計算機視覺在大米加工精度檢測中的應用

李心悅，黃文雄，周 娜，楊會賓，王 彪，牛家鐸，鄧華平，羅小虎

(1.國糧武漢科學研究設計院有限公司，湖北 武漢 430079； 2.衢州市庫米賽諾糧食機械制造有限公司，浙江 衢州 324000； 3.江南大學，江蘇 無錫 214122)

長期以來，大米加工企業(yè)為了迎合市場“漂亮、好吃”的需求，對大米進行過度加工，不僅造成膳食纖維、維生素等營養(yǎng)物質(zhì)的流失，還增加了水電能耗，碎米率上升，出米率降低，造成稻米資源浪費。而且，長期食用精細主食，有可能出現(xiàn)膳食纖維、維生素和礦物質(zhì)等營養(yǎng)素缺乏，對身體健康有潛在的危害。

“十三五”期間國家加大對大米適度加工研究的投入，科學引導人們從“吃得好”向“吃得營養(yǎng)”、“吃得健康”轉(zhuǎn)變。最新的《大米》國家標準(GB/T 1354—2018)首次對大米的加工精度設置上限，引入“精碾”和“適碾”的概念，逐漸引導消費者走出“精米白面”的飲食消費誤區(qū)。因此，快速、準確的大米加工精度檢測技術對于碾米企業(yè)的生產(chǎn)加工環(huán)節(jié)非常重要。

采用計算機視覺，即圖像分析技術檢測大米的加工精度是近年的一個熱門研究方向，我們對圖像分析技術在大米加工精度檢測方面應用的研究成果進行綜述，以期為大米外觀品質(zhì)在線檢測的發(fā)展提供參考。

1 計算機視覺

計算機視覺是用攝影機和電腦代替人眼進行識別，用計算機進一步做圖像處理，得到更適合人眼觀察或傳送給儀器檢測的圖像。圖像處理的流程主要包括圖像獲取、圖像預處理、特征提取、圖像檢測、分割及高級處理[1]。圖像獲取，即通過照相機拍攝圖像。圖像預處理，即在對圖像進行特征提取之前，先進行預處理，旨在消除圖像中存在的無關或者會影響最終識別效果的信息，恢復可靠的信息，使后續(xù)處理步驟中能得到更準確的信息。特征提取是指從圖像中提取各種凸顯差異大的特征，如局部特征點的檢測等。圖像檢測是指從已知圖像中檢索出需要的某個子圖像。圖像分割是指有時為了提取更有價值的信息，以方便對圖像進行繼續(xù)處理，就需要先對圖像進行分割。例如，可以分割多幅圖片中含有特定目標的圖像信息，也可以將圖像中分屬不同物體的像素區(qū)域分開。到高級處理階段時，圖像已經(jīng)被處理成很小的數(shù)據(jù)了，這個階段的任務主要是驗證數(shù)據(jù)是否符合要求，以評估下一目標的姿態(tài)、體積，并對目標進行分類和識別。

隨著計算機技術的快速發(fā)展，圖像處理技術已廣泛應用于糧食行業(yè)?；趫D像處理技術的大米外觀檢測儀能夠檢測稻米品質(zhì)指標，根據(jù)米粒表面顏色檢測大米的堊白粒率、堊白度、不完善粒、黃粒米等指標，利用米粒長度差別檢測大米的整精米率、碎米率等指標，具有快速、準確、客觀的優(yōu)點，且重復性和再現(xiàn)性好[2-3]。相關行業(yè)標準《LS/T 6104—2012糧油檢驗稻谷整精米率測定 圖像分析法》和國標《GB/T 35865—2018糧油檢驗稻谷整精米率測定 圖像分析法》分別于2012年和2018年頒布實施。

2 大米加工精度

2.1 大米加工精度的定義及標準

大米加工精度是指碾磨后的大米表面留皮程度，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)量和食味品質(zhì)的主要因素。加工精度越高，米粒表面殘留糠皮量就越少，表面光潔度、外觀品質(zhì)、適口性也就越好。

為了推動糧食產(chǎn)業(yè)轉(zhuǎn)型升級、提質(zhì)增效，發(fā)展大米的適度加工，最新的《大米》國家標準(GB/T 1354—2018)修訂時將GB/T1354—2009《大米》國家標準中“一級”、“二級”加工精度改為“精碾”，“三級”加工精度改為“適碾”。同時，對“加工精度”指標設置上限，加工精度標準樣品米的制定要求為：“精碾：背溝基本無皮、或有皮不成線，米胚和粒面皮層去凈的占80%～90%；或留皮度在2.0%以下。適碾：背溝有皮，粒面皮層殘留不超過五分之一的占75%～85%，其中粳米、優(yōu)質(zhì)粳米中有胚的米粒在20%以下，或留皮度為2.0%～7.0%[4]?！?/p>

2.2 大米加工精度的傳統(tǒng)檢測方法

常規(guī)的大米加工精度的測定方法為染色觀察法，利用米粒皮層、胚與胚乳等不同組織成分對染色基團分子的親和力不同的原理，使染色后的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，通過與標準米樣比對鑒定出樣品米的加工精度等級。國標《米類加工精度異色相差分染色檢驗法(IDS法)》(GB/T 18105—2000)采用IDS染劑，染色后大米皮層和胚為綠色，糊粉層為紫色，胚乳為桃紅色，該法所呈顏色與日本MG染色法相同。然而染色觀察法受到光照條件、視力、情緒等諸多因素以及各種染色參數(shù)的影響，且操作繁瑣、效率低、誤差大，不能滿足快速、客觀檢測的需要。現(xiàn)行的國標《糧油檢驗 大米加工精度檢驗》(GB/T 5502—2018)增加了基于圖像處理技術的儀器輔助檢測法和儀器檢測法，使用伊紅Y-亞甲基藍染色劑，染色后的米粒皮層、胚與胚乳分別呈現(xiàn)藍綠色和紫紅色，再通過對比觀察法、儀器輔助檢測法、儀器檢測法確定大米加工精度。

3 基于計算機視覺的加工精度檢測

3.1 染色法

大米表面的留皮部分和胚乳部分的顏色差異并不明顯，肉眼識別較困難，對于計算機也有同樣的問題存在，為便于計算機識別，會對待測大米樣品進行染色。與計算機相連的相機拍攝染色米樣的反射圖像，計算機采集到圖像后對其進行一系列的處理，提取分析所需的特征值，應用色度學理論分析識別出米粒表面留皮部分和胚乳，計算各部分面積占比，得出米樣的加工精度。

許俐等[5]先采用日本MG染色法，強化米粒糠層與胚乳間的顏色差異，再用計算機圖象處理技術代替感觀評定，結(jié)合CIE 1931標準色度學系統(tǒng)原理，采用不同分區(qū)來獲取米粒不同組成部位的面積，根據(jù)胚乳面積與大米圖像總面積的百分比確定大米的加工精度等級。

田慶國[6]采用酚紅石碳酸染色，染色后大米胚乳顏色為紅白色 ,而留皮部分為紅紫色，采用計算機處理技術，利用CIE 1931標準色度學系統(tǒng)原理測定了大米加工精度等級，并用江蘇吳江國家標準米生產(chǎn)基地生產(chǎn)的標準米建立大米碾白數(shù)據(jù)庫。2018年北京東孚久恒儀器公司與日本企業(yè)合作，在圖像分析方法研究基礎上，研發(fā)了大米加工精度檢測儀[7]。檢測前大米樣品采用伊紅Y-亞甲基藍染色法染色，皮層和胚乳分別呈現(xiàn)藍綠色和紫紅色2種不同色系，適用于儀器圖像分析顏色特征。通過該儀器的測定能得出米粒樣品具體的留皮度，重復性、再現(xiàn)性良好。

3.2 直接法

染色法較之人工感官評定法客觀、精確，但圖象分析過程中像素顏色判別的準確性受到染色方法的影響較大,染色過程容易產(chǎn)生測量誤差。通過計算機視覺直接觀察大米表面留皮度的技術不斷發(fā)展。利用圖像識別技術直接檢測大米的加工精度時，首先獲得大米籽粒圖像，再對大米圖像進行預處理，提取大米籽粒的特征值，再根據(jù)特征值判別大米的加工精度。

Fant等[8]1994年時提出利用灰度值原理進行圖像分割作為直接圖像識別測量大米加工精度的可能方法。黃奕星等[9]參考該研究，利用CCD攝像機獲取大米透射圖像，通過計算機分析，總結(jié)出大米樣品平均灰度與米粒留皮程度之間的關系，實現(xiàn)大米留皮率的預測。其中，大米樣本厚度和光源是影響計算機圖象處理的兩個關鍵因素。

用計算機圖像處理法測定大米的加工精度時，堊白米對留皮率的圖像檢測有較大的干擾，張浩等[10]通過研究發(fā)現(xiàn)，采用改變圖像掃描條件和調(diào)整分割閩值能有效消除堊白米的影響。

在實際應用中，色選機可以作為大米留皮度的檢測設備，從而自動判定大米加工精度，并控制加工精度達到要求的大米直接進入下一工段，加工精度沒有達到要求的大米進入下一道碾米工序[11]。

3.3 基于顏色特征的圖像分析

應用圖像處理技術測大米加工精度時，無論是染色法還是直接法，都需要對獲取的圖像進行特征提取，最常使用的是提取顏色特征進行圖像分析。

張浩等[12]開發(fā)了一套檢測系統(tǒng)，利用圖像處理技術測定未經(jīng)染色的大米留皮率，圖像分析在RGB色彩模式下進行，發(fā)現(xiàn)若直接用R、G、B作為分割圖像的判別標準，很難準確將糠皮和胚乳部分分割，以圖像像素的R-B值作為特征值則能很好的區(qū)分胚乳和糠皮區(qū)域。同時研究了大米加工精度圖像采集的最佳條件，發(fā)現(xiàn)在圖像采集過程中，光源、背景、分辨率、圖像增強以及儲存格式等因素是影響大米圖像質(zhì)量的重要因素[13]。當以藍色為背景時，胚乳及糠皮部分的R-B值分別小于0和大于0，因此當由糠皮邊緣的像素過渡到胚乳部分的像素時，R-B特征值出現(xiàn)突變，將大米圖像的R-B特征值矩陣轉(zhuǎn)化為灰度圖像后，圖像中糠皮邊緣的位置能獲取明顯的邊緣信息，有利于圖像分割。

萬鵬等[14]提出了基于顏色特征和BP神經(jīng)網(wǎng)絡判別大米加工精度的方法，根據(jù)大米表面留皮度隨碾磨程度變化，進而表現(xiàn)出色澤的變化，結(jié)合圖像處理技術對大米籽粒表面的顏色進行分析提取顏色特征值。檢測的主要流程為：獲取大米籽粒的RGB圖像→圖像迭代分割→二值圖像小區(qū)域消除→大米圖像背景分割→大米籽粒顏色特征值提取→顏色特征值空間轉(zhuǎn)換→計算大米籽粒的顏色特征值→大米加工精度識別。在提取特征值時將顏色特征值提取區(qū)域按面積用不同半徑的同心圓平均分成5份，提取各子區(qū)域的R、G、B顏色值，并根據(jù)R、G、B顏色值計算H值作為大米籽粒的顏色特征值；以大米籽粒顏色特征值H值作為輸入，構建BP神經(jīng)網(wǎng)絡對大米加工精度進行判別。對4種不同加工精度大米樣品籽粒檢測的平均準確率為92.17%。

3.4 基于紋理特征的圖像分析

當對大米圖像進行分析提取特征值時，除了提取顏色特征，還能通過提取圖像的紋理特征來進行圖像分析。

萬鵬等[15]研究了利用灰度-梯度共生矩陣對采集到的不同加工精度大米的圖像進行分析，提取圖像的紋理特征參數(shù)，并采用逐步判別法構建 Fisher 判別函數(shù)組對大米樣品的加工精度進行檢測分類。

崔雯雯等[16]提出了基于紋理分析的大米加工等級檢測方法，設計了大米的計算機視覺檢測系統(tǒng)，獲取4個不同加工精度等級大米標準樣的圖像，采用灰度-梯度共生矩陣的紋理分析方法提取圖像的紋理特征值，采用Fisher判別法和PNN神經(jīng)網(wǎng)絡對大米加工精度進行檢測判定。結(jié)果表明：Fisher判別法和PNN神經(jīng)網(wǎng)絡對4種不同加工精度等級的大米樣品檢測判定的正確率分別是96.25%和90.00%。

4 展望

采用圖像分析處理方法進行大米加工精度檢測，具有定量、準確、客觀等特點，能夠完全克服不同檢驗人員的感官差異造成的誤差。圖像分析技術在大米加工精度檢測中的應用使得大米加工精度在線檢測成為可能，碾米工段通過加工精度的在線檢測設備的及時反饋，能動態(tài)調(diào)控碾米程度防止過碾，大米適度加工能夠最大限度的保留大米表面的營養(yǎng)成分，降低能耗，降低碎米率，提高出米率，助力節(jié)糧減損，建設 “無形良田”。隨著計算機技術的迅速發(fā)展，圖像識別在線檢測大米加工精度的設備有望運用于絕大部分的大米生產(chǎn)線。