【技术实现步骤摘要】
技术介绍
1、随着人们生活水平的提高，人们的要求从原来的吃的饱到吃的好。但是对营养健康认知水平还比较低，在饮食中过度关注大米的外观和口感，喜欢选择购买外观有光泽，食用口感细腻劲道的大米。这就要求加工大米的企业提高对大米的碾磨程度，然而传统的大米加工工艺在一定程度上影响了大米的品质和营养价值。
2、目前大米在抛光过程中，抛光机稳定运行之前是只通过主观判断抛光效果或固定运行2～3分钟废弃疑似不合格抛光米。传统的抛光精度检测方法是通过人工观察和触摸抛光机抛光后的大米来判断抛光精度是否合格，若大米没达到要求或过抛光将会调节抛光机中各类参数。但人工检测方法的主观性太强，结果有很大的不准确性，而且会造成大米的浪费。
3、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
1、本专利技术的主要目的在于提供一种大米抛光精度检测方法、装置及存储介质，旨在解决人工检测方法的主观性太强，结果有很大的不准确性的技术问题。
2、为实现上述目的，本专利技术提供一种大米抛光精度检测方法，所述大米抛光精度检测方法，所述大米抛光精度检测方法包括：
3、获取大米抛光后的大米彩色图像；
4、对所述大米彩色图像进行灰度化处理，得到灰度图像；
5、对所述灰度图像中的大米和背景区域进行分割处理，得到分割后的大米图像；
6、提取所述大米彩色图像中的颜色特征值，得到所述抛光后大米的颜色程度；
8、根据所述颜色程度以及光洁度确定抛光后大米的抛光精度。
9、可选地，所述获取大米抛光后的大米图像之前，还包括：
10、获取图像采集装置采集的各个不同方向的原始图像；
11、对所述原始图像进行拼接处理，得到抛光后大米的大米彩色图像；
12、对原始图像进行拼接处理，并通过图像混合或叠加的方法来融合重叠区域，得到抛光后大米的大米彩色图像；
13、可选地，所述对所述大米彩色图像进行灰度化处理，得到灰度图像，包括：
14、获取所述大米彩色图像中各个像素点包含的像素值；
15、对所述像素值进行灰度化计算，得到各个像素点对应的灰度值；
16、根据所述灰度值将所述大米彩色图像转换为原始灰度图像；
17、获取平滑系数，并根据所述平滑系数对所述原始灰度图像中的领域内像素进行加权平均灰度值处理，得到经过去噪后的灰度图像；
18、可选地，所述对所述灰度图像中的大米和背景区域进行分割处理，得到分割后的大米图像，包括：
19、获取灰度图像中灰度级为预设值的像素个数和总像素点个数；
20、根据所述像素个数和总像素点个数得到每一等级灰度图像所占图像总像素的概率、大米区域的灰度均值和背景区域的灰度均值；
21、根据所述每一等级灰度图像所占图像总像素的概率、所述大米区域的灰度均值和所述背景区域的灰度均值，得到最大的类间方差；
22、根据所述最大类间方差将大米和背景分割开，得到分割后的大米图像；
23、可选地，所述提取所述大米彩色图像中的颜色特征值，得到所述抛光后大米的颜色程度，包括：
24、提取所述大米彩色图像中各个像素点对应的像素值；
25、根据所述像素值得到各个像素点对应的颜色分类；
26、提取像素值中的最小值，根据所述像素值中的最小值和所述像素值综合确定各个像素点对应的颜色鲜艳程度；
27、根据所述像素值，确定各个像素点对应的颜色明暗；
28、将所述各个像素点对应的颜色分类、颜色鲜艳程度以及颜色明暗作为所述大米彩色图像中的颜色特征值；
29、根据所述颜色特征值确定所述抛光后大米的颜色程度；
30、可选地，所述对所述分割后的大米图像进行边缘检测，得到所述抛光后大米的光洁度，包括：
31、获取边缘检测模板的宽度；
32、根据所述宽度，确定高斯滤波器的滤波系数；
33、根据所述滤波系数确定边缘检测模板；
34、通过所述边缘检测模板对所述分割后的大米图像进行边缘检测，得到所述分割后的大米图像中的插值点位置；
35、根据所述插值点位置得到所述抛光后大米的光洁度；
36、可选地，所述根据所述插值点位置得到所述抛光后大米的光洁度，包括：
37、根据所述插值点位置，得到瑕疵区域；
38、根据所述瑕疵区域，得到最大瑕疵区域面积；
39、在所述最大瑕疵区域面积大于第一区域面积阈值时，确定所述抛光后大米的光洁度为多瑕；
40、在所述最大瑕疵区域面积大于第二区域面积阈值时，统计所述抛光后大米的瑕疵区域的总面积占对应的表面积的比例，其中，所述第一区域面积阈值大于所述第二区域面积阈值；
41、在所述比例大于等于比例阈值时，确定所述抛光后大米的光洁度为微瑕；
42、在所述比例小于比例阈值时，确定所述抛光后大米的光洁度为无瑕；
43、可选地，所述根据所述颜色程度以及光洁度确定抛光后大米的抛光精度，包括：
44、获取样本大米抛光前后的颜色程度、光洁度以及对应的抛光精度的实际结果；
45、根据样本大米抛光前后的颜色程度以及光洁度分为训练集和测试集；
46、通过训练集对初始大米抛光精度预测模型进行训练，得到大米抛光精度预测模型，其中，在训练过程中通过寻找最优的超平面，使得不同抛光精度等级的样本在特征空间中得到分隔；
47、通过测试集对大米抛光精度预测模型进行预测，得到预测结果；
48、在所述预测结果与实际结果满足预设条件时，通过大米抛光精度预测模型确定抛光后大米的抛光精度；
49、在所述预测结果与实际结果未满足预设条件时，对所述大米抛光精度预测模型进行调参和优化，得到优化后的大米抛光精度预测模型，并根据优化后的大米抛光精度预测模型确定抛光后大米的抛光精度；
50、可选地，所述根据所述颜色程度以及光洁度确定抛光后大米的抛光精度之后，还包括：
51、在抛光机加工精度满足需求的情况下，确定抛光机进入稳定状态，控制目标阀门开启，以使抛光后大米进入出料侧；
52、在抛光机加工精度未满足需求的情况下，调节抛光机参数，在确定达到要求的加工精度后，再确认抛光机进入稳定状态，控制目标阀门开启，以使抛光后大米进入出料侧。
53、此外，为实现上述目的，本专利技术还提供一种大米抛光精度检测装置，所述装置包括：
54、图像采集模块，用于获取大米抛光后的大米图像；
55、图像处理模块，用于对所述大米图像进行灰度化处理，得到灰度化图像，对所述灰度化图像中的大米和背景区域进行分割处理，得到分割后的大米图像，提取本文档来自技高网...
【技术保护点】
1.一种大米抛光精度检测方法，其特征在于，所述大米抛光精度检测方法包括以下步骤：
2.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述获取大米抛光后的大米彩色图像之前，还包括：
3.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述对所述灰度图像中的大米和背景区域进行分割处理，得到分割后的大米图像，包括：
4.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述提取所述大米彩色图像中的颜色特征值，得到所述抛光后大米的颜色程度，包括：
5.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述对所述分割后的大米图像进行边缘检测，得到所述抛光后大米的光洁度，包括：
6.如权利要求5所述的大米抛光精度检测方法，其特征在于，所述根据所述插值点位置得到所述抛光后大米的光洁度，包括：
7.如权利要求1至6中任一项所述的大米抛光精度检测方法，其特征在于，所述根据所述颜色程度以及光洁度确定抛光后大米的抛光精度，包括：
8.如权利要求1至6中任一项所述的大米抛光精度检测方法，其特征在于，所述根据
9.一种大米抛光精度检测装置，其特征在于，所述装置包括：
10.一种存储介质，其特征在于，所述存储介质上存储有大米抛光精度检测程序，所述大米抛光精度检测程序被处理器执行时实现如权利要求1至8任一项所述的大米抛光精度检测方法的步骤。
...【技术特征摘要】
1.一种大米抛光精度检测方法，其特征在于，所述大米抛光精度检测方法包括以下步骤：
2.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述获取大米抛光后的大米彩色图像之前，还包括：
3.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述对所述灰度图像中的大米和背景区域进行分割处理，得到分割后的大米图像，包括：
4.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述提取所述大米彩色图像中的颜色特征值，得到所述抛光后大米的颜色程度，包括：
5.如权利要求1所述的大米抛光精度检测方法，其特征在于，所述对所述分割后的大米图像进行边缘检测，得到所述抛光后大米的光洁度，包括：
6.如权...
【专利技术属性】
技术研发人员：王君，尹强，宋鸿杰，刘晓鹏，周劲，马逸霄，张永林，
申请(专利权)人：武汉金禾粮食机械有限公司，
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。