基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

小型可移动式循环干燥机的试验研究

涉及了一种小型可移动式干燥机的研制和试验研究。论文首先阐述了该干燥机的结构特点和工作原理；然后进行了不同温度条件下的稻谷干燥试验：分析了经过干燥机干燥后的稻谷爆腰增率、发芽率和发芽势与干燥温度的相关性。     

基于图像处理和支持向量机分类的牛肉大理石花纹等级评定

牛肉胴体质量等级评定是牛肉依质论价的基础。其中，大理石花纹是评定牛肉质量等级的主要指标。由于人工评定存在许多缺点，采用机器视觉来判定牛肉胴体质量等级是一种很好的方法。研究了一种基于图像处理和支持向量机（SVM）分类的牛肉大理石花纹等级评定技术。首先应用阈值分割、形态学腐蚀及膨胀的方法来分割牛肉图像中的有效区域（用于大理石花纹等级评定的区域）；然后用矩方法来提取图像特征参数，最后用支持向量机的模式识别技术来构造牛肉大理石花纹等级分类模型。结果表明：该模型对我国国家标准规定的牛肉大理石花纹等级的正确识别率分别达到95.9％（一级）、89.2％（二级）、93．2％（三级）、100％（四级）。研究的牛肉大理石花纹等级的机器视觉检测方法是可行的，这为牛肉等级的在线检测装置设计提供了条件。     

基于计算机视觉的大米裂纹检测研究

针对人工目测的传统方法在进行米粒裂纹检验时存在主观性及随意性较大、效率较低、可重复性较差等缺点，在分析大米裂纹光学特征的基础上，在Visual C++ 6.0环境下开发了一套大米裂纹计算机识别系统，通过图像二值化、区域标记等方法从原始图像中提取单体米粒图像，并对提取出的单体米粒图像进行灰度拉伸变换处理以突出米粒裂纹特征，然后提取单体米粒的行灰度均值变化曲线，并对曲线进行加权滤波处理，提出了一种基于单体裂纹米粒图像行灰度均值变化特征的大米裂纹检测算法。运用该算法对从金优974、菲优600、冈优182、中优205、89-94等5类大米品种中各选取的6 组特殊类样品和5 组随机样品进行裂纹检测。试验结果表明，该系统对特殊类大米样品和随机大米样品裂纹率的判断准确率分别为98.37%和97.88%，为进一步完善大米品质的计算机视觉检测提供了理论和实践基础。