基于机器视觉的稻米品质检测系统设计与试验

摘要

针对传统人工的稻米品质检测方法耗时费力，且受检验人员主观因素和地域评判标准影响，检测结果一致性差，难以满足规模化、标准化检测需求的问题，设计一套基于机器视觉的稻米外观品质检测系统，并按国家标准中相应品质指标对稻米进行等级划分。采用加权平均值灰度变换和中值滤波去噪法预处理图片；利用固定阈值分割法和分水岭算法（Watershed算法）分割与单粒化处理籽粒；应用YOLOv8s模型提取表型参数和判定品质。将100组（每组稻米143粒）稻米样本分为训练集70组、验证集20组、测试集10组，以人工检测结果为对照，对稻米样本的外观品质进行检测，并进行等级判定。结果表明：1）人工检测的整精米率为59.8%、出糙率78.1%、霉变率4.32%、垩白率11%，判定为二等籼稻；系统检测对应指标分别为59.1%、77.3%、4.2%、12%，等级同样为二等籼稻，二者核心指标检测结果高度一致。2）等级判定中有93组检测系统结果与人工一致，平均准确率达93%。该检测系统有效提高了稻米外观品质检测的效率和准确性，可广泛应用于粮食储备库批量检测、稻米加工企业在线监控及农业科研育种筛选等场景。

关键词

稻米 / 品质检测系统 / 机器视觉 / YOLOv8

基金资助

国家大宗蔬菜产业技术体系（CARS-23）; 河北省重点研发计划项目（20327403D）; 河北省省属高校基本科研业务费项目（KY2022020）