基于PCNN的面粉麸星检测方法

基于PCNN的面粉麸星检测方法

面粉加工过程中麸星数目的多少直接影响着面粉的品质等级，为此，本研究提出了一种基于脉冲耦合神经网络（PCNN）的图像处理方法实现对面粉中微小麸星的视觉检测。首先，该方法对采集的面粉图像进行局部灰度熵变换并通过比例映射生成熵值图像，从而完成了原始面粉图像的图像增强。然后，在图像增强的基础上，利用PCNN对熵值图像进行迭代处理，并通过最小交叉熵确定最优迭代次数，完成最终的麸星目标分割。最后试验验证了该方法的有效性，对比结果表明该方法的检测灵敏度提高近2倍，且算法运行时间为5.1893s，具有较高的执行效率。（文/陈天飞 等摘自《中国粮油学报》2015年第12期）