[发明专利]用于精米米种检测的数据库模型构建方法和装置及精米米种检测方法

说明书

用于精米米种检测的数据库模型构建方法和装置及精米米种检测方法，涉及食品检测领域，针对现有技术研究中主要存在的对于精米的品种分类，机器视觉方法尚未被探索、机器视觉法与近红外光谱法的融合应用尚未被探索的问题，本申请提供的技术方案为：采集精米米粒样本图像；将精米米粒研磨成粉，采集光谱；将精米米粒品种编号与所述的图像和光谱匹配；构建检测模型，基于该模型采用建模融合方法将多参数机器视觉方法和红外光谱法相结合，提出了精米米种检测方法，对被测米粒进行图像采集，将被磨成粉的被测米粒用光谱仪进行光谱采集，将光谱数据和多图像参数输入到建立的模型中，输出得到大米品种。适用于多品种大样本的大米品种分类应用中。

技术领域

涉及食品检测领域，具体涉及用于精米米种检测的数据库模型构建方法和装置及精米米种检测方法。

背景技术

大米因其良好的口感和营养价值而成为亚洲各国最重要的谷类作物。然而错误地标明大米产地或掺假行为给不法商贩带来不公平的经济优势，同时也破坏了消费者对生产者的信誉。

大米品种检测方法包括拉曼光谱、高光谱、无机元素分析、近红外光谱、太赫兹光谱等方法。

2021-07-01杨森发表的文献《Development of an integrated variety andappearance quality measurement system for milled rice》中提出了一种将单参数的机器视觉(MV)与红外光谱 (NIS)在流程上进行融合(NIS-MV)的精米米种检测方法；但是在该方法中，NIS是主体， MV是辅助，MV只用了一个参数，目的在于NIS出现误判时，通过图像特征纠正这个错误，其中MV和NIS实质上是独立工作，没有相互之间的组合；并且由于是纠错，所以只有当 NIS把一个品种分类成与其外形差异很大的品种时才能实现有效纠错，也正是因为这种纠错原理，使得NIS-MV方法的适用范围很窄，精度低，效率低。

发明内容

针对现有技术研究中主要存在的对于精米的品种分类，机器视觉方法尚未被探索、机器视觉法与近红外光谱法的融合应用尚未被探索的问题，本申请采用的技术手段为：

提供了用于精米米种检测的数据库模型构建方法，所述的方法包括：

采集精米米粒样本图像的步骤；

将精米米粒研磨成粉，采集光谱的步骤；

将精米米粒品种编号与所述的图像和光谱匹配的步骤。

进一步，所述的采集精米米粒样本图像的步骤中还包括：采集多图像参数的步骤；所述的多图像参数包括：形态、纹理和颜色。

进一步，所述的采集精米米粒样本图像的步骤还包括：对采集的图像进行预处理的步骤；所述的预处理包括：灰度变换、中值滤波、开放操作和图像融合。

基于同一发明构思，本申请还提供了用于精米米种检测的数据库模型构建装置，所述的装置包括：

用于采集精米米粒样本图像的图像采集模块；

用于将精米米粒研磨成粉的研磨模块；

用于采集所述的磨成粉的精米的光谱的光谱采集模块；

用于将精米米粒品种编号与所述的图像和光谱匹配的匹配模块。

进一步，所述的图像采集模块还包括：用于采集多图像参数的参数采集子模块；所述的多图像参数包括：形态、纹理和颜色。

进一步，所述的图像采集模块还包括：用于对采集的图像进行预处理的预处理模块；所述的预处理包括：灰度变换、中值滤波、开放操作和图像融合。

基于同一发明构思，本申请还提供一种储存介质，所述的储存介质中储存有计算机程序，当外部处理器运行该储存介质中储存的程序时，所述的外部处理器执行用于精米米种检测的数据库模型构建方法。