[发明专利]一种大米品种智能检测方法、系统及装置

说明书

本发明公开了一种大米品种智能检测方法及系统，分类标记大米样本的品种；对于某一品种，将该品种作为神经网络训练的正样本，其余品种的样本作为神经网络训练的负样本，训练神经网络；当完成所有品种的训练时，得到分类器；将待检测样本输入分类器，利用所述分类器检测出大米品种。本发明将被检测大米外形的所有特征进行描述并输入神经网络，并对这个神经网络进行训练，经过训练的神经网络可以根据大米的“粒型、外观”敏感特征对大米品种以及互混进行准确检测。

技术领域

本发明涉及农产品检测技术领域，特别是一种大米品种智能检测方法及系统。

背景技术

“大米”国标GB/T1354-2018中对“互混”的定义是：“试样中混入的粒型、外观与本批次大米不同的这类米粒”。在实际工作中，通常出现粒型、外观相近却不同品种的米粒混在一起，凭肉眼与感官难以准确检测，有的情况下甚至无法检测。

有人提出了一种智能检测方法：通过对米粒长宽比（又称“高宽比”：将完整米粒平放，其长度与宽度之比。）与米粒试样中垩白度及垩白率进行品种检测。这种检测方法具有明显的不足：

（1）很多不同品种的米粒，其长宽比不具有绝对界线，长宽比的值往往在不同品种间有较大部分重合。

（2）垩白度、垩白率与品种具有一定的关系，但这个关系是极其粗犷的；除品种外，垩白的产生还与稻谷在灌浆期的生长具有密切关系。垩白度与垩白率本身就是同一品种大米需要检测的重要指标。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种大米品种智能检测方法及系统，对互混的大米品种进行准确检测。

为解决上述技术问题，本发明所采用的技术方案是：一种大米品种检测方法，包括以下步骤：

分类标记大米样本的品种；

对于某一品种，将该品种作为神经网络训练的正样本，其余品种的样本作为神经网络训练的负样本，提取大米样本的特征，并将所述特征转换为特征向量，将所述特征向量作为神经网络的输入，训练所述神经网络；当完成所有品种的训练时，得到分类器；所述特征向量包括米粒的H、S、V值；米粒的长度、宽度、长宽比；米粒米胚的高度、米粒米胚的高度与完整米粒的长度之比；米粒尾部的长度、米粒尾部的长度与完整米粒的长度之比；米粒米胚最凹处的凹深程度；米粒平放时，米粒胚尖在米粒宽度方向上所处的位置；米粒尾尖在米粒宽度方向上所处的位置；

将待检测样本输入分类器，利用所述分类器检测出大米品种。

随机抽取一定数量的分类标记的大米样本，并将抽取的样本输入所述分类器，将判别错误的样本重新输入所述神经网络学习，得到优化的分类器，利用所述优化的分类器检测待检测样本。进一步提高检测准确度。

提取大米样本的特征，并将所述特征转换为特征向量，将所述特征向量作为所述神经网络的输入；所述特征向量包括米粒的H、S、V值；米粒的长度、宽度、长宽比；米粒米胚的高度、米粒米胚的高度与完整米粒的长度之比；米粒尾部的长度、米粒尾部的长度与完整米粒的长度之比；米粒米胚最凹处的凹深程度；米粒平放时，米粒胚尖在米粒宽度方向上所处的位置；米粒尾尖在米粒宽度方向上所处的位置。

所述神经网络采用包括三个隐层的BP神经网络。节省神经网络的训练时间且节省计算资源。

本发明所述待检测样本放置于检测装置上；所述检测装置包括：

透明托料件，其上放置有所述待检测样本；

设置于所述透明托料件上方的工业相机；

设置于所述透明托料件下方的底色板。

所述工业相机固定于环形灯光源下方。提高图像采集时的分辨率，从而得到更准确的输入特征。