大米的碎米率、垩白度、黄米率常常是影响大米质量的重要因素,同时也是反映稻米种植水平,稻米加工水平的重要指标。本文开发的大米质量检测系统可以有效地检测大米图片、视频中的碎米率、垩白度和黄米率。系统可以作为检测机构检测大米质量的检测仪器,也可以用于大米收购过程中的质量评定,同时该系统还可以应用于大米生产企业的实时质量监测。米粒质量的检测是建立在数字图像处理和模式识别相关理论基础上的。文中首先详细介绍了系统的实现结构框图,其次介绍了图像采集系统的说明和实现方法,然后介绍了大米图像预处理中各种算法,并对各种算法进行了讨论,得出最适合本系统的算法,最后具体介绍了检测碎米粒、垩白度和黄米粒的实现算法,并提出了自己新的算法。系统实现的算法主要包括图像预处理算法和图像检测算法。图像的预处理中首先将摄像头采集的RGB真彩色大米图像转换为灰度图像,然后讨论了中值滤波、高斯滤波、均值滤波、图像锐化、形态学操作对图像处理的影响,在分析比较后最终选择采用中值滤波加上拉普拉斯锐化的处理算法对图像进行预处理。在碎米粒检测中介绍了长宽比检测法、面积投影检测法和周长检测法,并提出了一种综合以上几种方法的新方法。同时介绍了在以上算法中用到的图像分割和区域标记的方法。垩白米的检测采用的基于灰度阈值的方法,文章给出了经过反复实验得出的垩白像素阈值。在黄米粒的检测中,我们讨论了各种颜色空间对黄米粒检测的可行性,同时选择了CMY空间和HSI空间进行黄米粒检测,得到了理想的结果。系统主要从三个方面来评定大米的质量：大米的碎米率、垩白度和黄米粒率。系统通过实验的方法,不断调整有关算法和参数数据,最终得到比较理想的效果,文中给出了系统检测的效果图。文章最后介绍了基于以上算法开发的软件界面及使用方法,并对米粒质量检测系统做出总结。