本发明专利技术涉及检测技术领域，公开了一种粮食并肩杂质含量的检测方法及装置，旨在解决现有检测方法存在效率低以及准确性差的问题，方案主要包括：对粮食样本进行逐粒图像采集，获得粮食样本的单体图像；对各单体图像进行图像预处理；根据预先训练的并肩杂质识别模型分别对各单体图像进行分类识别，确定出粮食图像和并肩杂质图像；分别在各粮食图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各并肩杂质图像中确定并肩杂质轮廓所形成区域的第二像素面积；根据所述第一像素面积和第二像素面积确定粮食样本中并肩杂质的含量。本发明专利技术提高了粮食并肩杂质含量的检测效率和准确性，适用于各类粮食。于各类粮食。于各类粮食。
【技术实现步骤摘要】
一种粮食并肩杂质含量的检测方法及装置
[0001]本专利技术涉及检测
，具体涉及一种粮食并肩杂质含量的检测方法及装置。
技术介绍
[0002]粮食质量检验是粮食入库前的第一道门槛，准确判定粮食质量是确保储粮安全和科学管理的前提。并肩杂质是指与被检测样大小相当的杂质，由于并肩杂质与粮食的物理特性相近，因此很难用传统的筛法等方式过滤掉粮食中的并肩杂质，而粮食中并肩杂质的含量高低会影响到粮食质量，因此有必要对粮食的并肩杂质含量进行检测。
[0003]为了确定粮食中并肩杂质的含量，传统的方式是通过获取一定量的粮食样本，由人工在粮食样本中筛选出并肩杂质，再通过对并肩杂质进行称重进而确定并肩杂质含量。这种方式存在耗时长效率低的缺点，并且由于主观性较强，使得检测准确性较差。
技术实现思路
[0004]本专利技术旨在解决现有粮食并肩杂质含量的检测方法存在效率低以及准确性差的问题，提出另一种粮食并肩杂质含量的检测方法及装置。
[0005]本专利技术解决上述技术问题所采用的技术方案是：一方面，提出一种粮食并肩杂质含量的检测方法，所述方法包括：对粮食样本进行逐粒图像采集，获得粮食样本的单体图像，所述单体图像包括粮食图像和并肩杂质图像；对各单体图像进行图像预处理；根据预先训练的并肩杂质识别模型分别对各单体图像进行分类识别，确定出粮食图像和并肩杂质图像；分别在各粮食图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各并肩杂质图像中确定并肩杂质轮廓所形成区域的第二像素面积；根据所述第一像素面积和第二像素面积确定粮食样本中并肩杂质的含量。
[0006]进一步地，所述并肩杂质识别模型的训练方法包括：收集粮食的多种并肩杂质并对其进行逐粒图像采集，将获得的并肩杂质图像进行图像预处理后作为负样本图像；获取多个粮食图像，并将获得的粮食图像进行图像预处理后作为正样本图像；根据所述正样本图像和负样本图像训练深度学习模型，获得并肩杂质识别模型。
[0007]进一步地，所述图像预处理具体包括：对图像进行二值化滤波处理和形态学处理。
[0008]进一步地，根据所述第一像素面积和第二像素面积确定粮食样本中并肩杂质的含量，具体包括：确定所有粮食图像的第一像素面积和以及所有并肩杂质图像的第二像素面积和，并确定第一像素面积和与第二像素面积和的像素面积总和；
根据第一像素面积和与像素面积总和的比值确定粮食样本中并肩杂质的质量占比。
[0009]进一步地，所述粮食为稻类粮食、麦类粮食、豆类粮食或粗粮类粮食。
[0010]另一方面，提出一种粮食并肩杂质含量的检测装置，所述装置包括：采集单元，用于对粮食样本进行逐粒图像采集，获得粮食样本的单体图像，所述单体图像包括粮食图像和并肩杂质图像；处理单元，用于对各单体图像进行图像预处理；识别单元，用于根据预先训练的并肩杂质识别模型分别对各单体图像进行分类识别，确定出粮食图像和并肩杂质图像；确定单元，用于分别在各粮食图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各并肩杂质图像中确定并肩杂质轮廓所形成区域的第二像素面积；以及根据所述第一像素面积和第二像素面积确定粮食样本中并肩杂质的含量。
[0011]进一步地，所述装置还包括训练单元，所述训练单元用于：收集粮食的多种并肩杂质并对其进行逐粒图像采集，将获得的并肩杂质图像进行图像预处理后作为负样本图像；获取多个粮食图像，并将获得的粮食图像进行图像预处理后作为正样本图像；根据所述正样本图像和负样本图像训练深度学习模型，获得并肩杂质识别模型。
[0012]进一步地，所述处理单元具体用于：对图像进行二值化滤波处理和形态学处理。
[0013]进一步地，所述确定单元，具体用于：确定所有粮食图像的第一像素面积和以及所有并肩杂质图像的第二像素面积和，并确定第一像素面积和与第二像素面积和的像素面积总和；根据第一像素面积和与像素面积总和的比值确定粮食样本中并肩杂质的质量占比。
[0014]进一步地，所述粮食为稻类粮食、麦类粮食、豆类粮食或粗粮类粮食。
[0015]本专利技术的有益效果是：本专利技术所述的粮食并肩杂质含量的检测方法及装置，通过获取粮食样本的图像并基于预先训练的预先训练的并肩杂质识别模型对粮食样本中的并肩杂质进行识别，并根据图像的像素面积确定粮食样本中并肩杂质的质量占比，相较于传统的人工筛选而言，提高了并肩杂质含量的检测效率和准确性。并且本专利技术通过对图像进行二值化滤波处理和形态学处理，提高了模型训练以及并肩杂质识别的准确性。
附图说明
[0016]图1为本专利技术实施例所述粮食并肩杂质含量的检测方法的流程示意图；图2（a）为本专利技术实施例所述小麦图像的一种示意图；图2（b）为本专利技术实施例所述小麦图像的另一种示意图；图3（a）为本专利技术实施例所述小麦的并肩杂质图像的一种示意图；图3（b）为本专利技术实施例所述小麦图像的另一种示意图；图4为本专利技术实施例所述并肩杂质识别模型的训练方法的流程示意图；图5为本专利技术实施例所述小麦的负样本图像的示意图；
图6为本专利技术实施例所述小麦的正样本图像的示意图；图7为本专利技术实施例所述粮食并肩杂质含量的检测装置的结构示意图。
具体实施方式
[0017]下面将结合附图对本专利技术的实施方式进行详细描述。
[0018]本专利技术旨在提供一种粮食并肩杂质含量的检测方法及装置，以提高粮食并肩杂质含量的检测效率和准确性，其主要的技术构思如下：对粮食样本进行逐粒图像采集，获得粮食样本的单体图像，所述单体图像包括粮食图像和并肩杂质图像；对各单体图像进行图像预处理；根据预先训练的并肩杂质识别模型分别对各单体图像进行分类识别，确定出粮食图像和并肩杂质图像；分别在各粮食图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各并肩杂质图像中确定并肩杂质轮廓所形成区域的第二像素面积；根据所述第一像素面积和第二像素面积确定粮食样本中并肩杂质的含量。
[0019]可以理解，本专利技术首先需要通过收集大量的并肩杂质图像和目标粮食图像，并对其进行图像处理后训练并肩杂质识别模型。在需要进行粮食并肩杂质含量的检测时，对粮食样本进行逐粒图像采集，即获取粮食样本中每粒粮食或者并肩杂质的单体图像，针对各单体图像，分别对其进行图像处理后输入至并肩杂质识别模型中，即可识别出单体图像为粮食图像还是并肩杂质图像，最后根据粮食图像和并肩杂质图像的像素面积确定粮食样本中并肩杂质的质量占比。
[0020]实施例
[0021]请参阅图1，本专利技术实施例所述的粮食并肩杂质含量的检测方法，包括以下步骤：S1、对粮食样本进行逐粒图像采集，获得粮食样本的单体图像，所述单体图像包括粮食图像和并肩杂质图像。
[0022]本实施例中，粮食样本可以是从待检测粮食中选取的部分粮食，待检测粮食可以为稻类粮食、麦类粮食、豆类粮食或粗粮类粮食。其中，稻类粮食可以为：粳稻，籼稻，糯稻，陆稻（旱稻），深水稻等，麦类粮食可以为：小麦，大麦，青稞（元麦），黑麦，燕麦等，豆类粮食可以为：大豆，小豆（红豆），绿豆等，粗粮类粮食可以为：玉米，高本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种粮食并肩杂质含量的检测方法，其特征在于，所述方法包括：对粮食样本进行逐粒图像采集，获得粮食样本的单体图像，所述单体图像包括粮食图像和并肩杂质图像；对各单体图像进行图像预处理；根据预先训练的并肩杂质识别模型分别对各单体图像进行分类识别，确定出粮食图像和并肩杂质图像；分别在各粮食图像中确定粮食轮廓所形成区域的第一像素面积，并分别在各并肩杂质图像中确定并肩杂质轮廓所形成区域的第二像素面积；根据所述第一像素面积和第二像素面积确定粮食样本中并肩杂质的含量。2.如权利要求1所述的粮食并肩杂质含量的检测方法，其特征在于，所述并肩杂质识别模型的训练方法包括：收集粮食的多种并肩杂质并对其进行逐粒图像采集，将获得的并肩杂质图像进行图像预处理后作为负样本图像；获取多个粮食图像，并将获得的粮食图像进行图像预处理后作为正样本图像；根据所述正样本图像和负样本图像训练深度学习模型，获得并肩杂质识别模型。3.如权利要求1或2所述的粮食并肩杂质含量的检测方法，其特征在于，所述图像预处理具体包括：对图像进行二值化滤波处理和形态学处理。4.如权利要求1所述的粮食并肩杂质含量的检测方法，其特征在于，根据所述第一像素面积和第二像素面积确定粮食样本中并肩杂质的含量，具体包括：确定所有粮食图像的第一像素面积和以及所有并肩杂质图像的第二像素面积和，并确定第一像素面积和与第二像素面积和的像素面积总和；根据第一像素面积和与像素面积总和的比值确定粮食样本中并肩杂质的质量占比。5.如权利要求1所述的粮食并肩杂质含量的检测方法，其特征在于，所述粮食为稻类粮食、麦类粮食、豆类粮食或粗粮类粮食。6.一种粮食并肩杂质含...
【专利技术属性】
技术研发人员：董德良，李炜，兰盛斌，张华昌，李月，石恒，李晓亮，贺波，黄波，李兵，杨波，唐琦林，付迁，杨玉雪，范运乾，刘靖椿，
申请(专利权)人：中储粮成都储藏研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。