本研究將圖像采集、快速檢測作為分析方法，對稻谷品質(zhì)展開分析。首先，使用稻谷圖像采集系統(tǒng)進(jìn)行稻谷圖像采集，并用步進(jìn)電機(jī)為圖像采集系統(tǒng)的自動(dòng)運(yùn)行提供動(dòng)力。其次，對采集到的稻谷圖像進(jìn)行處理，處理內(nèi)容包括灰度圖像轉(zhuǎn)化、去噪與增強(qiáng)，為快速檢測奠定基礎(chǔ)。最后，對經(jīng)過處理的稻谷圖像展開快速檢測，檢測內(nèi)容包括稻谷形態(tài)、加工精度、色彩度，由此實(shí)現(xiàn)對稻谷品質(zhì)的檢測分析。

1. 稻谷圖像采集處理

1.1 灰度圖像轉(zhuǎn)化

通過采集系統(tǒng)獲得24位真彩色的稻谷圖像，圖像格式為標(biāo)準(zhǔn)BMP。將BMP圖像轉(zhuǎn)換為灰度圖像，為特征值提取創(chuàng)造條件。本研究使用R、G、B（紅、綠、藍(lán)）表示分量值亮度，且每個(gè)像素點(diǎn)的對應(yīng)字節(jié)數(shù)量為3個(gè)。

1.2 圖像去噪與增強(qiáng)

本研究運(yùn)用5x5鄰域二維中值濾波進(jìn)行去噪處理，利用3x3平面菱形結(jié)構(gòu)元素去除顆粒狀噪聲。本研究運(yùn)用經(jīng)過改進(jìn)的直方圖均衡化算法，增加圖像的灰度變化范圍，以達(dá)到增強(qiáng)圖像的效果。

1.3 去背景與二值圖像

本研究中獲取閾值的方式為最大類間方差法，將經(jīng)過去噪、增強(qiáng)處理的稻谷圖像進(jìn)行分離處理，分離的部分包括稻谷的獨(dú)立影像、背景。稻谷圖像經(jīng)閾值化分割后形成一種灰度非二值圖像，對此圖像進(jìn)行二值處理后，圖像集合性質(zhì)僅與像素值0或255點(diǎn)位置相關(guān)，與像素多集值無關(guān)。

2. 稻谷品質(zhì)快速檢測

2.1 稻谷形態(tài)檢測

本研究選定的稻谷形態(tài)評價(jià)指標(biāo)包括長度、寬度、長寬比、長軸、短軸、長短軸比、緊密度等。對稻谷進(jìn)行檢測時(shí)，將鏡頭與檢測臺(tái)的距離控制在60mm，獲得稻谷二值圖像后，提取稻谷形態(tài)參數(shù)。稻谷特征參數(shù)均值與標(biāo)準(zhǔn)差如表1所示。

2.2 稻谷加工精度判別

本研究使用貝葉斯判別稻谷的加工精度，計(jì)算樣品落到各子域的概率，由大到小進(jìn)行排序，在此基礎(chǔ)上確定概率最大值作為樣品所屬類別。本研究的稻谷樣本總體數(shù)量為4個(gè)，分別記作G1、G2、G3、G4，對應(yīng)先驗(yàn)概率依次為q1、q2、q3、q4，且q1+q2+q3+q4=1，對應(yīng)密度函數(shù)為f1（x）、f2（x）、f3（x）、f4（x）。貝葉斯觀測一個(gè)樣本x屬于第g個(gè)總體的后驗(yàn)概率，如式（1）所示，判別規(guī)則如式（2）所示。

在式（1）中，i=1，2，3，4……當(dāng)滿足式（2）的條件時(shí)，說明樣品x屬于第g個(gè)總體。

本研究確定的數(shù)據(jù)處理方式為SPSS 28.0，根據(jù)處理結(jié)果確定貝葉斯判別函數(shù)組的系數(shù)，并在此基礎(chǔ)上形成判別函數(shù)組。將稻谷紋理特征值代入貝葉斯判別函數(shù)，最大函數(shù)值為待測樣本等級(jí)。另取80粒稻谷作為測試樣本，以貝葉斯函數(shù)為判斷方式，明確稻谷加工等級(jí)。

本研究分別使用直方圖、灰度差分、灰度梯度共生矩陣、游程長度紋理法，對分類函數(shù)系數(shù)進(jìn)行統(tǒng)計(jì)。其中，直方圖統(tǒng)計(jì)分類函數(shù)系數(shù)如表2所示。

2.3 稻谷色彩度分析

2.3.1 感官鑒評。2.3.1.1 研究樣本。在稻谷色彩度感官鑒評環(huán)節(jié)，本研究選擇存在色彩度差異的共17種稻谷作為研究樣本，每種類型的稻谷各取20g，分別平鋪在培養(yǎng)皿中，并對不同種類的稻谷進(jìn)行編號(hào)。2.3.1.2 鑒評人員。參與本次鑒評的17名人員均無感官缺陷，感官靈敏度符合研究要求，且與樣本一一對應(yīng)。2.3.1.3 評分標(biāo)準(zhǔn)。稻谷色彩度感官鑒評標(biāo)準(zhǔn)如表3所示。

2.3.2 機(jī)器視覺。2.3.2.1 光源。本研究選擇內(nèi)徑尺寸為9.5cm、功率為8w的球形LED燈作為光源。2.3.2.2 稻谷厚度。本研究確定稻谷厚度為9mm。

2.3.3 聚類分析。對樣本進(jìn)行聚類分析，將17個(gè)稻谷品種分為34組，每種樣品2組，編號(hào)為1—34，在此基礎(chǔ)上開展色彩度聚類分析。將3、4、6、27、28、31、32歸為第一類，色彩度等級(jí)為四等；5、11、12、13、14、15、16、23、24、33、34歸為第二類，色彩度等級(jí)為二等；1、2、9、10、21、22、25、26歸為第三類，色彩度等級(jí)為一等；7、8、17、18、19、20、29、30歸為第四類，色彩度等級(jí)為三等；21、22歸為第五類，色彩度等級(jí)為五等。

3. 結(jié)果與分析

3.1 感官鑒評結(jié)果分析

鑒評人9、鑒評人11、鑒評人12、鑒評人17的評分值與感官均值均小于0.01，因此不納入鑒評結(jié)果。其余鑒評人的鑒評能力相對較強(qiáng)，能對稻谷色彩度做出可靠、準(zhǔn)確的評價(jià)，盡管各位鑒評人對同一類稻谷的色彩度評分存在差異，但分值差異均在允許范圍內(nèi)。

3.2 提取色彩度特征

在將米層厚度控制在9mm的情況下，為17種稻谷拍照，每種稻谷拍6張圖片。采用隨機(jī)抽樣的方式，選定編號(hào)為3、11、14的稻谷，并對其圖像進(jìn)行分析。在RGB彩色空間條件下，分別提取R、G、B的平均值；在HSV彩色空間下，分別提取H、S、V的平均值。

在HSV彩色空間中，將I平均值提取出來，對稻谷圖像進(jìn)行灰度提取，獲得灰度平均值記作M。轉(zhuǎn)換稻谷圖像的格式，從RGB格式轉(zhuǎn)為HSV格式，并提取其特征值，提取范圍包括H（色調(diào)）、S（飽和度）、V（明度）。轉(zhuǎn)換關(guān)系如式（3）—（5）所示。

將RGB圖像轉(zhuǎn)換為HSI圖像，將I（亮度）提取出來，轉(zhuǎn)換關(guān)系如式（6）所示：

將RGB圖像轉(zhuǎn)換為灰度圖像，對M值（平均灰度）進(jìn)行提取，轉(zhuǎn)換關(guān)系如式（7）所示：

3.3 圖像色彩度特征值分析

沿相同方向?yàn)楦鞣N稻谷都拍6張照片，取圖像特征提取后的平均值。對稻谷色彩度特征參數(shù)平均值（表4）進(jìn)行分析，發(fā)現(xiàn)各品種稻谷圖像的色彩度特征值存在顯著差異。

將稻谷層厚度控制在9mm，對應(yīng)圖像特征值和感官值的相關(guān)系數(shù)如表5所示。由表5可知，稻谷圖像色彩度特征參數(shù)與感官評分高度相關(guān)，僅S值對應(yīng)的感官評分值的相關(guān)系數(shù)為負(fù)，其余特征值與感官值的相關(guān)系數(shù)皆為正。

綜上所述，運(yùn)用圖像采集與快速檢測法對稻谷品質(zhì)進(jìn)行分析，比傳統(tǒng)的人工檢測效率更高。在對稻谷品質(zhì)進(jìn)行實(shí)際檢測的過程中，應(yīng)注意控制實(shí)驗(yàn)條件，包括稻谷樣本的厚度、光源等。稻谷的色彩度、加工精度越高，說明稻谷品質(zhì)越高，將色彩度、加工精度當(dāng)作判定稻谷品質(zhì)的關(guān)鍵標(biāo)準(zhǔn)，對于判定稻谷品質(zhì)具有重要意義。

作者簡介：蘇奕龍（1996—），男，漢族，廣西北流人，大學(xué)本科，研究方向?yàn)榈竟葯z測。