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

糙米品质指标及其评价方法研究

内容摘要

全文目录

相似论文