基本信息
- 项目名称：
- 谷物分级及碎米率半自动检测仪
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 生命科学
- 大类：
- 科技发明制作B类
- 简介：
- 谷物分级及碎米率检测仪采用方便的数字图像处理技术研究谷物的基础数据，并用自制的gui用户界面显示数据大米等级和碎米率，整个过程通过一个独立的检测装置即可实现，方便使用者操作。该仪器不仅显著提高工作效率，而且为国内关于大米分级的标准参数制定提供准确的源数据。
- 详细介绍：
- 整个检测仪分为计算机和自制取像装置两部分，其中取像装置是规格为20cm*20cm*25cm的箱子，一部分为12V直流电源，另一部分为密闭空间，顶部四个顶角处各装一个6v小灯泡，当电源接通时，顶部四周的小灯泡发出均匀的光线照亮底部，底部供盛放样品。 将待测的大米放到底部以获得原始图像。首先采用图像类型变化将RGB图像转化为灰度图像，之后执行二维中值滤波去除图像噪音，再通过阈值分割方法将灰度图像转换为二值图像，在二值图像中标记链接分量（形态学操作）；在图像分析中，使用diameter函数获得区域的直径作为长轴，中垂线为短轴，并计算出长宽比（长轴即为大米的长，短轴即为大米的宽），再用regionprops函数得到区域的周长和面积，整个实验在gui用户界面中完成，界面最终显示试样大米中每粒样品的长，宽，周长，面积，长宽比数据以及大米所属的级别，同时计算出试样米粒的碎米率。在文件夹中存有灰度图像和二值图像，以及每一个试样米粒的数据。根据国际食品法典委员会标准（CAC标准），判断待测样品的等级和碎米率。
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- 发明目的：代替国内获取谷物基础数据所采用繁琐低效的人工测量方法，并为检测工作提供实用高效的仪器。 基本思路：此项科技发明主要通过一个自制的独立装置（运用数字图像处理技术）得到谷物的长，宽，周长，面积等基础数据，并由此鉴定大米的等级及碎米率，同时为其他科学研究及大米培育加工提供准确数据。 创新点：将利用数字图像处理技术分析大米的方法通过实际装置独立体现出来；制作独立的实用装置检测大米等级及碎米率。 技术关键：1.自制装置需控制的变量，如亮度，距离等。2.装置的科学性，即机器测量能否取代人工测量。 主要技术指标：大米分级标准（见CODEX STAN 198-1995¬——CODEX STANDARD FOR RICE）； t检验参数： t29（0.05）=1.96。
科学性、先进性
- 科学性：将成熟的数字图像处理技术运用到该检测仪中，不仅快捷高效的完成检测工作，而且检测结果与国际标准方法所得结果无显著性差异。 先进性：目前对谷物数据获取更多地采用手工测量方法，实验室阶段运用数字图像处理有一些研究，如还有设计一种利用稻米轮廓的最小外接矩形 (MER,MinimumEnclosingRectangle)计算粒型的方法。上述陈述的方法目前仅限于实验室研究论证阶段，并没有市场化应用。该检测仪主要采用图像类型变换，二维中值滤波，形态学操作等技术，将研究理论应用于实践，研制出半自动检测仪，从获取图像到数据探索再到后续处理仅独立包含取像装置及计算机，再配有gui界面即可实现在用户界面上处理样品，方便操作，从而显著提高工作效率。
获奖情况及鉴定结果
- 2011年4月获得校第四届“挑战杯”大学生课外学术科技作品竞赛科技制作B类二等奖
作品所处阶段
- 该发明目前处于实验室阶段。
技术转让方式
- 无
作品可展示的形式
- 1.实物产品 2.现场演示
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 使用说明：首先将待测样品放在检测仪底部，然后通过顶部摄像头拍照，在matlab中gui界面处理原始图像，最终界面显示样品的长，宽，长宽比，周长，面积，样品等级和碎米率等七项指标。 技术特点和优势：采用方便的数字图像处理技术研究谷物的基础数据，并用自制的gui用户界面显示大米等级和碎米率等数据，整个过程通过一个独立的检测装置即可实现，方便使用者操作。 推广前景及经济效益预测：经调查研究，目前国内对谷物的基础数据研究几乎处于空白阶段，手工测量为国内研究人员的主要方法，而主要参数均来自国外的数据指标。该检测仪在保证准确性的前提下，将检测时间缩短了十余倍。未来装置的市场化实现将一改以往测量数据时的繁琐步骤，显著提高工作效率，并为国内关于大米分级的标准参数制定提供准确的源数据，也可推广于对其他谷物进行粒型检测，扩大检测仪的适用范围。
同类课题研究水平概述
- 目前在国内暂无市场化的关于确定大米分级及碎米率的检测装置，只在实验室中有相关的研究理论。如计算机视觉技术在大米轮廓检测上的应用（包晓敏, 汪亚明, 黄振坌.2003）中使用Roberts算子、Sobel算子、Prewitt算子及模板匹配法和快速模糊边缘检测法对大米轮廓进行边缘检测,并通过对大米图像的分割实验,验证了快速模糊边缘检测法最为有效；机器视觉在稻米粒型检测中的应用（陈建华, 姚青, 谢绍军.2007）中采用开运算去除图像中的噪声,使用最小外接矩形方法计算稻米粒型；基于计算机视觉的大米外观品质检测（孙明, 石庆兰, 孙红,2005）提出采用MATLAB软件开发平台来构造基于计算机视觉的大米外观品质检测算法，在对不同的大米图像处理的基础上,完成了对大米的黄粒米、粒型等的测定。 上述方法基本都将matlab中数字图像处理技术应用到谷物分析中，证明这一技术可行性在理论上已经被论证，但还没有具体成形的装置与之对应并应用于实践，即在合并前期获取与后期处理方面没有市场化的装置。该检测仪采用数字图像处理技术，自编程序，自制仪器，高效快捷地完成大米后续处理工作，有助于推动该领域的发展。
