大米的生产量和消费量一直是粮食作物中最多的。随着人民生活水平的提高和对外贸易的增加,大米的品质备受关注。大米的品质包括很多指标，外观品质直接影响其市场竞争力，加工品质是决定大米营养价值的主要因素。目前，大米品质的检测大多由人工完成，费时费力。随着信息技术的发展和计算机的应用，图像分析技术已被应用于多个学科,并显示出广阔的应用前景。为了对大米品质进行更客观的评定，利用计算机视觉技术进行图像处理，检测影响大米品质的因素。本文作为吉林省应用基础研究项目（201205013）的部分内容，主要对大米整碎米粒形检测、加工精度检测、透明度检测方面进行了以下研究：1．基于大米粒形特征的整碎米判别模型建立。利用大米图像采集装置获取大米图像，用MATLAB进行图像预处理，提取大米粒形特征参数。一是利用SPSS软件对大米粒形特征参数进行主成分分析后进行贝叶斯逐步判别分析，判别正确率是94.5%；基于MATLAB平台用新的粒性特征参数构建概率神经网络检测大米中的整米和碎米，判别正确率为99.4%；因此采用神经网络判别正确率较高。二是基于傅里叶变换系数法进行整碎米粒形检测。整米的边缘检测曲线是比较平滑的，而碎米的边缘检测曲线在拐点处是比较尖锐的。得到的边缘检测曲线进行傅里叶变换后，提取10个傅里叶变换系数，然后进行贝叶斯判别得到整碎米判别函数组，对整米和碎米判别正确率分别是93.3%和98.3%，平均准确率为95.8%。2．图像的纹理特征与大米加工精度的相关性分析。纹理分析的方法有统计法、频谱法、结构法多种方法。本文主要采用直方图统计法、灰度差分统计法、灰度梯度共生矩阵法、游程长度统计法四种方法进行纹理分析。将图像进行预处理之后，基于四种纹理分析方法提取不同加工精度的大米图像的纹理特征；基于SPSS数据分析软件和MATLAB平台，分别采用逐步判别分析方法和概率神经网络构建立大米加工精度的纹理特征判别模型。试验结果表明：直方图统计法、灰度差分统计法、灰度梯度共生矩阵法、游程长度统计法对不同加工精度的大米样品检测的逐步判别分析的准确率分别是：95.625%、84.1%、96.88%、89.38%，概率神经网络判别的准确率分别是90%、82.5%、90%、82.5%。因此采用直方图统计法和灰度梯度共生矩阵两种纹理分析方法提取大米纹理特征值，用逐步判别分析检测大米加工精度比较可靠。3．基于图像处理的大米透明度检测及大米透明度与大米淀粉含量间的相关性分析。利用大米图像采集装置获取大米图像，用MATLAB进行图像预处理，提取大米透明度特征值，以大米透明度感官评分为因变量，以图像透明度特征值为自变量采用逐步引入－剔除法进行多元线性回归分析，筛选出影响大米透明度的4个主要特征值(R值、B值、V值、M值)，建立大米透明度预测模型，该模型的预测R2达0.904。采用双波长法测定大米中直链和支链淀粉含量及二者比例，分析透明度特征值与淀粉含量的相关性，结果表明直链淀粉含量与透明度特征值（m（平均灰度值）、h（色泽比））相关性显著。以大米直链淀粉含量为因变量，以透明度特征值（m、h）为自变量进行多元线性回归分析，建立直链淀粉含量预测模型，该模型的预测R2只有0.61，模拟效果不理想。4．大米品质检测系统研究与设计。根据现代机械自动化的思想，将机电一体化控制系统运用到大米品质检测中，设计了大米品质检测自动化图像采集装置，以实现多粒米拍照时米粒自动分离，自动调焦，迅速高效的获取大米图像。该装置主要有由采集装置和执行机构两部分构成。采集装置主要由检测室、光源、CCD摄像头、电脑、数据线等元件组成。执行机构主要由升降运动装置、水平旋转装置和自动控制系统组成。此外还设计了一个由很多椭圆形凹槽的托盘，可以实现大米籽粒的自动分离，解决了图像分析时米粒粘连问题。基于MATLAB平台开发了大米品质检测系统，实现了大米整碎米粒形检测、大米加工精度检测、大米透明度检测。