萬(wàn)鵬,龍長(zhǎng)江,任奕林

摘要：綜述了應(yīng)用機(jī)器視覺(jué)技術(shù)在大米粒形、加工精度、堊白、整精米率等方面進(jìn)行檢測(cè)的研究動(dòng)態(tài)，并指出了機(jī)器視覺(jué)技術(shù)在大米品質(zhì)檢測(cè)中的不足，為進(jìn)一步應(yīng)用機(jī)器視覺(jué)技術(shù)提供參考。

關(guān)鍵詞：機(jī)器視覺(jué)技術(shù)；大米；品質(zhì)檢測(cè)

中圖分類號(hào)：ＴＰ３９１．４文獻(xiàn)標(biāo)識(shí)碼：Ａ文章編號(hào)：0439－８114（２０12）05－0873-04

Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒｅｓｓ ｏｆ Ｍａｃｈｉｎｅ Ｖｉｓｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ ｔｈｅ Ｑｕａｌｉｔｙ Ｉｎｓｐｅｃｔｉｏｎ ｏｆ Ｒｉｃｅ

ＷＡＮ Ｐｅｎｇ，ＬＯＮＧ Ｃｈａｎｇ－ｊｉａｎｇ，ＲＥＮ Ｙｉ－ｌｉｎ

（Ｃｏｌｌｅｇｅ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｈｕａｚｈｏｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｗｕｈａｎ ４３００７０， Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｔｈｅ ｒｅｓｅａｒｃｈ dynamic ｏｆ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ was reviewed from the aspects ｏｆ ｒｉｃｅ ｖａｒｉｅｔｉｅｓ， ｇｅｒｍ， ｃｒａｃｋ， ｙｅｌｌｏｗ ｇｒａｉｎ ｒｉｃｅ， ａｎｄ ｓｏ ｏｎ； ａｎｄ ｔｈｅ ｓｈｏｒｔｃｏｍｉｎｇｓ ｏｆ ｔｈｅ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｉｎ ｒｉｃｅ ｑｕａｌｉｔｙ ｉｎｓｐｅｃｔｉｏｎ were proposed for its ｆｕｒｔｈｅｒ ａｐｐｌｉｃａｔｉｏｎ．

Ｋｅｙ ｗｏｒｄｓ： ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ； ｒｉｃｅ； ｑｕａｌｉｔｙ ｉｎｓｐｅｃｔｉｏｎ

我國(guó)是世界上最大的稻米生產(chǎn)國(guó)，稻米年產(chǎn)量常年保持在１．８億ｔ左右，占世界稻米總產(chǎn)量的１／３，居世界第一位［１］。我國(guó)也是大米消費(fèi)大國(guó)，有近２／３的人口以大米為主食，全國(guó)大米年消費(fèi)總量保持在１．３５億ｔ左右［２］。我國(guó)的水稻研究在世界上處于領(lǐng)先地位，但是在國(guó)內(nèi)外貿(mào)易、加工和消費(fèi)等領(lǐng)域中仍然存在諸多問(wèn)題［３，４］。

我國(guó)曾經(jīng)是世界三大稻米輸出國(guó)之一，但是由于我國(guó)大米的品質(zhì)不高，再加上大米的生產(chǎn)標(biāo)準(zhǔn)、質(zhì)量技術(shù)標(biāo)準(zhǔn)、檢驗(yàn)檢疫技術(shù)等與發(fā)達(dá)國(guó)家存在較大差距，在相當(dāng)程度上影響了我國(guó)大米在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)優(yōu)勢(shì)，大米的年出口量已退居六七位。２００８年以來(lái)，隨著世界稻米產(chǎn)量的下降，各國(guó)對(duì)大米出口配額進(jìn)行調(diào)整，導(dǎo)致國(guó)際大米的價(jià)格出現(xiàn)了瘋漲，而我國(guó)出口的大米因品種不穩(wěn)定、品質(zhì)較差，在國(guó)際市場(chǎng)上競(jìng)爭(zhēng)力較低，市場(chǎng)份額逐漸減小。

為了提高大米的品質(zhì)，不但需要選育優(yōu)質(zhì)的稻米品種，還需要加強(qiáng)大米品質(zhì)的檢測(cè)。但是，由于我國(guó)對(duì)大米品質(zhì)的檢測(cè)研究起步較晚，同時(shí)也缺乏方便簡(jiǎn)單的檢測(cè)方法和快捷準(zhǔn)確的檢測(cè)儀器，在對(duì)大米品質(zhì)進(jìn)行檢測(cè)的過(guò)程中，主要依靠人工識(shí)別、感官評(píng)定等方法進(jìn)行檢測(cè)，這些方法主觀性較強(qiáng)，準(zhǔn)確度較低，可重復(fù)性較差，工作效率也較低，因此在實(shí)施過(guò)程中的有效性受到了質(zhì)疑［５］。

機(jī)器視覺(jué)（Ｍａｃｈｉｎｅ ｖｉｓｉｏｎ）又稱計(jì)算機(jī)視覺(jué)，是指利用計(jì)算機(jī)實(shí)現(xiàn)人的視覺(jué)功能，是研究采用計(jì)算機(jī)模擬生物外顯或宏觀視覺(jué)功能的科學(xué)和技術(shù)，是一門涉及數(shù)學(xué)、光學(xué)、人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計(jì)算機(jī)科學(xué)、圖像處理、圖像理解、模式識(shí)別等多個(gè)領(lǐng)域的交叉學(xué)科［６］。機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)上的應(yīng)用研究始于２０世紀(jì)７０年代末期，主要進(jìn)行的是植物種類的鑒別、農(nóng)產(chǎn)品品質(zhì)檢測(cè)和分級(jí)等。隨著計(jì)算機(jī)軟硬件技術(shù)、圖像處理技術(shù)的迅速發(fā)展，它在農(nóng)業(yè)上的應(yīng)用研究有了較大的進(jìn)展［７，８］。

目前，大部分的大米品質(zhì)檢測(cè)指標(biāo)根據(jù)國(guó)家標(biāo)準(zhǔn)采用人工進(jìn)行檢測(cè)，容易產(chǎn)生許多問(wèn)題。隨著機(jī)器視覺(jué)技術(shù)的發(fā)展和在農(nóng)產(chǎn)品無(wú)損檢測(cè)領(lǐng)域的廣泛應(yīng)用，采用機(jī)器視覺(jué)技術(shù)對(duì)大米的品質(zhì)進(jìn)行檢測(cè)，不僅能夠提高大米品質(zhì)的檢測(cè)效率，而且能夠克服主觀因素的影響，降低檢測(cè)誤差，使得大米品質(zhì)的檢測(cè)變得更加快速和準(zhǔn)確［９］。

１基于機(jī)器視覺(jué)技術(shù)的大米品質(zhì)檢測(cè)裝置

基于機(jī)器視覺(jué)技術(shù)的大米品質(zhì)檢測(cè)系統(tǒng)由檢測(cè)箱、檢測(cè)臺(tái)、光源、ＣＣＤ圖像傳感器、鏡頭、圖像采集卡和計(jì)算機(jī)系統(tǒng)等幾個(gè)部分組成［１０，１１］（圖１）。

大米品質(zhì)檢測(cè)系統(tǒng)是一個(gè)內(nèi)空的箱體，箱子的底部是檢測(cè)臺(tái)，頂部為光源和攝像頭；檢測(cè)箱內(nèi)表面粘貼有背景紙，使光在箱體內(nèi)形成均勻的漫反射，避免樣品在檢測(cè)時(shí)形成鏡面反射。光源提供樣品檢測(cè)照相時(shí)所需的亮度，為了提供充足的光線，同時(shí)盡量消除光源照射樣品時(shí)在背景上產(chǎn)生的陰影，通常選用環(huán)形熒光燈管作為光源［１２］。ＣＣＤ圖像傳感器是獲取數(shù)字米粒樣品圖像的關(guān)鍵部件之一，它將大米圖像由光信號(hào)轉(zhuǎn)換為表示Ｒ、Ｇ、Ｂ顏色值的模擬電信號(hào)，并輸入圖像處理設(shè)備進(jìn)行后續(xù)處理［１３］。計(jì)算機(jī)軟件系統(tǒng)用于對(duì)采集到的數(shù)字圖像進(jìn)行分析、處理和識(shí)別，實(shí)現(xiàn)對(duì)特定目標(biāo)的檢測(cè)、評(píng)價(jià)等［１４］。

２基于機(jī)器視覺(jué)技術(shù)的大米粒形檢測(cè)

大米的粒形是實(shí)現(xiàn)大米分級(jí)和質(zhì)量檢測(cè)的最基本參數(shù)。根據(jù)《ＧＢ１３４５－１９８６大米》中的規(guī)定，評(píng)價(jià)大米質(zhì)量的檢測(cè)指標(biāo)主要有加工精度、不完善粒、雜質(zhì)、碎米等，這些檢測(cè)指標(biāo)與大米的粒形直接或間接相關(guān)。由于人工評(píng)價(jià)是通過(guò)肉眼觀察對(duì)大米粒形進(jìn)行評(píng)價(jià)，因此受檢測(cè)環(huán)境、視覺(jué)生理、視覺(jué)心理等諸多因素以及評(píng)價(jià)人員對(duì)大米標(biāo)準(zhǔn)理解程度不同的影響，即便是同一份大米樣品，很難保證大米粒形檢測(cè)結(jié)果的穩(wěn)定，而采用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行檢測(cè)則可以有效避免主觀因素的影響，保證大米粒形檢測(cè)結(jié)果的準(zhǔn)確性［９，１５］。

中國(guó)農(nóng)業(yè)大學(xué)孫明等［１６］借助于ＭＡＴＬＡＢ圖像處理工具箱對(duì)大米粒形進(jìn)行測(cè)定。首先定義單粒大米子粒的粒長(zhǎng)（Ａ）與粒寬（Ｂ）的比值為粒形，檢測(cè)時(shí)先求出大米粒的橢圓離心率Ｒ，通過(guò)公式：

■＝ｓｑｒｔ■

將大米子粒的橢圓離心率轉(zhuǎn)變?yōu)殚L(zhǎng)寬比Ａ／Ｂ，即求出大米子粒的粒形。試驗(yàn)結(jié)果表明，該方法具有操作簡(jiǎn)單、檢測(cè)速度快、重復(fù)性好的優(yōu)點(diǎn)。

武漢工業(yè)學(xué)院張聰?shù)龋郏保罚萏岢隽艘环N基于計(jì)算機(jī)圖像分析識(shí)別大米破碎粒的方法，即先采用數(shù)碼相機(jī)獲取大米圖片，再對(duì)大米圖片進(jìn)行分析處理。識(shí)別時(shí)先將大米圖像的邊緣曲線變換為極坐標(biāo)形式，再結(jié)合大米粒形的一般形狀，用橢圓模板定位米粒，獲得一組與米粒平移、旋轉(zhuǎn)和尺度無(wú)關(guān)的形狀描述數(shù)據(jù)，再運(yùn)用小波變換提取奇異點(diǎn)及特征參數(shù)。試驗(yàn)結(jié)果表明，該方法簡(jiǎn)單有效，用于米粒定位與識(shí)別時(shí)的可信度高。同時(shí)，劉光蓉等［１８］也研究了通過(guò)掃描儀獲取大米的圖像，再采用計(jì)算機(jī)圖像處理技術(shù)將彩色圖像轉(zhuǎn)化成灰度圖像并進(jìn)行進(jìn)一步的處理，最后獲得大米子粒的二值圖像，然后利用八鄰域分析法提取大米圖像的輪廓。試驗(yàn)結(jié)果表明，這種方法的檢測(cè)效果良好。

此外，袁佐云等［１９］還提出了采用最小外接矩形計(jì)算大米粒形的方法。包曉敏等［２０］分析了采用Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子、模板匹配法和快速模糊邊緣檢測(cè)法對(duì)大米粒形進(jìn)行邊緣檢測(cè)，并通過(guò)對(duì)大米圖像的分割試驗(yàn)驗(yàn)證了快速模糊邊緣檢測(cè)法最為有效。

３基于機(jī)器視覺(jué)技術(shù)的大米加工精度檢測(cè)

大米加工精度是指大米背溝和粒面留皮程度，即糙米皮層被碾去的程度。大米的加工精度是決定大米外觀質(zhì)量的主要因素，加工精度越高，米粒表面殘留糠皮量就越少，胚乳表面光潔度、口感、外觀品質(zhì)也就越好。我國(guó)國(guó)家標(biāo)準(zhǔn)規(guī)定各類大米按加工精度分等級(jí)［９］。因此，大米加工精度的檢測(cè)具有十分重要的意義。傳統(tǒng)大米加工精度的測(cè)定有多種方法，國(guó)標(biāo)中規(guī)定大米加工精度的判定采用試劑染色法［２１］，通過(guò)染色劑使米粒胚乳和胚乳表面殘留糠皮呈現(xiàn)不同的顏色差異便于肉眼觀測(cè)，該方法受到光照條件、視力、情緒等諸多因素以及各種染色參數(shù)的影響，操作繁瑣、效率低、誤差大，不能滿足快速、客觀檢測(cè)的需要。

河南工業(yè)大學(xué)張浩等［２２］研究了機(jī)器視覺(jué)技術(shù)結(jié)合數(shù)字圖像處理技術(shù)檢測(cè)大米加工精度的方法，首先獲取大米的圖像，利用米粒區(qū)域和背景區(qū)域的亮度差異將大米圖像轉(zhuǎn)化為灰度圖像，再利用邊緣檢測(cè)函數(shù)求出分割閾值，將米粒從背景中分割出來(lái)，并計(jì)算米粒區(qū)域的面積；然后利用米粒區(qū)域中糠皮部分和胚乳部分Ｒ－Ｂ特征值差異，將大米圖像分解為Ｒ、Ｇ、Ｂ分量圖，以Ｒ－Ｂ矩陣代替大米圖像，再將Ｒ－Ｂ矩陣轉(zhuǎn)化為灰度圖，用邊緣檢測(cè)函數(shù)求出分割閾值把糠皮部分分割出來(lái)，計(jì)算糠皮部分面積。最后測(cè)得大米留皮率為米?？菲げ糠置娣e與米粒區(qū)域面積之比。

江蘇理工大學(xué)許俐等［２３］將計(jì)算機(jī)圖像處理技術(shù)與色度學(xué)理論相結(jié)合研究了大米加工精度的自動(dòng)檢測(cè)方法。檢測(cè)時(shí)先將大米染色，然后采用機(jī)器視覺(jué)系統(tǒng)獲取大米圖像，再根據(jù)染色后大米的胚乳、皮層以及胚芽所呈現(xiàn)的不同顏色特征，采用不同的區(qū)分方法獲取米粒不同部位的面積即像素的個(gè)數(shù)，然后根據(jù)胚乳面積與大米圖像總面積的百分比計(jì)算大米的加工精度。

此外，無(wú)錫輕工大學(xué)田慶國(guó)［２４］根據(jù)色度學(xué)原理，采用圖像處理技術(shù)對(duì)染色后的大米進(jìn)行檢測(cè)，識(shí)別大米的加工精度，并建立了大米染色后的顏色值與加工精度之間的數(shù)據(jù)庫(kù)。西華大學(xué)的劉建偉與日本岐阜大學(xué)的三輪精博［２５］合作研究大米加工精度與碾白程度之間的關(guān)系時(shí)，采用改良后的大米精度鑒定ＮＭＧ溶液，按照品紅石碳酸溶液染色法（ＧＢ ５５０２－８５）對(duì)大米進(jìn)行染色獲得米粒表皮呈綠色、糊粉層呈藍(lán)色、胚乳呈藍(lán)紅色的大米樣品，米粒干燥后采用測(cè)色色差計(jì)檢測(cè)樣品的顏色計(jì)算大米的加工精度。

４基于機(jī)器視覺(jué)技術(shù)的大米堊白檢測(cè)

堊白是指稻米粒胚乳中不透明的部分。堊白之所以不透明是因?yàn)榈久鬃恿Ｖ械矸哿Ｅ帕惺杷桑w粒間充氣引起光線折射所致。按其發(fā)生部位可將堊白區(qū)分為腹白、心白和背白等類型。通常用堊白粒率、堊白大小和堊白度等概念描述稻米的堊白狀況。堊白是衡量稻米品質(zhì)的重要性狀之一，不僅直接影響稻米的外觀品質(zhì)和商品品質(zhì)，而且還影響稻米的加工品質(zhì)和蒸煮食味品質(zhì)［９，２６］。

黑龍江農(nóng)業(yè)工程職業(yè)學(xué)院于潤(rùn)偉等［２７］研究了采用機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)檢測(cè)稻米堊白的方法。先用機(jī)器視覺(jué)裝置獲取大米的原始圖像，再采用圖像處理方法對(duì)大米圖像進(jìn)行預(yù)處理，然后應(yīng)用大津算法自動(dòng)選取分割閾值對(duì)稻米圖像進(jìn)行兩次分割，分別得到大米子粒的二值圖像和堊白區(qū)域的二值圖像，再根據(jù)區(qū)域內(nèi)部像素點(diǎn)的聯(lián)通性，將不同區(qū)域分別進(jìn)行標(biāo)記，計(jì)算出子粒數(shù)和堊白粒數(shù)，同時(shí)計(jì)算出二者對(duì)應(yīng)的面積（像素點(diǎn)個(gè)數(shù)）。研究結(jié)果表明，該算法的自動(dòng)檢測(cè)結(jié)果與人工檢測(cè)相關(guān)性大于９０％。

中國(guó)農(nóng)業(yè)大學(xué)侯彩云、日本東京大學(xué)Ｓｅｉｉｃｈｉ等［２８］采用微切片三維圖像處理系統(tǒng)對(duì)大米的品質(zhì)特性進(jìn)行探索性研究，結(jié)果表明借助于三維可視化技術(shù)分析大米的微切片，不僅可以觀察大米堊白部分內(nèi)部的組織結(jié)構(gòu)以及在蒸煮過(guò)程中的變化，還可以利用灰度直方圖定量計(jì)算出堊白米粒中各部分堊白的面積和體積。同時(shí)，侯彩云等［２９］還利用自行研制開發(fā)的機(jī)器視覺(jué)圖像處理系統(tǒng)對(duì)大米的堊白度及堊白粒率進(jìn)行檢測(cè)，試驗(yàn)結(jié)果表明所研制的裝置具有客觀、準(zhǔn)確、快速和重現(xiàn)性好等特點(diǎn)，在大米的快速分等定級(jí)中具有良好的應(yīng)用前景。

江蘇大學(xué)黃星奕等［３０］研究了采用遺傳神經(jīng)網(wǎng)絡(luò)計(jì)算大米堊白度的方法。先采用機(jī)器視覺(jué)系統(tǒng)提取堊白米的圖片，然后采用數(shù)字圖像處理技術(shù)提取米粒的堊白區(qū)域與胚乳非堊白區(qū)域的交界區(qū)域內(nèi)的像素，再采用遺傳算法建立一個(gè)人工神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)對(duì)這部分交界區(qū)域內(nèi)的像素進(jìn)行識(shí)別。試驗(yàn)結(jié)果表明，采用機(jī)器視覺(jué)系統(tǒng)的檢測(cè)結(jié)果與人工檢測(cè)結(jié)果的誤差小于０．０５。

此外，凌云等［３１］提出了一種基于分形維數(shù)的堊白米檢測(cè)算法。孫明等［３２］采用了ＭＡＴＬＡＢ軟件開發(fā)平臺(tái)構(gòu)造了基于計(jì)算機(jī)視覺(jué)的大米堊白檢測(cè)算法，完成了對(duì)大米堊白參數(shù)、堊白度以及堊白粒率的測(cè)定。吳建國(guó)等［３３］從實(shí)際應(yīng)用出發(fā)，采用計(jì)算機(jī)和掃描儀結(jié)合開發(fā)了機(jī)器視覺(jué)系統(tǒng)的堊白測(cè)定軟件。而曾大力等［３４］利用視頻顯微鏡對(duì)大米粒進(jìn)行掃描，結(jié)合計(jì)算機(jī)圖形分析，直接計(jì)算大米的堊白大小和透明度，初步探討了視頻顯微掃描技術(shù)在大米堊白分析中的應(yīng)用。湖南農(nóng)業(yè)大學(xué)蕭浪濤等［３５］開發(fā)了基于微軟Ｗｉｎｄｏｗｓ ９８平臺(tái)的大米堊白度測(cè)定軟件Ｃｈａｌｋｉｎｅｓｓ １．０，該軟件與計(jì)算機(jī)和圖像掃描儀相結(jié)合能夠組成一套高效的大米堊白度測(cè)定系統(tǒng)。

５基于機(jī)器視覺(jué)技術(shù)的整精米率檢測(cè)

整精米是指糙米碾磨成國(guó)家標(biāo)準(zhǔn)一級(jí)大米時(shí)米粒產(chǎn)生破碎，其中的完整米粒以及長(zhǎng)度達(dá)到完整精米粒平均長(zhǎng)度４／５以上（含４／５）的米粒。整精米率是指整精米占凈稻谷試樣質(zhì)量的百分率，它是稻米加工品質(zhì)優(yōu)劣的指標(biāo)，是稻米貿(mào)易中商家最關(guān)注的內(nèi)容，與碾米廠的經(jīng)濟(jì)效益密切相關(guān)。正確識(shí)別整精米是檢測(cè)整精米率的關(guān)鍵。目前整精米率主要采用人工方法進(jìn)行檢測(cè)，該方法難以滿足對(duì)稻米品質(zhì)快速、準(zhǔn)確的檢測(cè)要求［９，３６］。

中國(guó)農(nóng)業(yè)大學(xué)尚艷芬等［３７］開發(fā)了一套基于機(jī)器視覺(jué)技術(shù)的整精米檢測(cè)系統(tǒng)用于識(shí)別整精米和碎米。該方法通過(guò)提取并分析稻米的粒長(zhǎng)、粒形等特征參數(shù)，提出了同一品種并在同一生長(zhǎng)條件下生長(zhǎng)的大米粒形具有相似性的前提假設(shè)，據(jù)此求得標(biāo)準(zhǔn)米，再通過(guò)偏差計(jì)算、粒長(zhǎng)、粒形分析等對(duì)整精米和碎米進(jìn)行識(shí)別。采用該方法開發(fā)的整精米識(shí)別系統(tǒng)對(duì)整精米和碎米識(shí)別的準(zhǔn)確率與人工檢測(cè)結(jié)果的相關(guān)系數(shù)可到達(dá)０．９９。

于潤(rùn)偉等［３８］首先通過(guò)圖像識(shí)別系統(tǒng)采集大米的原始圖像，再采取動(dòng)態(tài)閾值分割等圖像處理方法把米粒圖像變成二值圖像，然后根據(jù)區(qū)域內(nèi)部像素的連通性計(jì)算出單個(gè)米粒的像素個(gè)數(shù)；再根據(jù)先期計(jì)算的整精米長(zhǎng)度／面積比換算出米粒長(zhǎng)度，最后根據(jù)米粒長(zhǎng)度判斷整精米和碎米。研究結(jié)果表明，該算法的自動(dòng)檢測(cè)與人工檢測(cè)的相關(guān)性大于９９％，可用于整精米的自動(dòng)檢測(cè)。

６問(wèn)題和展望

機(jī)器視覺(jué)技術(shù)在農(nóng)產(chǎn)品的品質(zhì)檢測(cè)方面具有廣泛的應(yīng)用，國(guó)內(nèi)外的學(xué)者在此領(lǐng)域進(jìn)行過(guò)廣泛研究。但機(jī)器視覺(jué)技術(shù)在大米品質(zhì)檢測(cè)領(lǐng)域的應(yīng)用尚處于起步階段，仍有許多等待解決的技術(shù)問(wèn)題，需要進(jìn)一步深入研究。

１）目前的大米品質(zhì)檢測(cè)裝置多為靜態(tài)檢測(cè)裝置，即將大米放于檢測(cè)箱中通過(guò)機(jī)器視覺(jué)系統(tǒng)獲取圖片或通過(guò)掃描儀獲取圖片，大米相對(duì)于攝像頭靜止不動(dòng)；獲取圖像之后再采用計(jì)算機(jī)軟件系統(tǒng)對(duì)圖像進(jìn)行分析處理。這種檢測(cè)方法效率低下，因此，動(dòng)態(tài)地獲取大米圖像并進(jìn)行分析檢測(cè)是下一個(gè)要解決的難題。

２）采用機(jī)器視覺(jué)系統(tǒng)檢測(cè)大米品質(zhì)時(shí)，多采用的是串行化算法，即先獲取大米圖像，然后采用某種算法對(duì)大米圖像進(jìn)行處理，再檢測(cè)大米的某項(xiàng)品質(zhì)指標(biāo)；之后再采用某種算法對(duì)大米圖像處理大米的另一項(xiàng)品質(zhì)指標(biāo)，這種檢測(cè)方法在處理群體米粒圖像時(shí)極大地影響了檢測(cè)速度，因此開發(fā)并行處理算法對(duì)大米圖像進(jìn)行分析檢測(cè)可以有效提高機(jī)器視覺(jué)系統(tǒng)的工作效率。

３）目前對(duì)大米品質(zhì)指標(biāo)進(jìn)行檢測(cè)分析時(shí)缺少統(tǒng)一的檢測(cè)裝置，有的研究者采用ＣＣＤ攝像頭獲取大米的圖像進(jìn)行分析檢測(cè)，而有的研究者采用掃描儀獲取圖像進(jìn)行分析檢測(cè)，檢測(cè)裝置不同、檢測(cè)條件不一致難以達(dá)到相同的檢測(cè)結(jié)果，因此有必要研制具有實(shí)用價(jià)值的大米品質(zhì)檢測(cè)裝置，使基于機(jī)器視覺(jué)技術(shù)的大米品質(zhì)檢測(cè)能夠具有統(tǒng)一的標(biāo)準(zhǔn)。

總之，伴隨著計(jì)算機(jī)科學(xué)技術(shù)的迅速發(fā)展，機(jī)器視覺(jué)技術(shù)在大米品質(zhì)檢測(cè)中的應(yīng)用將越來(lái)越廣泛。

參考文獻(xiàn)：

［１］ 龐乾林．稻米知識(shí)縱覽［Ｊ］．中國(guó)稻米，２００４（３）：４４－４７．

［２］ 劉月好．陳米產(chǎn)生的原因與處理方法［Ｊ］．糧食加工，２００４（１）：３０－３１．

［３］ 莊麗娟，刁慕容．中國(guó)谷物外貿(mào)格局與發(fā)展趨向分析［Ｊ］．中國(guó)農(nóng)墾經(jīng)濟(jì)，２００４（８）：２５－２６．

［４］ 山世英，彭玉珊．我國(guó)農(nóng)產(chǎn)品出口遭遇技術(shù)性貿(mào)易壁壘的原因及對(duì)策［Ｊ］．山東農(nóng)業(yè)大學(xué)學(xué)報(bào)，２００４，６（２）：４１－４３．

［５］ 李里特．糧油產(chǎn)品規(guī)格化、標(biāo)準(zhǔn)化是農(nóng)業(yè)現(xiàn)代化的迫切任務(wù)［Ｊ］．中國(guó)糧油學(xué)報(bào)，２００１，１６（５）：１－５．

［６］ 劉傳才．圖像處理與計(jì)算機(jī)視覺(jué)［Ｍ］．廈門：廈門大學(xué)出版社，２００２．

［７］ 趙曉霞．計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)中的應(yīng)用［Ｊ］．科技情報(bào)開發(fā)與經(jīng)濟(jì)，２００４，１４（４）：１２４－１２６．

［８］ 熊利榮，陳 紅，丁幼春．機(jī)器視覺(jué)技術(shù)在農(nóng)產(chǎn)品破損檢測(cè)上的應(yīng)用［Ｊ］．農(nóng)機(jī)化研究，２００５（５）：２０４－２０５．

［９］ 李天真，周柏清．基于計(jì)算機(jī)視覺(jué)技術(shù)的稻米檢測(cè)研究［Ｊ］．糧食與食品工業(yè)，２００５，１２（４）：５０－５３，５５．

［１０］ 凌云，王一鳴，孫明，等．基于機(jī)器視覺(jué)的大米外觀品質(zhì)檢測(cè)裝置［Ｊ］．農(nóng)業(yè)機(jī)械學(xué)報(bào)，２００５，３６（９）：８９－９２．

［１１］ 張巧杰，王一鳴，凌云，等．稻谷品質(zhì)檢測(cè)技術(shù)與裝置研制［Ｊ］．現(xiàn)代科學(xué)儀器，２００６（１）：１２８－１３０．

［１２］ 趙志強(qiáng)，熊元姣．計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的設(shè)計(jì)方案［Ｊ］．工業(yè)控制計(jì)算機(jī)，２００５，１８（１０）：１－２．

［１３］ 唐向陽(yáng)，張勇，李江有，等．機(jī)器視覺(jué)關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望［Ｊ］．昆明理工大學(xué)學(xué)報(bào)（理工版），２００４，２９（２）：３６－３９．

［１４］ 張紀(jì)明．基于ＰＣ的機(jī)器視覺(jué)系統(tǒng)研究［Ｊ］．可編程控制器與工廠自動(dòng)化，２００６（１１）：１０７－１１０．

［１５］ 任憲忠，馬小愚．農(nóng)產(chǎn)品粒形識(shí)別研究進(jìn)展及其在工程中應(yīng)用現(xiàn)狀［Ｊ］．農(nóng)業(yè)工程學(xué)報(bào)，２００４，２０（３）：２７６－２８０．

［１６］ 孫明，石慶蘭，孫紅，等．基于計(jì)算機(jī)視覺(jué)的大米外觀品質(zhì)檢測(cè)［Ｊ］．沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，２００５，３６（６）：６５９－６６２．

［１７］ 張聰，管庶安．基于圖像分析的大米形狀識(shí)別［Ｊ］．糧食與飼料工業(yè)，２００６（６）：５－７．

［１８］ 劉光蓉，周紅，管庶安．基于圖像處理技術(shù)的大米輪廓檢測(cè)［Ｊ］．糧食與飼料工業(yè)，２００４（６）：１４－１５．

［１９］ 袁佐云，牛興和，劉傳云．基于最小外接矩形的稻米粒型檢測(cè)方法［Ｊ］．糧食與飼料工業(yè)，２００６（９）：７－８．

［２０］ 包曉敏，汪亞明，黃振堃．計(jì)算機(jī)視覺(jué)技術(shù)在大米輪廓檢測(cè)上的應(yīng)用［Ｊ］．浙江工程學(xué)院學(xué)報(bào)，２００３，２０（２）：１０４－１０７．

［２１］ 呂季璋，陳效貴，范慕蕙，等．ＧＢ／Ｔ １８１０５－２０００米類加工精度異色相差分染色檢驗(yàn)法［Ｓ］．北京：國(guó)家質(zhì)量技術(shù)監(jiān)督局，２０００．

［２２］ 張浩，孟永成，周展明，等．基于圖像處理技術(shù)大米加工精度的檢測(cè)研究［Ｊ］．中國(guó)糧油學(xué)報(bào)，２００６，２１（４）：１３５－１３７．

［２３］ 許俐，錢敏娟，方如明，等．大米加工精度的圖象識(shí)別方法［Ｊ］．農(nóng)業(yè)工程學(xué)報(bào)，１９９６，１２（３）：１７２－１７５．

［２４］ 田慶國(guó)．圖像處理技術(shù)在大米碾白精度測(cè)定中的應(yīng)用［Ｊ］．糧食與飼料工業(yè)，１９９７（１０）：１０－１１．

［２５］ 劉建偉，徐潤(rùn)琪，三輪精博，等．大米加工精度與碾白程度檢測(cè)的研究［Ｊ］．中國(guó)糧油學(xué)報(bào)，２００４，１９（３）：５－８，６１．

［２６］ 周新橋，鄒冬生．稻米堊白研究綜述［Ｊ］．作物研究，２００１（３）：５２－５８．

［２７］ 于潤(rùn)偉，朱曉慧．基于圖像處理的稻米堊白自動(dòng)檢測(cè)研究［Ｊ］．中國(guó)糧油學(xué)報(bào)，２００７，２２（１）：１２２－１２５．

［２８］ 侯彩云，ＳＥＩＩＣＨＩ Ｏ，ＹＡＳＵＨＩＳＡ Ｓ，等．三維圖像處理系統(tǒng)在稻米品質(zhì)檢測(cè)中的應(yīng)用研究［Ｊ］．農(nóng)業(yè)工程學(xué)報(bào)，２００１，１７（３）：９２－９５．

［２９］ 侯彩云，王一鳴，凌云，等．堊白米粒的計(jì)算機(jī)圖像識(shí)別［Ｊ］．農(nóng)業(yè)工程學(xué)報(bào)，２００２，１８（５）：１６５－１６８．

［３０］ 黃星奕，吳守一，方如明，等．遺傳神經(jīng)網(wǎng)絡(luò)在稻米堊白度檢測(cè)中的應(yīng)用研究［Ｊ］．農(nóng)業(yè)工程學(xué)報(bào)，２００３，１９（３）：１３７－１３９．

［３１］ 凌云，王一鳴，孫明，等．基于分形維數(shù)的堊白米圖像檢測(cè)方法［Ｊ］．農(nóng)業(yè)機(jī)械學(xué)報(bào)，２００５，３６（７）：９２－９５，９１．

［３２］ 孫明，凌云，王一鳴．在ＭＡＴＬＡＢ環(huán)境中基于計(jì)算機(jī)視覺(jué)技術(shù)的大米堊白檢測(cè)［Ｊ］．農(nóng)業(yè)工程學(xué)報(bào)，２００２，１８（４）：１４６－１４９．

［３３］ 吳建國(guó)，劉長(zhǎng)東，楊國(guó)花，等．基于計(jì)算機(jī)視覺(jué)的稻米堊白指標(biāo)快速測(cè)定方法研究［Ｊ］．作物學(xué)報(bào)，２００５，３１（５）：６７０－６７２．

［３４］ 曾大力，藤勝，錢前，等．視頻顯微掃描技術(shù)在稻米堊白研究中的應(yīng)用［Ｊ］．中國(guó)農(nóng)業(yè)科學(xué)，２００１，３４（４）：４５１－４５３．

［３５］ 蕭浪濤，李東暉，藺萬(wàn)煌，等．一種測(cè)定稻米堊白性狀的客觀方法［Ｊ］．中國(guó)水稻科學(xué)，２００１，１５（３）：２０６－２０８．

［３６］ 郭英群．對(duì)國(guó)家標(biāo)準(zhǔn)中整精米率定義及檢測(cè)方法的探討［Ｊ］．糧油倉(cāng)儲(chǔ)科技通訊，２００５（６）：５２－５３．

［３７］ 尚艷芬，侯彩云．整精米自動(dòng)識(shí)別方法的研究［Ｊ］．中國(guó)水稻科學(xué)，２００４，１８（５）：４６６－４６８．

［３８］ 于潤(rùn)偉，金鯤鵬，朱曉慧． 基于圖像識(shí)別的整精米自動(dòng)檢測(cè)研究［Ｊ］．中國(guó)糧油學(xué)報(bào)，２００６，２１（６）：１４７－１５０．