本发明专利技术公开了一种碎米率分级识别方法、装置、设备及存储介质，属于食品检测技术领域。本发明专利技术通过获取样本中多个米粒的图像，将所述多个米粒的图像通过预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数，其中，所述米粒的形态包括整米形态和多个碎米形态，根据能够组成形成一个整米形态的多个所述碎米形态以及各自对应的个数确定破碎整米个数，根据所述整米形态米粒的个数和所述破碎整米个数计算碎米率。能够进一步精确米粒的总个数，以使得计算得到的所述碎米率更为精确，减小计算得到的碎米率的误差，使稻米加工控制系统调整的稻米加工工艺参数更为精准。精准。精准。
【技术实现步骤摘要】
一种碎米率分级识别方法、装置、设备及存储介质
[0001]本专利技术涉及食品检测
，尤其涉及一种碎米率分级识别方法、装置、设备及存储介质。
技术介绍
[0002]我国是世界上最大的稻米加工和消费国，加工的稻米的品质影响到生产、加工和消费等多个环节。评价稻米生成和加工质量的一个重要指标是稻米的完整程度，因此在加工中稻米的破碎程度影响到加工质量以及销售价格。在稻谷到稻米的加工过程中，由于受到多种外力、工艺参数以及稻米内部缺陷等因素的影响，大米在加工中不可避免地会产生碎米，碎米率也是其中一项重要的评价指标。碎米率不仅仅是影响大米质量和售价的重要指标，也是反应大米加工水平的重要指标。因此，对于稻米加工企业在大米加工中控制碎米率，并在线检测碎米率，及时调整加工工艺参数，显得尤其重要。
[0003]现有地，碎米率的一种检测方法是将样品拿到实验室进行人工检验，同时采用专门的检测设备来测量碎米率，这种方法特别耗时并且效率低，并且将每个碎米粒都识别为一个米粒单位，使计算得到的碎米率具有很大的误差。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0005]本专利技术的主要目的在于提供一种碎米率分级识别方法、装置、设备及存储介质，旨在解决现有地碎米率识别方法特别耗时并且效率低，无法在先快速检测稻米加工后的碎米率以及破碎分级状态技术问题。
[0006]为实现上述目的，本专利技术提供一种碎米率分级识别方法，包括：
[0007]获取样本中多个米粒的图像；
[0008]将所述多个米粒的图像通过预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数，其中，所述米粒的形态包括整米形态和多个碎米形态；
[0009]根据能够组成形成一个整米形态的多个所述碎米形态以及各自对应的个数确定破碎整米个数；
[0010]根据整米形态米粒的个数和所述破碎整米个数计算碎米率。
[0011]可选地，所述将所述多个米粒的图像通过预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数的步骤包括：
[0012]从所述多个米粒的图像中提取每个米粒的图像；
[0013]提取每个米粒图像的轮廓线；
[0014]将米粒的实际面积通过所述预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数。
[0015]可选地，所述将米粒的实际面积通过所述预设卷积神经网络模型进行推导以确定
米粒的形态，并分别统计不同形态米粒的个数的步骤包括：
[0016]在当前米粒的实际面积满足所述预设卷积神经网络模型中的整米形态条件时，确定当前米粒的形态为整米形态，并统计当前米粒为所述整米形态的米粒的个数；
[0017]在当前米粒的实际面积满足所述预设卷积神经网络模型中的碎米形态条件时，确定所述碎米形态的米粒的个数统计策略。
[0018]可选地，所述在当前米粒的实际面积满足所述预设卷积神经网络模型中的碎米形态条件时，确定所述碎米形态的米粒的个数统计策略的步骤包括：
[0019]计算当前米粒的实际面积与所述预设卷积神经网络模型中的整米形态的米粒面积比值；
[0020]根据所述面积比值确定当前米粒的碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定碎米的分段类型，统计具有当前分段类型的米粒的个数。
[0021]可选地，所述碎米的分段类型包括1/2碎米头、1/2碎米尾、1/3碎米头、1/3中部段、1/3碎米尾、2/3碎米头以及2/3碎米尾；
[0022]所述根据所述面积比值确定当前米粒的碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定碎米的分段类型，统计具有当前分段类型的米粒的个数的步骤包括：
[0023]当所述面积比值满足1/2比值条件时，确定当前米粒为1/2碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定当前米粒为1/2碎米头或者1/2碎米尾，并统计当前米粒为1/2碎米头或者1/2碎米尾的个数；
[0024]当所述面积比值满足1/3比值条件时，确定当前米粒为1/3碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定当前米粒为1/3碎米头、1/3中部段以及1/3碎米尾中的一个，并统计当前米粒为1/3碎米头、1/3中部段以及1/3碎米尾的个数；
[0025]当所述面积比值满足2/3比值条件时，确定当前米粒为2/3碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定当前米粒为2/3碎米头或者2/3碎米尾，并统计当前米粒为2/3碎米头或者2/3碎米尾的个数。
[0026]可选地，所述根据能够组合形成一个整米形态的多个所述碎米形态以及各自对应的个数确定破碎整米个数的步骤包括：
[0027]将所述1/2碎米头的个数Z1与所述1/2碎米尾的个数Z2进行组合，以得到1/2破碎整米个数Z
1/2
＝max(Z1,Z2)；
[0028]将所述2/3碎米头的个数Z6与所述1/3碎米尾的个数Z4进行组合，以得到第一2/3破碎整米个数Z
2/3头
＝Z6；
[0029]将所述2/3碎米尾的个数Z7与所述1/3碎米头的个数Z5进行组合，以得到第二2/3破碎整米个数Z
2/3尾
＝Z7；
[0030]将所述1/3碎米头的个数Z5、所述1/3碎米尾的个数Z4与所述1/3中部段的个数Z8进行组合，以得到1/3破碎整米个数Z
1/3
＝max(Z8，Z7
‑
Z4，Z6
‑
Z5)；
[0031]计算所述1/2破碎整米个数、所述第一2/3破碎整米个数、所述第二2/3破碎整米个数以及所述1/3破碎整米个数之和，并确定为破碎整米个数。
[0032]可选地，在所述获取样本中多个米粒的图像的步骤之前还包括：
[0033]通过卷积网络模型的卷积层中的多个卷积核采集训练米粒的形态信息，以得到形
态图层；
[0034]通过卷积网络模型的池化层对所述形态图层进行融合处理，以得到低维图层；
[0035]通过卷积网络模型的平铺层对所述低维图层进行平铺降维处理，以得到一维向量；
[0036]通过卷积网络模型的全连接层对所述一维向量进行映射处理，以得到图像特征；
[0037]根据所述图像特征构建所述预设卷积神经网络模型。
[0038]此外，为实现上述目的，本专利技术还提出一种碎米率分级识别装置，所述碎米率分级识别装置包括：
[0039]图像采集模块，用于获取样本中多个米粒的图像；
[0040]分离处理模块，用于将所述多个米粒的图像通过预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数，其中，所述米粒的形态包括整米形态和多个碎米形态；
[0041]整合处理模块，用于根据能够组合形成一个整本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种碎米率分级识别方法，其特征在于，所述碎米率分级识别方法包括：获取样本中多个米粒的图像；将所述多个米粒的图像通过预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数，其中，所述米粒的形态包括整米形态和多个碎米形态；根据能够组成形成一个整米形态的多个所述碎米形态以及各自对应的个数确定破碎整米个数；根据所述整米形态米粒的个数和所述破碎整米个数计算碎米率。2.如权利要求1所述的碎米率分级识别方法，其特征在于，所述将所述多个米粒的图像通过预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数的步骤包括：从所述多个米粒的图像中提取每个米粒的图像；提取所述每个米粒图像的轮廓线；将米粒的实际面积通过所述预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数。3.如权利要求2所述的碎米率分级识别方法，其特征在于，所述将米粒的实际面积通过预设卷积神经网络模型进行推导以确定米粒的形态，并分别统计不同形态米粒的个数的步骤包括：在当前米粒的实际面积满足所述预设卷积神经网络模型中的整米形态条件时，确定当前米粒的形态为整米形态，并统计当前米粒为所述整米形态的米粒的个数；在当前米粒的实际面积满足所述预设卷积神经网络模型中的碎米形态条件时，确定所述碎米形态的米粒的个数统计策略。4.如权利要求3所述的碎米率分级识别方法，其特征在于，所述在当前米粒的实际面积满足所述预设卷积神经网络模型中的碎米形态条件时，确定所述碎米形态的米粒的个数统计策略的步骤包括：计算当前米粒的实际面积与所述预设卷积神经网络模型中的所述整米形态的米粒面积比值；根据所述面积比值确定当前米粒的碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定碎米的分段类型，统计具有当前分段类型的米粒的个数。5.如权利要求4所述的碎米率分级识别方法，其特征在于，所述碎米的分段类型包括1/2碎米头、1/2碎米尾、1/3碎米头、1/3中部段、1/3碎米尾、2/3碎米头以及2/3碎米尾；所述根据所述面积比值确定当前米粒的碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定碎米的分段类型，统计具有当前分段类型的米粒的个数的步骤包括：当所述面积比值满足1/2比值条件时，确定当前米粒为1/2碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定当前米粒为1/2碎米头或者1/2碎米尾，并统计当前米粒为1/2碎米头或者1/2碎米尾的个数；当所述面积比值满足1/3比值条件时，确定当前米粒为1/3碎米形态，将当前米粒的图像通过所述预设卷积神经网络模型推导以确定当前米粒为1/3碎米头、1/3中部段以及1/3碎米尾中的一个，并统计当前米粒为1/3碎米头、1/3中部段以及1/3碎米尾的个数；
当所述面积比值满足2/3比值条件时，确定当前...
【专利技术属性】
技术研发人员：叶建平，
申请(专利权)人：武汉轻工大学，
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。