基于近红外光谱的单籽粒垩白大米快速检测方法研究

垩白是我国稻米外观品质中最重要的指标之一。高效、快速、准确的稻米单籽粒检测,可为水稻品质改良育种提供技术支持。提出并建立一种基于近红外光谱技术的单籽粒大米垩白的鉴别方法。从超市购置五常稻花香型大米,在实验室人工分离出垩白籽粒、非垩白籽粒各50粒,共100个样品。并在4000~12000 cm-1范围内采集所有样品的近红外漫反射光谱。对其光谱数据进行主成分(PCA)分析,结果发现PCA方法无法完全实现垩白籽粒的聚类鉴别。分别从第一主成分(PC-1)及第二主成分(PC-2)的载荷图中提取特征峰,并建立基于特征峰的偏最小二乘判别模型(PLS-DA),结果发现,融合PC-1及PC-2的特征峰,即在波数为4250,4494,4962,5410,5614,5994,6394,7018及8338 cm-1处,建模结果最优,其对校正集和预测集进行判别,正确率均为100%。

基于直方图修正的小波自适应阈值大米垩白分割

在大米垩白分割过程中,由于噪声等影响,图像原始直方图呈明显的锯齿状变化。在阈值选择定位过程中,会产生大量虚假阈值点,影响阈值点的自适应准确选取。通过直方图修正,实现直方图的平滑处理,消除大量虚假阈值点,保证意义阈值点的位置与值不变,达到阈值选取过程中抗噪声的目的。并利用小波变换实现阈值点的自适应多分辨率定位。实验表明通过直方图修正和小波自适应定位多阈值可实现大米垩白区域的有效分割。

基于MATLAB的大米色选处理

色选机是利用光电原理,通过电脑分析物体外表颜色,区分物品优劣的机械,是适应农业工程中的自动化的要求而发展出来的。为了验证色选方法的可行性,采用了MATLAB软件开发平台来构造基于CCD的大米垩白检测算法。在对不同的大米图像处理的基础上,完成了对大米垩白参数垩白度和垩白粒率的测定。实验结果表明,本算法及程序设计是有效可靠的。