学位论文 > 优秀研究生学位论文题录展示
糙米品质指标及其评价方法研究
作 者: 白国伟
导 师: 周显青
学 校: 河南工业大学
专 业: 粮食、油脂及植物蛋白工程
关键词: 糙米 加工品质 特征提取 图像处理 神经网络 品质检测
分类号: TS212.7
类 型: 硕士论文
年 份: 2011年
下 载: 84次
引 用: 0次
阅 读: 论文下载
内容摘要
为了研究糙米品质及其检测方法,以粳型糙米(辽星)为材料,主要研究糙米不完善粒对其品质的影响,利用基于数字图像技术就糙米不完善粒特征提取、识别、糙出白率、碾白率和碎米含量检测技术及其方法的建立。(1)随着不完善粒含量的增加,容重减小;糙出白率和碾白率升高,糙米整精米率降低、碎米率升高;大米吸水率和膨胀体积逐渐减小,米汤干物质逐渐升高,米汤pH和碘蓝值无明显变化趋势。完善粒、垩白粒、未熟粒、死米三点抗弯曲破碎能力依次减弱,粳糙米和籼糙米白未熟粒、青未熟粒的三点抗弯曲破碎力是完善粒1/2左右,这是造成整精米率降低、碎米率升高的主要原因;粳糙米三点抗弯曲试验所得结果高于籼糙米的,籼糙米碾白后更容易产生碎米。(2)对糙米籽粒进行分类如下:完善粒、垩白粒、未熟粒、死米、被害粒、碎米、黄粒米;采集图片经过灰度转换、二值化处理、中值滤波、图像分割、形态学操作后能够较好去除噪声和异常值,图像边缘平滑,利于特征提取;对完善粒、青完善粒、垩白粒、青垩白粒、白未熟粒、青未熟粒、白死米、青死米、生芽粒、虫蚀粒、异色粒图像参数进行提取、描述和分析,完善粒与其他籽粒之间存在均存在差异,部分差异明显。(3)通过对糙米完善粒、完善粒、垩白粒、青垩白粒、白未熟粒、青未熟粒、白死米、青死米、虫蚀粒、生芽粒、异色粒图片进行图像预处理、特征提取,得到各种不完善粒图片信息。利用主成分分析法对图像特征进行降维处理,得到7个主成分,其方差累积贡献率达到89.765%,保留有效信息。利用7个主成分建立神经网络,对神经网络进行训练,并进行不完善粒识别,完善粒、青完善粒、垩白粒、青垩白粒、白未熟粒、青未熟粒、白死米、青死米、生芽粒、虫蚀粒、异色粒识别正确率分别为:100%、96%、84%,88%、80%、84%、100%、90%、100%、86%、100%。(4)通过分析图像参数与碾白率和糙出白率的相关系数,得出H平均值与碾白率、B平均值与糙出白率的相关关系,建立B平均值与糙出白率、H平均值与碾白率间的回归方程。F检验和t检验表明,检测的糙出白率和碾白率同实测值无显著性差异。以图像面积为整精米、大碎米、小碎米的识别指标,获得最佳识别阈值。建立整精米、大碎米、小碎米图像长轴和、短轴和、周长和、面积和与其重量间回归方程,F检验和t检验表明,与常规方法的测定结果无显著性差异。
|
全文目录
摘要 4-5 ABSTRACT 5-11 第一章 前言 11-20 1.1 课题研究背景 11-12 1.2 国内外研究现状 12-18 1.2.1 糙米品质 12-15 1.2.1.1 国内外糙米质量标准介绍 12 1.2.1.2 糙米品质指标 12-15 1.2.1.3 糙米加工品质 15 1.2.2 图像处理技术在稻米检测中的应用 15-18 1.2.2.1 粒型检测 15-16 1.2.2.2 垩白检测 16-17 1.2.2.3 其他类型籽粒 17-18 1.2.2.4 加工品质的检测 18 1.4 主要研究内容 18-20 第二章 不完善粒对糙米品质影响 20-29 2.1 引言 20 2.2 材料与方法 20-23 2.2.1 材料 20 2.2.2 主要仪器 20-21 2.2.3 试验方法 21-23 2.2.3.1 水分的测定 21 2.2.3.2 样品制备 21 2.2.3.3 不完善粒组成测定 21 2.2.3.4 糙米容重测定 21 2.2.3.5 糙米加工指标测定 21 2.2.3.6 糙米抗弯曲试验 21-22 2.2.3.7 蒸煮试验 22-23 2.3 结果与讨论 23-28 2.3.1 糙米不完善粒组成 23 2.3.2 不完善粒对容重的影响 23-24 2.3.3 不完善粒含量对糙米加工品质影响 24-28 2.3.3.1 不完善粒对糙出白率和碾白率的影响 24-25 2.3.3.2 不完善粒含量对糙米整精米率和碎米率的影响 25 2.3.3.3 糙米抗弯曲特性 25-27 2.3.3.4 不完善粒含量对蒸煮品质影响 27-28 2.4 小结 28-29 第三章 糙米籽粒分类及图像特征提取 29-48 3.1 引言 29 3.2 材料与方法 29-31 3.2.1 材料 29 3.2.2 主要仪器 29 3.2.3 试验方法 29-31 3.2.3.1 糙米籽粒分类 30 3.2.3.2 米粒图像采集 30 3.2.3.3 图像预处理 30 3.2.3.4 提取并分析不同糙米籽粒图像特征 30-31 3.3 结果与讨论 31-47 3.3.1 糙米籽粒分类 31-32 3.3.2 图像采集 32 3.3.3 图像预处理 32-33 3.3.4 提取并分析不同糙米籽粒图像特征 33-47 3.3.4.1 完善粒 33-35 3.3.4.2 青完善粒 35-36 3.3.4.3 垩白粒 36-37 3.3.4.4 青垩白粒 37-38 3.3.4.5 未熟粒 38-41 3.3.4.6 死米 41-43 3.3.4.7 被害粒 43-47 3.4 小结 47-48 第四章 基于数字图像技术糙米籽粒识别 BP 神经网络建立 48-58 4.1 引言 48 4.2 材料与方法 48-51 4.2.1 材料 48 4.2.2 主要仪器 48 4.2.3 试验方法 48-51 4.2.3.1 糙米图像采集、预处理及特征提取 49-50 4.2.3.2 主成分分析 50 4.2.3.3 BP 神经网络识别 50-51 4.3 结果与讨论 51-57 4.3.1 糙米图像特征提取 51-52 4.3.2 主成分分析 52-55 4.3.3 BP 神经网络 55-57 4.3.3.1 输入和目标向量设计 55 4.3.3.2 网络构建 55 4.3.3.3 网络训练 55-56 4.3.3.4 BP 神经网络分类 56-57 4.4 小结 57-58 第五章 基于数字图像技术糙米加工品质检测方法 58-74 5.1 引言 58 5.2 材料与方法 58-60 5.2.1 材料 58 5.2.2 主要仪器 58-59 5.2.3 试验方法 59-60 5.2.3.1 糙出白率和碾白率检测方法建立 59 5.2.3.2 整精米和碎米含量检测方法建立 59-60 5.3 结果与讨论 60-73 5.3.1 糙出白率和碾白率检测方法建立 60-67 5.3.1.1 不同碾白时间糙米 60-61 5.3.1.2 图像预处理 61-63 5.3.1.3 图像特征提取与参数选择 63-66 5.3.1.5 糙出白率和碾白率与图像参数相关性 66-67 5.3.1.6 图像处理方法测定值与其实测值对比 67 5.3.2 整精米和碎米含量检测方法建立 67-73 5.3.2.1 图像预处理 67-68 5.3.2.2 米粒标记及长轴、短轴、周长、面积提取 68-69 5.3.2.3 识别阈值确定 69 5.3.2.4 识别参数选择 69-70 5.3.2.5 样品重量与图像参数关系确定 70-71 5.3.2.6 样品检测试验 71-73 5.4 小结 73-74 第六章 论文总结与展望 74-76 6.1 主要结论 74-75 6.2 创新点 75 6.3 展望 75-76 参考文献 76-81 致谢 81-82 个人简介 82
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 基于CCD图像传感器的温度测量技术研究,TH811
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
- 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
中图分类: > 工业技术 > 轻工业、手工业 > 食品工业 > 粮食加工工业 > 碾米工业 > 产品标准与检验
© 2012 www.xueweilunwen.com
|