大米是最重要的粮食品种之一,目前我国对大米的质量检测仍然停留在人工观察阶段,这种检测方式缺乏客观性与准确性,而且难以适应实际生活中的大批量的检测。针对这些问题本文研究了基于数字图像处理的大米质量检测与品种检测,对大米品质自动检测领域做了有意义的研究和探索。本论文的主要内容如下:　　 首先,根据大米的形态及外观特性,设计了用于采集大米图像的图像采集系统,本系统结构简单,易于实现,同时也可以应用于其他农作物种子图像的采集,取得了良好的效果。　　 然后,通过分析比较图像预处理的几种算法,选择了适合大米图像特征的预处理方法,采用自适应中值滤波器对获取的图像进行去除噪声处理,实验证明,经过图像预处理,能够大大提高大米的图像分析的准确性。　　 在大米垩白检测领域,本文研究了一种新的基于模糊阈值分割算法的大米垩白检测算法。本算法在传统模糊阈值分割的基础上,首先使用最大类间方差的阈值求解方法求出阈值T,然后再在T的基础上给出一个加权平均公式缩小了阈值选取时资格函数自变量g的取值范围,实验结果证明本文提出方法不仅能够准确的对大米垩白进行检测而且缩短了算法耗时,提高垩白的检测效率。　　 在大米的黄米粒检测领域,本文研究了基于信息熵的黄米粒检测算法。本算法首先计算大米图像的整体信息熵,然后对大米图像进行非重叠区域划分,计算每个分块图像的单元信息熵,最后以图像的整体信息熵为阈值对图像进行划分,实现了对黄米粒的检测。　　 在大米的品种检测领域,本文运用支持向量机理论对不同品种的大米进行分类。通过提取大米6个形态参数:质心、面积、周长、圆形度、长轴和短轴作为特征参数进行实验。并对三种核函数进行对比实验,实验结果表明多项式核函数对大米的分类有着较好的效果。