本文基于光学显微镜观察技术,同时将计算机视觉技术与深度神经网络算法模型有效结合,建立了可对淀粉相变进程进行在线即时检测和精准分析的人工智能系统,实现了淀粉颗粒形貌的高效识别和统计分析,为淀粉相变进程中颗粒数目、溶胀度、糊化度等特征参数的有效关联及高效量化提供了技术支持及理论指导。主要研究结果如下:1.淀粉形态分析算法构建及应用:采用改进的Canny边缘检测算法、数学形态学处理及孔洞填充算法,分別对图片中淀粉颗粒边缘进行提取、优化、填充,并进行二值化转换（背景转化为像素值为0的黑色像素,颗粒为像素值为1的白色像素）,基于像素面积变化（等同于颗粒面积变化）,智能实现了颗粒溶胀程度的在线计量,相关算法对颗粒形态提取准确度可达95%以上,单张图像处理时长仅为4-10s。2.淀粉糊化数据集智能生成体系的构建:基于颗粒边缘、颜色、体积及偏光十字四维度形貌特征,针对糊化进程中的形态变化,首次建立了颗粒糊化四阶段评估标准;联用Crop算法、Resize算法、Flip算法,实现对颗粒形貌及背景特征进行自由变换（放缩、旋转及翻折）;基于评估标准、随机模拟算法,引入Shapes2coco算法,构建淀粉糊化数据集智能生成体系,为淀粉糊化智能检测系统的构建提供多样化数据支撑。3.淀粉糊化智能检测系统的构建及应用:基于Mask R-CNN,联用光学显微镜观察技术、数字图像采集装备,智能挖掘颗粒特征并原位预测生成掩膜（Mask）,根据其面积大小、位置、种类等参数的变化,实现淀粉颗粒形态及颗粒数目变化的实时跟踪及智能统计。基于该智能检测系统对马铃薯淀粉乳糊化进程进行研究,发现基于各阶段颗粒数量变化可分为三个阶段,第一阶段（40-60℃）,仅有少量的颗粒（<5%）开始溶胀;在60-70℃温度区间内,处于溶胀及不可逆膨胀阶段的颗粒数量稳定在总颗粒数的10-30%;第三阶段（70-74℃）,所有颗粒均逐渐解体,糊化完成;整个糊化进程的智能检测仅在3-5分钟内即可由检测系统完成,实现了高通量挖掘、量化及分析淀粉结构特征,为淀粉相变过程的深入研究提供了新的技术方法和智能量化评估手段。