农业在我国是第一产业,在国家经济体制中占据重要一环,支撑着国家经济的发展。水稻又是农业生产中生产量最大的作物,加工水稻生产的大米在其外观品质的影响因素主要为碎米率、垩白度、黄米率,这些也是我国稻米栽种,稻米加工的重要指标,目前市场上针对于大米的各项检测方法大多由人力检测,劳动成本过高,远没有机械化生产所来的高效,其结果也不具备客观性和再实现性,致使包含大量垩白、碎粒的大米流向市场,对广大民众的健康权益造成侵害。随着计算机运算能力与元件生产的大力发展,以及相应处理算法的进步,计算机技术在各行各业中都展露锋芒。本文通过运用机器视觉技术对大米的的碎米率、垩白率、黄米率等外观质品质的自动检测算法进行了讨论研究,解决了人工测量主观因素差异,检测速度慢;一般机器视觉对多籽粒连接、多粒型种类下大米检测所产生的误差较大;同时提出了综合判别算法,大大减少了计算机处理图像所需要的时长,主要研究内容如下:1.建立生产线大米动态监测系统,动态获取清晰的米粒图像,减少生产线中粉尘、碎颗粒、光线的干扰,得到静态的、低聚合度的籽粒图像;提出一种通过数学形态上膨胀腐蚀运算分离连接籽粒的方法,此方法也可对其他具有连接特征的凸形图像轮廓进行分离。2.研究讨论了基于粒周长、长轴宽轴比、投影面积的碎米率检测算法;针对不同粒型下各方案的检测精度差异较大,提出一种综合的基于粒型长宽比特征在碎米率检测算法中选取最优方案的算法,并讨论长宽比阈值间的选择关系。3.针对大米的垩白特征,采用基于大米图像灰度特征的垩白检测法,统计出大米区域个数、垩白像素总数、大米区域像素总数来求得垩白度和垩白率。4.针对黄米粒的检测,介绍了几种颜色空间后因HSI空间中黄粒米在H分量下色度分布频率不同,以此作为特征进行黄米粒的检测,后取得满意效果。