论文摘要
稻谷是人类赖以生存的粮食作物,能够提供人们生活所需的60%-70%的能量。作为中国主要的粮食作物之一,整个国内大约有60%左右的人是以大米为主要食物的。稻谷籽粒裂纹是稻谷产生碎米、发霉和食用品质下降的主要原因,其裂纹产生方式与其结构强度有关,而籽粒结构强度是其微观结构的外在表现,因此从微观角度探讨稻谷加工破损具有重要意义。本文结合宏观力学特性、微观结构和图像处理技术以及模式识别技术结合起来,研究稻谷的破损方式。主要研究内容如下：1.本试验是在质构仪上对籼稻进行不同破损方式的模拟加工试验,其中包括剪切、压缩和弯曲力学特性试验。为满足试验样品的特殊性,自行设计了弯曲夹具。这三种不同的破损力分布特性差异主要表现在：压缩方式下的最大破损力分布不集中,区间跨度大,剪切方式下的最大破损力次之,弯曲方式下的最大破损力分布集中,跨度区间小。其中在剪切方式下,对籼稻做了含水率的测定,为后续识别工作做准备。2.搭建机器视觉平台,对上述力学特性试验的稻谷断面进行显微图像获取,利用MATLAB软件进行图像处理,对显微图像进行二值化、灰度化、图像分割、背景去除、膨胀和腐蚀、骨架提取等。其中原始图像经过二值化提取到裂纹参数；经过灰度化的图像得到纹理特征参数和晶点面积比参数,为后续识别工作做准备。3.在图像处理的基础上,分别提取了图像中纹理特征参数和形状特征参数。纹理特征参数和形状特征参数能很好的识别籼稻加工破损方式。其中纹理特征包括：平均灰度、平均对比度、熵、平滑度、对比度、能量、相关性、一致性、同一性、三阶矩；形状特征包括：晶点面积比和裂纹。通过散点图和方差分析的得出具有显著性差异的特征参数,用来对籼稻加工破损方式的识别。显著特征参数包括：平均灰度、平均对比度、熵、平滑度、对比度、晶点面积比和裂纹。4.采用BP神经网络对显著特征参数平均灰度、平均对比度、熵、平滑度、对比度、晶点面积比和裂纹进行识别分类。分别设计了3种识别器,其中在不同含水率下的裂纹平均识别率为92.5%；在不同受力方式下,晶点面积比的平均识别率为90.2%；显著纹理特征参数的平均识别率为87.5%。