论文部分内容阅读
根据稻米形态特点设计了稻米动态图像采集系统,选用背景差分法对米粒动态图像进行目标分割,实现了运动状态下稻米图像特征提取。对提取的颜色、形态特征进行多结构神经网络训练,实现了透明整米、垩白整米、碎米和黄米四类稻米的识别,识别准确率分别为95.2%,89.6%,97.3%和90.5%。识别效果较好,为稻米在线图像检测分选奠定基础。