[发明专利]一种稻米加工在线工艺检测方法

说明书

本发明公开了一种稻米加工在线工艺检测方法，其步骤包括：步骤S1：构建一个基于机器视觉的人工神经网络系统；所述人工神经网络系统包括输入层、隐藏层、输出层，第一层为输入层，每一个输入向量占用一个神经元；最后一层为输出层；步骤S2：基于机器视觉采集到的图像信息作为人工神经网络系统的输入向量；步骤S3：经人工神经网络系统最后一层输出后，先以隶属度函数对每个对象模糊化，最后通过硬极性函数进行判别，完成解模糊；步骤S4：使用实物样本对人工神经网络系统进行训练；步骤S5：完成神经网络的训练，上线使用。本发明具有原理简单、容易实现、检测精度高等优点。

技术领域

本发明主要涉及到稻米智能加工技术领域，特指一种稻米加工在线工艺检测方法。

背景技术

智能制造过程必须也只能围绕智能工厂展开，智能工厂的核心是“数据驱动”。构建水稻加工智能工厂也必须依靠“数据驱动”这个核心，而针对各道工序加工的在线工艺检测正是这个核心中的核心，它为水稻加工生产设备的智能控制提供原始的驱动力与核心依据。

事实上，稻米加工的在线工艺检测正是实现水稻加工智能工厂的瓶颈。目前，针对于不同加工工序，在线工艺检测的检测内容包括以下几个方面：

（a）清理与去石工序：从稻谷（包含糙米）中检测无机杂质（如泥块、石子等）与有机杂质（稻草、其他有机物如麦粒、玉米、稗子等）；

（b）砻谷工序：从糙米中检测稻谷、碎糙米、未熟糙米、裂纹糙米等；

（c）碾米工序：检测糙米、开糙米、每道碾米工艺要求的米层、留胚米、留皮米；

（d）色选工序：检测病班粒、黄粒米、垩白粒等异色粒；

（e）抛光工序：检测米粒表面的糠粉附着程度、米粒表面的光洁度、米粒的透明度、米粒的白度、米粒被碾磨到的结构上的层次；

（f）成品：留皮粒、留胚粒、病班粒、黄粒米、垩白粒、碎米、针尖病班粒、未熟粒等。

由此可见，加工生产过程中的检测项目繁多，同时，作为自然生长的作物具有每个颗粒均不相同的表现特征丰富性，使得稻米加工的在线工艺检测极具难点与挑战，这也是其成为“世界性难题”的根本原因。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、容易实现、检测精度高的稻米加工在线工艺检测方法。

为解决上述技术问题，本发明采用以下技术方案：

一种稻米加工在线工艺检测方法，其步骤包括：

步骤S1：构建一个基于机器视觉的人工神经网络系统；

所述人工神经网络系统包括输入层、隐藏层、输出层，第一层为输入层，每一个输入向量占用一个神经元；最后一层为输出层；所述隐藏层的前一部分为卷积神经网络，后一部分为BP反馈神经网络；所述隐藏层的组成是：整个人工神经网络系统的第二层与第三层为神经网络的卷积层，使用S函数作为激活函数，以f(x)=X³+b作为过滤函数；第四层与第五层为神经网络的池化层，使用S函数作为激活函数，对检测对象的特征空间进行降维；第六层至第十层为BP层，运用反馈算法实现神经网络训练的有监督学习，使用变形的L函数作为激活函数，L函数的变形规则为，f(x)=aX+b，当X>0时，a=3,当X<0时，a=0.2；

步骤S2：基于机器视觉采集到的稻米图像信息作为人工神经网络系统的输入向量；

步骤S3：经人工神经网络系统最后一层输出后，先以隶属度函数对每个对象模糊化，最后通过硬极性函数进行判别，完成解模糊；

步骤S4：使用稻米的实物样本对人工神经网络系统进行训练；

步骤S5：完成神经网络的训练，上线使用。