基于大米外观品质分析系统对垩白米的快速测定

,*

(1.江南大学食品学院,江苏无锡 214122; 2.江苏省农垦农业发展股份有限公司,江苏南京 210019)

大米是全球约50%人口的主粮,我国是世界上最大的大米生产国和消费国[1],根据中商产业研究院对大米行业研究报告的数据,我国在2016年的大米产量为144850千吨,占世界稻谷年总产量的30%,全球排名第一。大米质量安全关系到国人的生命健康,随着社会的发展和生活水平提高,人们对大米的品质提出了更高的要求[2-3]。

米粒的外观是衡量大米品质的重要因素[4],正常大米呈现透明状,垩白是胚乳中含有的白色不透明部分,其不透明是由于淀粉粒排列疏松,颗粒间充气,引起光折射所致[5]。稻米中垩白米的占有率是衡量稻米品质的重要性状之一,并直接影响稻米的质量分级结果、外观品质、商品流通和大米的加工品质[6-8]。垩白的有无、大小及垩白米率是水稻品种外观品质最重要的性状。垩白米率越低,垩白无或小的水稻品种,其米质越优。

传统的检测垩白米的方法是通过国家标准方法进行检测的,检测人员从试样中挑拣出白色不透明的米粒即为垩白米[9]。依据国家标准对垩白米的检测,其优点在于这种方法具有仲裁性、简单、成本低、无损环保,但耗费人力、主观性强、用时较长、效率低等缺点[10]。由于是人工肉眼观察检测,温度、光线、操作人员情绪等因素,都会对检测结果造成影响,从长远看,这种方法难以满足快速、客观、高效的检测要求。

伴随着基于计算机的数字图像处理技术的专业化以及计算机软硬件成本的逐渐下降,对大米质量进行分析的计算机视觉技术应用已十分广泛[11-14]。王正[15]通过迭代式阈值算法得到最优阈值,来分割大米的灰度图像,得到大米垩白部分的位置和面积大小。王粤等[16]通过分析普通米与垩白米的不同直方图分布,并对检测出来的垩白米粒采用改进的最大类间方差法来进一步分析其垩白率、垩白度等信息。申聪等[17]通过图像处理软件提出了一种稻米垩白度测定特征值提取的新算法,利用图像处理软件和积分学的相关理论计算稻米米粒的面积和垩白区域的面积,进而计算稻米垩白度。基于计算机图像处理技术对大米外观品质进行检测,具有快速高效、客观性强、结果准确等优势,可以避免人工方法的主观影响,并能够将检测数据持久化,方便以后对检测结果进行查询、检索[18]。本文以自制大米外观品质分析系统装置采集大米样品图像,并以国家标准方法对垩白米的检测为基础,结合计算机图像处理技术,优化大米外观品质分析系统对垩白米的最佳识别阈值,用于对大米实际样品进行准确检测。

1 材料与方法

1.1 材料与仪器

东北圆粒米、东北长粒米 东北圆粒米为粳米,米粒长度较短,东北长粒米为粳米,米粒长度较长,均购自当地超市。

实验室自制的一种大米外观品质分析系统 江南大学食品学院。

1.2 实验方法

1.2.1 大米外观品质分析系统 实验室自制的一种大米外观品质分析系统装置如图1所示,主要由计算机、扫描设备、背景板和整列装置构成。其中计算机为Lenovo C560微型计算机,扫描设备为Lenovo M7206W多功能一体机,光学元件为CIS,光学分辨率为600×600 dpi,扫描设备与计算机连接;背景板为黑色硬纸板材质,放置在扫描设备的盖板内侧,使扫描出的大米图像背景呈现黑色,减小图像背景干扰;整列装置为定制孔板和嵌合在孔板下方的扫描底板,孔板为定制孔板,原材料选择了铝板,大小为297 mm×210 mm,长圆孔数量为1085个;扫描底板为高透明度、低反光、性能接近光学的浮法玻璃,尺寸为长291 mm×宽209 mm×厚3 mm,并将玻璃板四个角用R=3 mm倒角磨好,让其与孔板紧密贴合,便于米粒的分布和排列。

图1 大米外观品质分析系统装置Fig.1 Rice appearance quality analysis system device注:a:计算机;b:扫描设备;c:背景板;d:整列装置。

1.2.2 人工法检测垩白米 参照GB/T 1354-2018《大米》,称取一定量的大米样品0～15 g,对大米样品进行计数(试样粒数n0);挑拣出试样中的垩白米粒并进行计数(垩白米粒数n1)。垩白粒率(R)按式(1)计算,数值以百分数(%)计:

式(1)

式中:R:垩白粒率,%;n1:试样中垩白米粒数;n0:试样总米粒数。

将垩白米粒平放,正视观察,逐粒目测垩白投影面积占完整米粒投影面积的百分率,并计算其平均值,即为垩白米粒垩白大小(WD)的数值(%)。垩白度(D)按式(2)计算,数值以百分数(%)计:

式(2)

式中:D:垩白度,%;WD:垩白大小,%;n1:试样中垩白米粒数;n0:试样总米粒数。

1.2.3 仪器法检测垩白米 仪器法检测垩白米即为采用实验室自制大米外观品质分析系统对大米样品进行测定,主要包括图像采集和图像分析两个部分执行。

1.2.3.1 图像采集 首先将整列装置按照定制孔板在上、扫描底板在下的顺序嵌合,再称取一定量的大米0～15 g放置在孔板上,并轻轻晃动整列装置,使得大米颗粒均匀分散在各个孔洞中。然后将整列装置轻放于扫描设备上,并移去上层孔板,合上设置有黑色背景材质的扫描设备盖板,对大米进行图像采集,并运行大米样品处理程序,对指定图像分析处理。

1.2.3.2 图像分析 首先将采集的大米图像转换为灰度图像,去除彩色信息;用中值滤波去除噪声,处理模板大小5×5;显示图像的灰度直方图,调节灰度图像的亮度,控制图像的像亮度值;使用阈值变换法把灰度图像转换成二值图像;采用双阈值法对大米图像进行分割,选取背景阈值将背景与大米进行分离;垩白部分的灰度值要大于其他部分灰度值,选取垩白阈值将正常米和垩白米粒进行分离;构造结构元素,对图像进行腐蚀膨胀;按照连通区域法进行大米区域统计、垩白区域统计,并输出大米总数、垩白米数量、大米像素面积、垩白像素面积,用垩白米数量除以大米数量计算垩白粒率,垩白像素面积除以大米像素面积计算垩白度。

2 结果与分析

2.1 垩白米粒图像分析结果

以东北圆粒米为样品的大米图像经过垩白米检测程序处理结果如图2所示,垩白检测程序对一幅大米图像分析处理平均时间为5 s,图像分析计数快速;所得数量结果呈现在命令行窗口中,垩白米像素面积:73231,大米像素总面积:1857397,垩白度:3.9%,垩白米粒数量:50,大米颗粒总数:312,垩白粒率:16.0%;表明大米外观品质分析系统对垩白米的检测具有可行性。

图2 垩白米粒图像处理过程示意图Fig.2 Schematic diagram of chalky rice image processing注:a:原图;b:灰度图;c:滤波图;d:阈值分割去背景图;e:去背景后二值化图;f:阈值分割垩白区域;g:垩白区域二值化;h:连通区域统计;i:垩白区域统计;图中(a)是原图;(b)灰度图是通过rgb2gray函数消除图像色调和饱和度信息同时保留亮度实现将真彩色图像转换为灰度强度图像所得;(c)中值滤波图是通过medfilt2函数消除图像噪声,对脉冲噪声有良好的滤除作用;(d)阈值分割去背景图是通过imadjust函数调整灰度图像的灰度范围并调整亮度,将大米从背景中分割出来;(e)去背景后二值化图是通过im2bw函数使用阈值变换法,将图像转换成二值图像;(f)阈值分割垩白区域图是通过imadjust函数调整图像的像亮度值,将垩白部分从大米中分割出来;(g)垩白区域二值化是通过im2bw函数使用阈值变换法,将图像转换成二值图像;(h)连通区域统计得到大米总数,(i)垩白区域统计得到垩白米数量。

2.2 确定检测垩白米的阈值区间

垩白阈值是通过灰度值进行区分的,垩白部分的灰度值要大于其他部分灰度值。即以灰度值为垩白米的判别指标时,若米粒的灰度值大于设定垩白阈值,米粒被认为是垩白米;米粒的灰度值小于设定垩白阈值时,米粒被认为是正常米。为了能准确得出垩白米粒检测结果,需要优化垩白检测的阈值。

实验选取5组梯度样品,记为样本1～5,使得米粒数分别为100、200、300、400、500颗。用人工法挑拣正常大米和垩白米,在正常大米中混入垩白米,使垩白粒率分别为100%、80%、60%、40%、20%、0%。每组不同梯度样品分别平行三次。调试检测程序阈值,在0.35、0.45、0.55、0.65、0.75、0.85、0.95这7个阈值进行测定,测定结果如图3所示。由图3可知,5组梯度样品在不同阈值测定下的结果呈现下降趋势。即随着阈值的增大,灰度值越大,仪器检测到的垩白颗粒数量越少。表明以灰度值作为垩白阈值具有可行性,呈现的下降趋势便于确定具有唯一的阈值分割垩白米。

图3 不同阈值下的垩白米颗粒数结果Fig.3 Number of chalky rice under different thresholds注:a:垩白粒率100%;b:垩白粒率80%;c:垩白粒率60%;d:垩白粒率40%;e:垩白粒率20%;f:垩白粒率0%。

用人工挑拣法得出样品的实际垩白颗粒数值,并与大米外观品质分析系统在不同阈值下检测垩白米的颗粒数结果比较。实验选取6组样本,使得垩白米数量分别为50、100、150、200、250、300颗,用装置系统采集图像。由于垩白米的垩白位置在背白、心白、腹白处,图像采集到的仅为米粒的单面图像,为了减少实验误差,对每组样本采集图像平行三次。大米外观品质分析系统不同阈值下测定垩白米数量结果与人工法测定结果如图4所示。由图4可知,当阈值在0.35～0.45之间时,大米外观品质分析系统测定垩白米数量与人工法所得垩白米数量差值最小,表明检测垩白米的最佳阈值在此区间。

图4 仪器法与人工法测定垩白米结果Fig.4 Determination results of chalky rice by instrument and artificial method注:a:垩白米50颗;b:垩白米100颗;c:垩白米150颗;d:垩白米200颗;e:垩白米250颗;f:垩白米300颗。

为了缩小检测垩白米的阈值区间,设定垩白检测的阈值为0.35、0.40、0.45,实验选取6组样本,其中垩白米数量分别为50、100、150、200、250、300颗,用装置系统采集图像,实验平行三次。仪器法测定垩白米数量结果与人工法测定结果如图5所示。由图5可知,大米外观品质分析系统在不同阈值下测定垩白米数量与人工法测定结果具有显著性差异,故需进一步缩小检测垩白米的阈值区间;由图5可知,在0.35阈值处仪器法与人工法测定结果差值比0.40、0.45阈值处测定结果差值大,可得缩小的阈值区间在0.40～0.45之间。

图5 仪器法与人工法测定垩白米结果Fig.5 Determination results of chalky rice by instrument and artificial method注:a:垩白米50颗;b:垩白米100颗;c:垩白米150颗;d:垩白米200颗;e:垩白米250颗;f:垩白米300颗;图中标注的不同字母表示组间差异显著(P<0.05)。

2.3 确定检测垩白米的最佳阈值

为了确定大米外观品质分析系统测定垩白米的最佳阈值,实验选取6组样本,其中人工法测得垩白米数量分别为250、300、350、400、450、500颗。用装置系统采集图像,实验平行三次。设定大米外观品质分析系统检测垩白的阈值为0.40、0.41、0.42、0.43、0.44、0.45,测得的垩白米数量结果与人工法测定结果进行比较,结果如图6所示。由图6可知,当阈值在0.42、0.43、0.44时,大米外观品质分析系统测定垩白米结果与人工法测定结果差值较小,表明仪器法检测垩白米的最佳阈值在0.42、0.43和0.44处。

图6 仪器法与人工法测定垩白米结果Fig.6 Determination results of chalky rice by instrument and artificial method注:a:垩白米250颗;b:垩白米300颗;c:垩白米350颗;d:垩白米400颗;e:垩白米450颗;f:垩白米500颗;图中标注的不同字母表示组间差异显著(P<0.05)。

为进一步确定大米外观品质分析系统测定垩白米的最佳阈值,实验选取10组样本,其中人工法测得垩白米数量分别为50、100、150、200、250、300、350、400、450、500颗。设定大米外观品质分析系统检测垩白米的阈值为0.42、0.43、0.44,测定垩白米数量,并与人工法检测垩白米数量结果进行比较,结果如表1所示,设定检测垩白米的阈值为0.42时,测定垩白米数量误差较大,绝对误差为16～36颗,相对误差为4.8%～32.0%;设定检测垩白米的阈值为0.43时,测定垩白米数量误差较小,绝对误差为-20～24颗,相对误差为-5.3%～4.0%;设定检测垩白米阈值为0.44时,测定垩白米数量误差较大,绝对误差为-41～-3颗,相对误差为-9.1%～-3.0%。结果表明,大米外观品质分析系统检测垩白米的阈值设定在0.43处时,测定垩白米较为准确。

表1 不同阈值下仪器法与人工法测定垩白米误差比较Table 1 Error comparisons between instrument and artificial method for measuring chalky rice under different thresholds

2.4 对大米样品垩白米的检测

调试自制大米外观品质分析系统,并设定检测程序测定垩白米时的阈值为0.43。将大米样品进行分组,用大米外观品质分析系统测定垩白粒率和垩白度,并将测定结果与人工法测定结果进行比较,结果如表2所示。结果表明,大米外观品质分析系统与人工法测定垩白米数量绝对误差大小不超过2颗,垩白粒率绝对误差大小不超过0.32%,垩白度绝对误差大小不超过0.25%。大米外观品质分析系统对一幅大米图像分析检测平均时间为5 s,与人工法相比,大米外观品质分析系统对垩白米识别更加快速准确,测定本批大米垩白度小于2%,这一结果符合GB/T 1354-2018《大米》对国家一级优质大米质量指标要求。

表2 大米外观品质分析系统与人工法测定大米样品结果Table 2 Determination results of rice samples by rice appearance quality analysis system and artificial method

3 结论

采用实验室自制开发的一种大米外观品质分析系统,包含整列装置、背景板、扫描设备和计算机,结合图像处理技术对大米垩白米进行快速准确的识别测定。大米外观品质分析系统对一幅大米图像分析检测平均时间为5 s,图像分析计数快速;并以国家标准方法对垩白米的检测为基础,优化了分析系统对大米样品测定垩白米的最佳阈值为0.43,在此阈值下大米外观品质分析系统与人工法测定垩白米数量绝对误差大小不超过2颗,垩白粒率绝对误差大小不超过0.32%,垩白度绝对误差大小不超过0.25%,大米外观品质分析系统对大米垩白米检测准确,表明可用大米外观品质分析系统代替人工法对垩白米进行检测。本实验方法对大米垩白米的检测,解决了人工筛选方式主观性强、分类准确率不高、效率低、误差较大的问题,可在粮食收购过程中有效准确地执行。在下一步工作中,可采用本文的分析系统结合图像处理技术,识别黄粒米、整精米等大米特征指标,对样本同时分析出黄粒米率、整精米率等大米质量指标结果。