本文以大米加工过程中对在线检测的迫切需要为背景,着重解决大米检测系统的应用开发问题。系统综合运用图像实时采集技术、图像处理技术、颗粒特征提取以及特征测量技术,实现了加工过程中大米颗粒状态的实时监测,为控制系统提供决策依据、为大米颗粒分析提供实时和存盘数据,使大米加工、检验、分析、定性过程智能化,减轻了操作人员劳动强度,提高了设备使用效率和产品的生产、检测效率。本课题来源于国家863重大课题:稻米绿色供应链的稻米质量、安全快速检测方法研究,课题编号为:2008AA100801。本文首先论述了大米加工的国内外现状及存在的问题,通过对目前大米加工过程中的质量检测环节存在的不足进行研究分析,得出开发基于图像处理技术的大米质量在线检测系统这个重要结论。然后针对检测系统的开发需要,对相关的图像理论知识和技术原理进行了分析与探讨;提出了系统的硬件设计构想以及各器件的选择方案;并着重研究与开发图像处理算法并设计出整个系统软件处理部分的流程。图像处理部分是大米检测系统的关键,也是本论文研究的重点。这部分主要研究了两方面的内容,一是图像的去噪问题,对于普通噪声,本文在传统中值滤波的基础上提出了一种新型的改进算法,该算法的一个突出优点就是处理速度大大提高,满足了实时处理的要求。针对动态图像的运动模糊这种种特殊的噪声,论文通过对直接逆滤波、维纳滤波、约束最小二乘方这三种经典去模糊算法的优劣进行比较,最终采用维纳滤波复原作为本系统的图像恢复算法。二是图像的特征测量,论文提取了大米颗粒的三个特征:颗粒面积、颗粒周长、颗粒粒径,并开发出相应的测量算法,实验结果表明,这些算法能够比较准确的测量出大米颗粒的相关参数。