽粒、虫蚀粒、异色粒识别正确率分别为:100%、96%、84%,88%、80%、84%、100%、90%、100%、86%、100%。(4)通过分析图像参数与碾白率和糙出白率的相关系数,得出H平均值与碾白率、B平均值与糙出白率的相关关系,建立B平均值与糙出白率、H平均值与碾白率间的回归方程。F检验和t检验表明,检测的糙出白率和碾白率同实测值无显著性差异。以图像面积为整精米、大碎米、小碎米的识别指标,获得最佳识别阈值。建立整精米、大碎米、小碎米图像长轴和、短轴和、周长和、面积和与其重量间回归方程,F检验和t检验表明,与常规方法的测定结果无显著性差异。