中国是世界上最大的稻米生产国和消费国,却无法跻身于稻米出口大国之列。其原因之一是我国稻米品质检测技术落后,无法保证出口稻米品质,使我国稻米出口缺乏国际竞争力。本文以稻米米粒为研究对象,针对目前稻米米粒加工、分选等过程中存在的实际问题,研究了基于机器视觉技术的稻米外观品质图像检测原理和方法,构建了稻米品质图像静、动态检测系统,给出了适合稻米在线品质评判的图像处理算法。实验分析了稻米内外品质的相关性,验证了外观品质分选对稻米食味品质的影响。根据稻米外观品质特征研究了稻米分选方法,为进一步开发稻米自动化分选系统奠定了基础。本文的主要内容和结论如下：1.对稻米内外品质相关性进行了初步实验研究,分别完成不同品种和同一品种稻米部分品质相关性实验分析。结果表明,江苏产粳稻其稻米食味品质与胶稠度、垩白度、直链淀粉含量和水分相关,稻米的蛋白质含量与稻米品种相关；单一品种稻米的胶稠度和蛋白质含量随米粒垩白的增多而降低,直链淀粉含量随米粒垩白的增多而升高。单一品种相关性实验测定及方差分析表明,单一品种稻米的外观品质中米粒整碎及垩白大小对直链淀粉含量和胶稠度这两种内在品质有显著影响。因此从分选角度看,剔除破碎米和垩白米能够改善稻米的食味品质。2.构建了稻米外观品质机器视觉检测系统。通过颜色校正和几何标定,系统较好实现了稻米多米粒彩色图像的静、动态获取。对稻米米粒外观图像特征进行描述,给出了完整米、垩白米、破碎、黄米和异型米的定义,按照米粒加工分选中常遇到的米样组合,拍摄了全部为完整米的米样图,全部为垩白米的米样图和各种米样混合在一起的混合米样图,以三种米样图为研究对象对多米粒彩色图像处理算法进行了研究。3.提出了一种基于改进最终测量精度法的彩色图像分割效果评判方法。求取米粒分割后去掉背景的边缘轮廓灰度图,以灰度图的灰度均值和方差作为分割评判准则,分别对三种彩色米样图像进行分割颜色通道和分割方法的选择。经实验验证,在I1颜色通道用最大类间方差法进行稻米多米粒图像分割可以取得较好效果。针对目前垩白米分割算法计算量大、自适应性不强等现状,研究了基于且比雪夫逼近的垩白米垩白区域分割算法,对三种米样图进行了垩白区域提取。结果显示,该算法耗时短、鲁棒性强,实现了不同米样图像的垩白区域自动、准确分割。对垩白米正反两面的垩白区域进行分割提取和面积计算,验证了单目视觉在垩白米检测应用中的可行性。4.提出了一种基于霍特林变换的稻米大小、形状特征提取算法。对目前常用的最小外接矩形法进行改进,通过对江苏产籼稻米粒粒型的测定,比较两种算法的准确度和实时性。结果表明,改进最小外接矩形法单粒计算耗时267ms,误差2.24%；基于霍特林变换法单粒计算耗时31ms,误差1.65%。霍特林变换用于稻米大小、形状特征提取实时性好,准确度高。5.选取江苏产的5种粳稻：武香粳14号、淮稻5号、徐稻3号、宁粳1号和徐稻4号,每个品种稻米选择完整米、垩白米、破碎米和异型米各150粒,黄米在5个品种中共选150粒,共计3750粒,拍摄250张静态图像。根据本文图像处理算法提取稻米米粒的9个大小特征参数、10个形状特征参数和31个颜色特征参数,建立了稻米的图像特征数据库。6.研究了基于多结构神经网络的稻米外观品质评判方法。分别对大小形状特征和颜色特征进行主成分分析,根据结果选取面积、粒型、垩白大小和H值作为网络输入的特征参数,经调试,构建了网络结构为5×(4-4-5-1)的多结构神经网络分类器,并与相同网络复杂度的多层BP神经网络进行分类效果比较。结果显示,多结构神经网络分类器对完整米、垩白米、破碎米、黄米和异型米的识别准确率分别为98.3%,92.4%,97.5%,96%,93%,其平均准确率比多层BP神经网络分类器提高6.4个百分点,并且网络训练耗时短。7.分别拍摄0.08m/s、0.12m/s、0.16m/s和0.2m/s四种传送带运行速度下米粒视频图像,研究了基于改进背景差法的运动稻米图像检测方法,完成了对米粒视频图像的背景自动提取、米粒分割、米粒跟踪和特征提取。将不同速度下提取的稻米大小形状特征与静态特征相比较,根据动态偏差和相对误差选取0.12m/s为本文视频图像采集速度。根据提取的特征进行多结构神经网络评判,对完整米、垩白米、破碎米、黄米和异型米的识别准确率分别为95.2%,89.6%,97.3%,90.5%,82.3%。利用Matlab中的Simulink平台对运动稻米图像检测算法进行仿真实现,并给出了算法优化加速的方法。