随着人们生活水平的日益提高,大米品质的优劣在饮食生活中占据着重要的位置,因此对于大米品质的检测与判别更加重要。为了改善检测系统的效率以及提高判别的精确度,机器视觉技术被应用到大米产品的检测中。本文采用机器视觉技术实现大米外观品质的检测与判别,并对检测系统的硬件、软件及判别方法进行设计和研究。本文首先针对机器视觉技术基本原理以及大米品质相关参考文献进行研究,然后基于此开发了大米外观品质检测系统并对硬件和软件部分分别进行设计。在硬件设计中,为了得到高质量、受外界影响较少的图片,选择了合适的光源、背景板、图像传感器以及镜头器件等。在软件设计中,采用C++与OpenCV库相结合模式实现图像的采集、图像的预处理和图像的识别,然后采用PCA-BP神经网络模型实现了大米品质的判别。为了分割出每个米粒的图像,有效地提取出米粒的特征数据,需要对图像进行必要的预处理,包括图像增强、噪声处理、背景分割、垩白分割等,同时为了标记混合大米中的每个米粒。针对样品中可能出现米粒粘连的情况,还需要进行粘连米粒的有效分割。本文根据大米图像的特点,采用多种算法完成图像的预处理,并对不同的算法性能进行了分析,为后面的判别奠定良好基础。在完成图像预处理基础上,进行米粒特征数据的提取。针对大米的外观品质检测要求,提取了大米的形状、大小、颜色参数进行研究。为了减少数据复杂度,提高判别效率,建立了主成分分析法与BP算法相结合的判别模型。通过主成分分析进行了大米参数主成分提取,然后将变量作为BP神经网络的输入进行训练、固定网络参数,并对神经网络进行改进,最后将训练完成的神经网络用于大米品质判别。采用MATLAB软件对算法进行仿真,仿真结果表明,改进的PCA-BP判别算法在精确度和实时性方面有很大的提高,达到了研究目的。