[实用新型]大豆外观品质检测装置

说明书

本实用新型公开了一种大豆外观品质检测装置，包括金属黑盒、处理器；金属黑盒内包括：透明树脂平板、存储器以及第一变速移动成像组件；透明树脂平板水平设置于金属黑盒中部，将金属黑盒分成上部、下部两个空间；存储器固定于金属黑盒内，与处理器电路连接；第一变速移动成像组件与处理器电路连接，第一变速移动成像组件基于处理器的控制信号以不同移动速度在金属黑盒的上部或下部内移动，对设置于透明树脂平板上的数个大豆样本的一面进行图像采集。本实用新型利用移动速度可变的变速移动成像组件代替传统的相机拍摄技术，可以确保每张大豆样品在照片的任何位置几何度保持基本均匀，同时根据反光率改变成像组件移动速度，提高检测速度。

技术领域

本实用新型涉及一种大豆外观品质检测装置，属于农业技术领域。

背景技术

大豆在国际农品贸易中占有重要地位，中国目前是世界上大豆的主要生产和消费大国。大部分的大豆收获后被干燥处理，之后被用于储存或加工的工业生产。干燥后的大豆种皮和果肉颜色变黄，因此又被称为黄豆。大豆营养丰富，种子中含有高质量的蛋白质、无胆固醇油，其中豆油中对人体有益的不饱和脂肪酸高达88.6％，另外还富含氨基酸、维生素、矿物质和脂肪。大豆食品作为一种健康食品愈来愈受到人们的青睐。研究大豆以及其制品质量标准和开发精确的品质检测技术，对于指导大豆生产及加工利用，提高大豆产品市场竞争力具有重要意义。

现有大豆外观品质图像多采用工业相机获取，不同大豆颗粒在照片的不同位置的几何度保持发生一定的变形，并且成像受到相机拍摄高度和视角等参数的影响。基于机器视觉和机器学习技术的人工智能系统被用于检测和区分大豆种子质量，Ahmad等人使用颜色信息对无症状和有症状的大豆种子进行分类；Shatadal等人使用RGB颜色空间特征训练了一个前馈神经网络，将大豆种子分类为完整的、损伤的和虫蛀的类别。刘等人提取黄豆L*a*b颜色特征、能量、熵、周长、面积、圆度、伸长率、紧凑度、偏心率、椭圆轴比和等效直径的特征作为BP人工神经的输入网络和建立一个三层分类器，用于分类破碎和正常大豆种子。这些先前的方法基本上使用颜色、形态和纹理的全局视觉特征来描述大豆种子。全局特征通常包含大量无效的背景信息，并且使用他们很容易掩盖局部详细信息，无效特征的引入和有效的细节识别信息的丢失将不可能避免的影响分类模型的性能，从而影响最终的识别准确性。近年来，基于词典特征模型的局部视觉特征表示的技术在农业对象识别方面显示出巨大的应用潜力。词典特征模型是模仿文档分析方法，将局部图像特征视为视觉单词并提取视觉词典特征以表示图像的属性。Murat等人使用密集尺度不变特征的词典特征模型来分类小麦种子品种。肖等人提出利用基于尺度不变特征变换的视觉词典模型特征对南方四种重要的蔬菜害虫进行分类。上述相关的研究仅使用了一种类型的视觉词典，很难充分表达复杂的农业对象，并且没有相关方法正对大豆种子检测质量的研究。

发明内容

本实用新型的目的在于提供一种用于运行大豆外观品质检测方法的大豆外观品质检测装置，解决获取大豆种子在影像上的任何位置几何度均匀度不足，多模态异特质的有效提取和耦合影像大豆种子外观品质判断精度低的技术缺陷。

一种大豆外观品质检测装置，包括金属黑盒、处理器；所述金属黑盒内包括：透明树脂平板、存储器以及第一变速移动成像组件；所述透明树脂平板水平设置于所述金属黑盒中部，将所述金属黑盒分成上部、下部两个空间；所述存储器固定于所述金属黑盒内，与所述处理器电路连接；所述第一变速移动成像组件与所述处理器电路连接，所述第一变速移动成像组件基于所述处理器的控制信号以不同移动速度在所述金属黑盒的上部或下部内移动，对设置于所述透明树脂平板上的数个大豆样本的一面进行图像采集。