基于Micro-CT图像处理的稻谷内部损伤定量表征与三维重构

陈树人，徐 李，尹建军，汤明明



基于Micro-CT图像处理的稻谷内部损伤定量表征与三维重构

陈树人，徐 李，尹建军，汤明明

（江苏大学现代农业装备与技术省部共建教育部重点实验室，镇江 212013）

在水稻脱粒、储运、加工过程中，外界机械作用力是造成稻谷损伤破损的主要方式，造成的内部裂纹肉眼无法观察但影响稻谷的存储、加工以及种子的发芽率等。该文利用质构仪对稻谷进行挤压力学特性试验，分析稻谷损伤破碎过程；对受不同载荷的稻谷进行CT扫描试验，结合数字图像处理方法对稻谷进行损伤表征分析与三维重构，旨在提出一种新的稻谷内部损伤定量评价方法。结果表明：伪彩色图像处理可以提高CT图像的视觉分辨率；灰度值以及灰度直方图分析可以识别稻谷的胚、胚乳以及裂纹大小，并定量分析；对分割后的二值图像进行像素点统计分析得到80，100，120，140，160 N载荷下的损伤度分别为0，0.26%，0.39%，0.93%，1.79%；重构的三维模型可以看出裂纹一般沿着短轴方向扩展，随着载荷增大，原有裂纹逐渐变宽，并产生新的沿着长短轴的混合裂纹，直到糙米断裂。该研究可为谷物内部损伤定量表征分析提供新思路。

CT；稻谷；三维；量化；挤压特性；图像处理，三维重建

0 引 言

稻谷是世界上最主要的三大粮食作物之一，中国水稻年产量几年来一直稳定在1亿t。稻谷也是中国重要的粮食作物，在中国国民经济中占极其重要的地位。但长期以来，因中国大米质量达不到国际市场的质量标准,因而出口份额不高[1]。内部损伤、破碎是大米质量评价的重要指标。

在水稻脱粒、加工和储运过程中，外界机械力的作用是造成谷粒损伤破碎的主要原因之一，稻谷的损伤包括外部损伤和内部损伤，外部损伤是指稻谷的破碎、裂纹等，一般用肉眼容易识别，内部损伤主要为应力裂纹，肉眼常常无法观察，但存在的内部损伤影响稻谷的存储，容易导致稻谷发霉变质，而且影响种子发芽率[2]。稻谷等农作物的内部损伤问题及其检测方法引起国内外学者广泛关注。徐立章等[3]针对稻谷在各生产环节容易产生损伤，通过体式显微镜成像系统等获取损伤稻谷的高清显微图像，基于信号与噪声在不同尺度下小波系数模的变化规律，来提取稻谷内部损伤特征信息。王颉等[4]以鸭梨、富士苹果和猕猴桃为试验材料，利用X射线电子计算机扫描技术，测定了从不同高度跌落果实CT值的变化规律，结果表明：果实跌伤处理后立即检测其CT值，即可发现同正常果实组织相比有一定程度的下降。CT值可以作为机械伤果实无损检测的主要依据。张新伟等[5]在体视显微检测基础上提出了基于融合技术的边缘检测方法。该方法采用改进的数学形态学方法和传统Sobel边缘检测算子对损伤玉米种子图像进行边缘检测，建立相应的融合规则，将2种方法检测出来的图像边缘进行基于小波变换的融合处理，从中提取玉米种子内部机械损伤的特征信息。Anup Suresh等[6]用Micro-CT扫描受害虫侵害小麦和发芽小麦，对扫描图像进行体积渲染，几何重建，骨架化以及绝对渗透率试验仿真模拟，得到发芽小麦的损伤最先发生在中间部分，且相比受昆虫损伤的小麦有更大的孔隙度，昆虫损伤主要发生在麦粒底部，同时表明两种受损小麦有着相同的各向异性。Letitia Schoeman等[7]详细的介绍了CT的基本原理，不同的系统，图像处理和分析的方法以及在不同粮食作物中的应用，表明Micro-CT在粮食作物特性研究中扮演者越来越重要的角色。近年来，各学者对于谷物内部损伤特征定性研究已趋于成熟，但损伤的定量化表征研究得较少。

CT扫描技术由于其超高的可视化三维探测分辨率，已经广泛地应用于生物医学、材料科学、制造业、地质学和农业工程等研究领域，用于获取研究目标的微观结构信息。在地质学一般运用于研究天然岩心内部孔隙结构，研究不同载荷下岩心内部孔隙结构变化规律[8-10]，在医学方面主要是器官结构的三维重建以及各组织的定量测量[11-13]。农业工程领域方面运用不多，主要运用于分析土壤-根系的形态特征和力学特征，以及根据水果各成分CT值的不同预测水果品质等[14-16]。本文基于CT技术研究稻谷内部损伤的无损表征以及在三维空间裂纹的扩展状况。

1 材料与方法

1.1 试验设备

1）CT扫描试验采用Micro-CT 100，射线能量为45 kVP，88A，4 W。空间分辨率为10m，扫描尺寸为直径9 mm×高度78 mm。扫面样品断层数为260。

2）质构仪，型号TA.XTPLUS，测试速度范围0.01～40 mm/s，测试距离精度0.001 mm，测试力精度0.0002%，力量范围+/−0.5 N+/−50N+/−300N+/ −500N。

1.2 制样及试验方法

本次试验样品为南粳9108水稻品种，采于镇江市郊区，样品采集后密封放入冷藏柜零度保存，试验前24 h取出，放入室内室温平衡，测量含水率的设备为BT125D型电子天平，烘干设备为101-00型电热鼓风干燥箱，测得其含水率为12.83%，千粒质量为26.4 g，从试验样本中随机取50粒谷粒，用游标卡尺逐个测量其长度，宽度，厚度如图1所示，所谓长度是指从籽粒基部到顶端的距离，腹背之间的距离为粒厚，两侧之间的距离为粒宽，测量结果如表1所示。

图1 稻谷的三维尺寸

随机取100粒完好籽粒进行挤压性能试验，分析受不同载荷大小的稻谷的挤压性能，获取受损水稻籽粒，对不同受损的水稻籽粒分别进行扫描试验，为了便于观察分析，本试验水稻籽粒固定在扫描桶内的海绵中，每次扫描一粒样本，籽粒厚度方向与扫描桶中垂线平行。

表1 稻谷三维尺寸测量结果

1.3 水稻籽粒挤压力学试验

采用试验室挤压压头进行试验，压头采用直径36 mm的平板压头，支座长70 mm，经预试验及参考有关资料，选取加载速度为0.02 mm/s，压头接触感应力为0.05 N[17]。

把水稻籽粒放在支座上沿厚度方向进行挤压试验，设置目标载荷为200 N，重复10次，获取挤压力位移曲线，根据力位移曲线设置扫描样品的不同目标载荷，进行挤压试验，获得不同损伤程度的水稻籽粒，为扫描试验做准备。

1.4 Micro-CT扫描试验

为了研究水稻籽粒受不同载荷作用下的内部损伤特征，根据水稻挤压力学试验特性，分别对稻谷施加80、100、120、140、160 N的载荷，当达到目标载荷时卸载，进行扫描试验，由于试验条件原因，没有稻谷专用的扫描桶，为了防止扫描过程中稻谷移动造成图像伪影，把稻谷安装在海绵中，把海绵固定在扫描桶内，扫描范围为整个稻谷，切片间距为0.01 mm，每次扫描得到260张1 024×1 024像素的水平切面如图2所示。

图2 原始CT图像（以受载荷为160 N水稻籽粒扫描切片为例）

2 结果与分析

2.1 稻谷挤压力学特性分析

如图3所示为目标载荷为200 N时水稻籽粒的力位移曲线。

图3 目标载荷为200 N时的谷粒挤压曲线

整个挤压过程分为，，，，5段，有，两个峰值点，是因为糙米比谷壳的脆性大载荷先达到糙米出现裂纹的值，即到达点内部开始出现裂纹，曲线开始下降，出现屈服阶段[18]，段随着载荷不断增大，裂纹不断扩展，到达点时谷壳破裂，水稻籽粒失去最后的缓冲保护，阶段随着载荷增大，水稻籽粒逐渐被压碎直到达到目标载荷。

为了研究受不同大小载荷的水稻籽粒内部损伤情况，根据挤压特性试验的力位移曲线，裂纹可能出现的在，阶段，图4为目标载荷为160N的力位移曲线，通过10次试验，可以看出第1个峰值点主要集中在100 N附近，因此可以近似认为此种水稻的破力为100 N[19]。

图4 目标载荷为160 N时的谷粒挤压曲线

2.2 稻谷内部损伤表征与分析

2.2.1 CT灰度扫描图像

图5为不同载荷下的稻谷扫描的二维断面切片图，密度越大，图像越亮。从图中可以看出顶部的亮灰色为胚组织，稻谷的其他组织呈现为暗灰色，而裂纹呈现为黑色，胚与其他组织连接部分也呈现为黑色；图中可以看出，载荷为80 N时，稻谷内部不存在裂纹，随着载荷不断增大，稻谷内部的裂纹逐渐增多，裂纹的宽度逐渐加大，载荷较小时，裂纹主要沿短轴方向扩展，随着载荷增大逐渐发展为沿着短轴和长轴方向的混合裂纹。

a. 载荷80 Na. Load 80 Nb. 载荷100 Nb. Load 100 Nc. 载荷120 Nc. Load 120 Nd. 载荷140 Nd. Load 140 Ne. 载荷160 Ne. Load 160 N

2.2.2 CT图像的伪彩色增强

由于人眼对彩色的分辨率远远大于灰度的分辨率，伪彩色增强可以增强观察者对图像信息的检测能力[20]。主要方法是将二维数据阵列通过一个映射关系转换到真彩色图像平面上，这种映射关系可以表示为

式中，(,)，(,)和(,)分别是显示的红、绿、蓝三色值，ξ，ξ和ξ对应映射算子[21]。

本文使用的映射算子图如图6所示，从图中可以看出，最小灰度值（0）对应蓝色，中间灰度值（/2）对应绿色，最高灰度值（）代表红色。根据映射算子运用MATLAB软件编程进行伪彩色处理[22]，图7是采用灰度级-彩色变换法得到的受损稻谷扫描图像的伪彩色图，红色部分为背景，深蓝色部分为裂纹，浅蓝色为稻谷胚组织，伪彩色图可以更加清晰地观测裂纹的形态特征，提高图像分辨率。

注：B(x,y)、G(x,y)、R(x,y)分别为显示的蓝、绿、红三色的值，C为灰度值。

a. 载荷80 Na. Load 80 Nb. 载荷100 Nb. Load 100 Nc. 载荷120 Nc. Load 120 Nd. 载荷140 Nd. Load 140 Ne. 载荷160 Ne. Load 160 N

2.2.3 CT图像灰度值及灰度直方图

CT图像是由一定数目由黑到白不同灰度的像素按矩阵排列所构成。这些像素反映的是相应体素的X射线吸收系数，因此可以根据稻谷内部组织与裂纹对射线吸收程度不同及反应的灰度值的不同来区分稻谷内部损伤，如图8a所示，截取图中的局部视图，在局部视图中绘制一条直线[23]，直线横跨稻谷胚乳组织，裂纹与胚，利用ImageJ软件取出该直线经过的每个点的灰度值绘制出沿着这条直线的灰度值变化如图8b所示。由图8可以看出，直线上的不同位置灰度值不同，灰度值的范围为0～42，最小处为裂纹以及胚与胚乳连接处，灰度值在0～15之间，最大处为胚，灰度在35～42之间，而胚乳组织虽然各点的灰度值不同，但是灰度值的变化范围较小，人眼无法区分，因此根据灰度值的差异可以识别稻谷内部损伤情况。

a. CT扫描图像局部

a. Part of CT scans

b. 沿直线方向的灰度值变化

2.2.4 图像分割

利用CT图像进行稻谷内部损伤的定量分析，需要从CT灰度图像中提取损伤区域，即裂纹，这些区域通常被称为目标区域，图像处理中提取目标区域的过程为图像分割。只要提取损伤区域，并计算出损伤区域的比例就可以达到定量分析的目的[24]。

对于给定图像，可以通过分析直方图的方法确定最佳阈值，当直方图出现双峰时，可以选择两个峰值的中点作为最佳阈值，如图9为载荷为160 N的稻谷二维切片灰度直方图，从图中可以看出在灰度值为0和灰度值为27处的频数出现峰值，直方图近似成双峰状态，因此根据双峰法原理选取中间灰度值13为最佳分割阈值。

图9 灰度直方图

Fig.9 Gray histogram

分割后的图像被处理成二值图像，图像中只有纯白色和纯黑色即灰度值为0和1[26]，黑色代表稻谷各组织，白色代表裂纹损伤和胚与胚乳连接处，利用ImageJ软件处理得到图像如图10所示。

图10 阈值分割后的二值图像

2.2.5 噪声处理

处理后的图像中经常含有许多妨碍人们对信息接受的因素，我们称之为图像噪声，噪声在理论上可以定义为：不可预测的，只能用概率统计方法来认识的随机误差[27]。如图10所示，图像含有许多杂点，影响后期的统计计算，因此本文使用3×3窗的中值滤波器，使用9个像素灰度值的中值代替中间的像素值，有效点去除椒盐噪声[28]。各载荷下扫描图片最终处理结果如图11所示。

a. 载荷80 Na. Load 80 Nb. 载荷100 Nb. Load 100 Nc. 载荷120 Nc. Load 120 Nd. 载荷140 Nd. Load 140 Ne. 载荷160 Ne. Load 160 N

2.2.6 三维图像重构

为了分析稻谷三维裂纹分布形态以及不同载荷下裂纹扩展规律，本文采用Micro-CT扫描仪自带的后处理软件，导入已经分割好的连续的二维断层图像，因为此次三维重构目的是要识别出稻谷组织中的裂纹，即单一目标识别，所以本文选择软件的3D segmentation of VOI（volume of interest）1.solid object 重构模型，基于Feldkamp (Feldkamp-Davis-Kress) 算法[29]，利用DECterm程序的IPL图像处理语言进行三维重构。如图12所示是利用三维重构得到的受不同载荷挤压作用下到的内部损伤稻谷，从左向右依次为受载荷80、100、120、140、160 N。

a. 载荷80 Na. Load 80 Nb. 载荷100 Nb. Load 100 Nc. 载荷120 Nc. Load 120 Nd. 载荷140 Nd. Load 140 Ne. 载荷160 Ne. Load 160 N

图12中可以看出当稻谷受到的挤压载荷小于谷物破坏力时（载荷为80 N），内部虽然有形变，但未产生明显裂纹，当载荷达到破坏力时（载荷为100 N），内部出现裂纹，最先出现的裂纹一般沿着短轴方向扩展，随着载荷的不断增大原有裂纹逐渐变宽，并产生新的沿着长短轴的混合裂纹，直到糙米断裂。

2.2.7 稻谷内部损伤的定量化描述

损伤量是表征材料或结构劣化程度的量度，直观上可理解为微裂纹或孔洞在整个材料中所占体积的百分比[30]。本文将损伤度定义某一截面上（样本扫描切片中面积最大的截面）裂纹面积与样品该截面总面积的比值，其公式为

式中1为裂纹面积，为切片截面总面积。

由于裂纹和稻谷胚乳与胚的连接部分所对应的灰度值为0，因此可以通过计算机程序来统计图像中灰度值为0的像素点的个数来获取两者的面积，同理样品的总面积也可求得。在实际计算过程中，公式转换为

式中1为切片截面上裂纹像素点的个数与稻谷胚乳与胚的连接部分像素点的个数之和，为该切片截面上的总的像素点个数。

对于本次试验，要去除稻谷胚乳与胚的连接部分的像素个数，可由未受载荷的稻谷切片图求出，各个稻谷连接部分近似认为相等，因此公式可表示为

式中1为切片截面上裂纹像素点的个数与稻谷胚乳与胚的连接部分像素点的个数之和，为胚与胚乳连接部分的像素个数，为该切片截面上的总的像素点个数。

对于不同载荷下的稻谷内部损伤进行统计计算并绘制了损伤度与载荷的关系如图13所示。

从图13中可以看，80、100、120、140、160 N载荷下的损伤度分别为0、0.26%、0.39%、0.93%、1.79%。挤压载荷小于80 N时，稻谷内部虽然有形变，但并未出现裂纹，损伤度为0，随着载荷的增加，应变达到一定值，即达到稻谷破坏力时，内部开始出现裂纹，损伤度逐渐增加，在挤压载荷增加前期（120 N之前），内部损伤随单位载荷增幅较小，之后增幅迅速增大，这是因为前期裂纹数量少，多为细小裂纹，后期逐渐发展为多条混合裂纹，裂纹宽度增大，直至糙米断裂。

图13 稻谷损伤度与所受载荷关系图

3 结 论

1）本文基于Micro-CT扫描技术分析稻谷内部损特性，并结合数字图像处理方法，建立了定量表征稻谷内部损伤度的方法。

2）稻谷挤压特性试验表明，同一品种稻谷由于个性差异，破坏力不完全相同，趋于某一定值，本文中的南粳9108水稻种子破坏力近似为100 N，且随着载荷增加，先达到稻谷破坏力，开始出现裂纹，随着载荷不断增大，裂纹不断扩展直到糙米断裂，载荷继续加大，谷壳开始出现开裂，直至整个稻谷破碎。

3）对受不同载荷的受损稻谷进行CT扫描试验，利用伪彩色图像处理技术可以提高肉眼对CT扫描结果的视觉分辨率，更直观的分析裂纹形态。结合CT图像灰度值以及灰度直方图分析稻谷损伤特性，结果表明：稻谷各组织的灰度值存在一定差异，裂纹的灰度值较小，一般在0～15，胚组织的灰度值最大，其次是胚乳。根据灰度直方图可以直观的的观察各个成分所占的比例大小，受损稻谷灰度直方图近似为双峰模型。

4）采用双峰法对受不同载荷的稻谷CT扫描图像进行阈值分割，得到二值化图像，利用DECterm程序的IPL图像处理语言进行三维重构，获得不同载荷下的损伤稻谷的三维重构图，从不同角度分析裂纹的损伤状态；定义损伤度，对二值图像进行统计分析，得到各载荷下的损伤度分别为0，0.26%，0.39%，0.93%，1.79%。绘制了损伤度与载荷关系图，结果表明：没达到稻谷破坏力之前，随着载荷增加，损伤度为0，达到破坏力之后随着载荷的增加，损伤度增加，且单位载荷增幅较小，达到载荷120N后增幅加大，直到稻谷断裂破碎。

[1] 杨国峰. 稻谷裂纹产生机理探讨[J]. 食品科学，2004(10)：384－388.

Yang Guofeng. Discussion on the mechanism of rice crack[J]. Food science, 2004(10): 384－388. (in Chinese with English abstract)

[2] 徐立章，李耀明，王显仁，等. 谷物脱粒损伤的研究进展分析[J]. 农业工程学报，2009，25(1)：303－306.

Xu Lizhang, Li Yaoming, Wang Xianren, et al. Research progress on grain threshing damage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2009, 25(1): 303－306. (in Chinese with English abstract)

[3] 徐立章，李耀明，王显仁，等. 稻谷脱粒损伤的量化与检测方法[J]. 农业机械学报，2007，38(11)：185－188.

Xu Lizhang, Li Yaoming, Wang Xianren, et al. Quantification and detection method of rice threshing damage[J]. Journal of agricultural machinery, 2007, 38(11): 185－188. (in Chinese with English abstract)

[4] 王颉，郗超航，李英军，等. 机械损伤果实CT值变化规律研究[J]. 农业工程学报，2008，24(增刊2)：18－21.

Wang Jie, Xi Chaohang, Li Yingjun, et al. Changes of CT values of mechanically damaged fruits[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2008, 24(Supp.2): 18－21. (in Chinese with English abstract)

[5] 张新伟，赵学观，张健东，等. 基于数据融合的玉米种子内部机械裂纹检测方法[J]. 农业工程学报，2012，28(9)：136－141.

Zhang Xinwei, Zhao Xueguan, Zhang Jiandong, et al. Detection of internal mechanical cracks in corn seeds based on data fusion technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2012, 28(9): 136－141. (in Chinese with English abstract)

[6] Anup Suresh, Suresh Neethirajan. Real-time 3D visualization and quantitative analysis of internal structure of wheat kernels[J]. Journal of Cereal Science, 2015, 63: 81－87.

[7] Letitia Schoeman, Paul Williams, Anton du Plessis, et al. X-ray micro-computed tomography for non-destructive characterisation of food microstructure[J]. Trends in Food Science & Technology, 2016, 47: 10－24.

[8] 赵阳升，孟巧荣，康天合，等. 显微CT试验技术与花岗岩热破裂特征的细观研究[J]. 岩石力学与工程学报，2008，27(1)：28－34.

Zhao Yangsheng, Meng Qiaorong, Kang Tianhe, et al. A microscopic study of the thermal cracking characteristics of granite and the CT test technique[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(1): 28－34. (in Chinese with English abstract)

[9] 马天寿，陈平. 基于CT扫描技术研究页岩水化细观损伤特性[J]. 石油勘探与开发，2014，41(2)：227－233.

Ma Tianshou, Chen Ping. Study on meso damage of shale hydration based on CT scanning technique[J]. Petroleum Exploration and development, 2014, 41(2): 227－233. (in Chinese with English abstract)

[10] 孙华飞，鞠杨，行明旭，等. 基于CT图像的土石混合体破裂-损伤的三维识别与分析[J]. 煤炭学报，2014，39(3)：452－458.

Sun Huafei, Ju Yang, Xing Mingxu, et al. Three dimensional identification and analysis of earth rock Mixture rupture damage based on CT image[J]. Journal of Coal Science, 2014, 39(3): 452－458. (in Chinese with English abstract)

[11] 金东春，姜玲，张晓燕，等. 应用Micro CT进行下颌骨骨板厚度的测量研究[J]. 临床口腔医学杂志，2010，26(5)：306－308.

Jin Dongchun, Jiang Ling, Zhang Xiaoyan, et al. Application of Micro-CT in the measurement of mandibular bone plate thicknessr[J]. Journal of Clinical Stoma-tology, 2010, 26(5): 306－308. (in Chinese with English abstract)

[12] 王江雪，高玉，李辉，等. 离子造影剂增强Micro-CT扫描对大鼠关节软骨形态的定量分析[J]. 生物医学工程研究，2014，33(3)：157－161.

Wang Jiangxue, Gao Yu, Li Hui, et al. Contrast analysis of Micro-CT plasma enhanced quantitative morphology of articular cartilage of rats[J]. Journal of Biomedical Engineering Research, 2014, 33(3): 157－161. (in Chinese with English abstract)

[13] Buie H R, Bosma N A, Downey C M, et al. Micro-CT evaluation of bone defects: Applications To osteolytic bone metastases, bone cysts, and fracture[J]. Medical Engineering and Physics, 2013, 35(11): 1645－1650.

[14] 张京平，朱建锡，孙腾，等. 苹果内部品质的CT成像结合傅里叶变换方法检测[J]. 农业机械学报，2014，45(5)：197－204.

Zhang Jingping, Zhu Jianxi, Sun Teng, et al. Detection of apples’internal quality using CT imaging technology and fourier transform[J]. Journal of Agricultural Machinery, 2014, 45(5): 197－204. (in Chinese with English abstract)

[15] 程亚南，刘建立，吕菲，等. 基于CT图像的土壤孔隙结构三维重建及水力学性质预测[J]. 农业工程学报，2012，28(22)：115－121.

Cheng Yanan, Liu Jianli, Lü Fei, et al. Three dimens-Ional reconstruction of soil pore structure and prediction of hydraulic properties based on CT images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2012, 28(22): 115－121. (in Chinese with English abstract)

[16] Dennis Cantre, Andrew East, Pieter Verboven, et al. Microstructural characterisation of commercial kiwifruit cultivars using X-ray micro computed tomography[J]. Postharvest Biology and Technology, 2014, 92(3): 79－86.

[17] 任祖方，许乔洺，吴杰，等. 稻谷的机械力学特性试验[J]. 湖北农业科学，2012，51(21)：4881－4883.

Ren Zufang, Xu Qiaoming, Wu Jie, et al. Mechanical properties test of rice[J]. Hubei Agricultural Sciences, 2012, 51(21): 4881－4883. (in Chinese with English abstract)

[18] 李耀明，王显仁，徐立章，等. 水稻谷粒的挤压力学性能研究[J]. 农业机械学报，2007，38(11)：56－59.

Li Yaoming, Wang Xianren, Xu Lizhang, et al. Study on mechanical properties of rice grain[J]. Journal of agricultural machinery, 2007, 38(11): 56－59. (in Chinese with English abstract)

[19] 王显仁，李耀明，徐立章. 水稻谷粒的机械损伤机理及试验[J]. 农机化研究，2007(12)：141－144.

Wang Xianren, Li Yaoming, Xu Lizhang. Mechanism and experiment of mechanical damage of rice grain[J]. Journal of Agricultural Mechanization Research, 2007(12): 141－144. (in Chinese with English abstract)

[20] 梁玉红. 伪彩色技术在超声无损检测中的应用[J]. 锅炉制造，2006(2)：70－72.

Liang Yuhong. Application of pseudo color technique in ultrasonic nondestructive testing[J]. Boiler Manufacturing, 2006(2): 70－72. (in Chinese with English abstract)

[21] 王家文. Matlab 7.6 图形图像处理[M]. 北京：国防工业出版社，228－230.

[22] 霍宏涛. 数字图像处理[M]. 北京：机械工业出版社，105－107.

[23] 刘慧. 基于CT图像处理的冻结岩石细观结构及损伤力学特性研究[D]. 西安：西安科技大学，2013：43－45.

Liu Hui. Study on Meso-structure and Damage Mechanical Characteristics of Frozen Rock Based on CT Image Processing[D]. Xi’an: Xi’an University of Science And Technology, 2013: 43－45. (in Chinese with English abstract)

[24] 石秉忠，夏柏如，林永学，等. 硬脆性泥页岩水化裂纹发展的CT成像与机理[J]. 石油学报，2012，33(1)：137－142.

Shi Bingzhong, Xia Bairu, Lin Yongxue, et al. CT imaging and mechanism analysis of crack development by hydration in hard-brittle shale formations[J]. Acta Petrolei Sinica, 2012, 33(1): 137－142. (in Chinese with English abstract)

[25] 梁华为. 直接从双峰直方图确定二值化阈值[J]. 模式识别与人工智能，2002，15(2)：254－256.

Liang Huawei. Determine the threshold value of two from Shuangfeng histogram[J]. Pattern Recognition and Artificial Intelligence, 2002, 15(2): 254－256. (in Chinese with English abstract)

[26] 江明，刘辉，黄欢. 图像二值化技术的研究[J]. 软件导刊，2009，8(4)：175－177.

[27] 曹静娴，顾国华，隋修宝，等. 一种中值与邻域比较的滤波算法及硬件实现[J]. 激光与红外，2011，41(6)：645－648.

Cao Jingxian, Gu Guohua, Sui Xiubao, et al. Filter algorithm by comparing the value of the neighborhood and hardware realization[J] . laser & infrared, 2011, 41(6): 645－648. (in Chinese with English abstract)

[28] 孙水发，董方敏. ImageJ图像处理与实践[M]. 北京：国防工业出版社，30－33.

[29] 冒晶晶.Micro-CT相关算法研究及其软件系统设计[D]. 西安：西安电子科技大学，2010.

Mao Jingjing, Relevant Algorithm Study and Software System Design for Micro-CT[D]. Xi’an: Xidian University, 2010. (in Chinese with English abstract)

[30] 杨更社，刘慧. 基于CT图像处理技术的岩石损伤特性研究[J]. 煤炭学报，2007，32(5)：463－468.

Yang Gengshe, Liu Hui. Study on rock damage characteristics based on CT image processing technology[J]. Journal of Coal Science, 2007, 32(5): 463－468. (in Chinese with English abstract)

Quantitative characterization of grain internal damage and 3D reconstruction based on Micro-CT image processing

Chen Shuren, Xu Li, Yin Jianjun, Tang Mingming

(,,,212013,)

In the process of rice harvesting, storage and transportation, external mechanical force is the main way to damage the rice. The internal cracks can not be observed by the naked eye, but affect the storage, processing and germination rate of rice. In this paper, the mechanical properties of rice were analyzed by using a texture analyzer, and the damage and fracture process of rice was analyzed. Because the brown rice was more brittle than the chaff, the brown rice first had cracks under the loading condition. As the load increased, the brown rice was broken and the chaff began to crack. After repeated tests, when the moisture content was 12.83% and the loading mode was extrusion along the thickness direction of rice, the destructive power of this kind of rice grain was 100 N. The CT (computed tomography) scan test was performed for the rice under different loads, and pseudo-color image processing, gray value and gray histogram analysis, and threshold segmentation of 2-mode method and Feldkamp reconstruction algorithm (Feldkamp-Davis-Kress) were used to process the CT scan images. The research results showed that pseudo-color image processing could improve the visual resolution of CT images, and it was easy to observe the shape of cracks. Analysis of gray value and gray histogram could identify the organization of rice and cracks, and it showed that the gray value of cracks and connection of the embryo and endosperm was 0-15, and the maximum gray value of 35-42 corresponded to the embryo. It could be seen from the gray histogram that the majority of rice grains were endosperm, and the embryo and cracks and the joints occupied a small amount. The 2-mode method was used to segment the CT images and the median filter was used to eliminate the salt and pepper noise. Finally, the binary image was obtained. The gray value corresponding to the crack and the joint of the embryo and endosperm was 0, and the grey value of other tissues was 1. The crack area was obtained by subtracting the number of pixels at the joint by using the number of pixels with a gray value of 0. The ratio of the area of the crack to the total area of the whole section was the degree of damage, and the damage degrees under loads of 80, 100, 120, 140, and 160 N were 0, 0.26%, 0.39%, 0.93%, and 1.79%, respectively. Relationship between damage degree and load was obtained based on image segmentation. The damage occurred mainly after the failure of the load to the grain, and with the increase of the load, the damage degree increased; the increase was small, and then the damage degree continued to increase rapidly until the grain was broken. Three-dimensional (3D) reconstruction of damaged grain was carried out based on reconstruction algorithm. From the 3D map of different angles, it could be seen when the load of grain was less than grain extrusion load leading to damage, although the internal deformation occurred, but there were no obvious cracks; when the load reached the destructive force, internal cracks began to appear, and the crack first appeared generally along the short axis direction of expansion With the load increasing, the original crack became wider, and the new mixed crack was produced along the minor axis until the brown rice was fractured. This study can provide a new idea for quantitative analysis of grain internal damage.

computer tomography; grain; three dimensional; quantification; extrusion characteristics; image processing; three-dimensional reconstruction

10.11975/j.issn.1002-6819.2017.17.019

S225.4

A

1002-6819(2017)-17-0144-08

2017-04-24

2017-08-24

国家自然科学基金项目（51375215）；江苏高校优势学科建设工程资助项目（苏政办发[2014]37号）

陈树人，湖南攸县人，博士，教授 主要从事收获加工技术研究。Email：srchen@ujs.edu.cn