机器视觉技术在稻米外观品质检测中的应用与展望

第３９卷第６期　２００８年６月　东北农业大学学报　３９ｆ６１：１２８￣１３１　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ　Ｊｕｎｅ　２ｏ０８　文章编号１００５—９３６９（２００８）０６—０１２８—０４　机器视觉技术在稻米外观品质检测中的应用与展望　刘成海　，郑先哲　，叶　斌　，刘柏青　（１．东北农业大学工程学院，哈尔滨　１５００３０；２．尚志市公路客运站，黑龙江　尚志　１５０６００）　摘要：文章主要介绍了机器视觉技术在稻米外观品质（爆腰、垩白、留胚率和颜色）检测，以及稻米的碾磨　精度、破损率、异形米和直链淀粉检测中的应用。针对现阶段机器视觉技术在稻米检测中的不足，对其进一步的　应用提出展望。　关键词：机器视觉技术；稻米；外观品质　中图分类号：ＴＰ３９１．７；ＴＰ３１７．４　文献标识码：Ａ　近年来，随着人们生活水平的不断提高，人　况，指出爆腰米粒与非爆腰米粒问在灰度图上的区　们对稻米品质的要求也越来越高。但是现行的稻　别，并据此提出三种检测方法一直方图傅里哀系数　米品质检测手段都普遍存在耗时长、人为因素多　判别法、直方图波峰检出法和灰度突变辨别法Ｉ３１。　等缺点，特别是在稻米外观品质检测过程中，由　Ｌａｎ等利用图像正面相加，开发出了检测大米爆腰　于是以肉眼目测为主，所以使得检测结果中人为　的程序，通过分析爆腰谷粒的加工图像，得到长　因素占很大部分，这导致检测方法在客观性、准　粒和中粒大米颗粒爆腰结构的差异，并分别予以　确性和快速性等方面均存在明显的不足。机器视　检测Ｉ４１。黄星亦等利用小波变换在图像边缘提取和　觉又称计算机视觉，它的特点是测量精确、稳定、　去噪中的优越性，通过对二进尺度下图像小波变换　快速、可大幅度提高生产的柔性及自动化程度以　局部极大值的检测，提取边缘特征，去除噪声，对　提高生产效率【１Ｊ。因此，机器视觉技术的应用可以　糙米爆腰图像中的裂纹进行有效识别，实现爆腰率　很好的改善肉眼检测中存在的不足，在稻米外观　的自动检测ｌ　５】。郑华东等在分析大米裂纹光学特征　品质检测中越来越引起了人们的重视。　的基础上，通过图像二值化、区域标记等方法从原　１　机器视觉技术在稻米外观品质检　始图像中提取单体米粒图像，并对提取出的单体　测中的应用　米粒图像进行灰度拉伸变换处理以突出米粒裂纹　特征，然后提取单体米粒的行灰度均值变化曲线，　从２０世纪８０年代开始，国外学者就开始把机　并对曲线进行加权滤波处理，提出一种基于单体　器视觉技术应用于稻米识别和分级的研究中。　裂纹米粒图像行灰度均值变化特征的大米裂纹检测　１９８３年，日本大学森岛博教授开始对同品种稻米　算法【　。　中整粒、碎粒、异色粒、有裂痕粒的识别和分级　由于有些稻米的裂纹非常微小，通常在自然　方法，以及不同品种大米的识别方法进行了初步　光条件下，很难通过机器视觉体现出来，因此现　研究【　。　有的检测方法都借助高强度光源，但这类光源的　１．１机器视觉技术在稻米爆腰检测中的应用　发热量很高，而稻米对周围温度感应又非常灵敏，　对稻米爆腰的研究开始于９０年代，方如明阐　极易在温度升高的条件下发生爆腰或加大爆腰程　述了运用计算机图象处理技术检测大米的爆腰情　度，对检测结果有很大影响，所以应在这方面作　收稿日期：２００６—０４—１３　进一步的研究。　基金项目：黑龙江省教育厅海外学人科研项目（１６８８５８８６）　机器视觉并不是唯一的快速检测爆腰情况的　作者简介：刘成海（１９８２一），男，黑龙江人，硕士研究生．研究　方法，目前还有利用声波进行稻米爆腰检测的方　方向为农产品加］一卜了储藏。　通讯作者Ｅ—ｍａｉｌ：ｚｈｅｎｇｘｚ＠ｎｅａｕ　ｅｄｕ．ｃｎ　法　维普资讯 http://www.cqvip.com 第６期　刘成海等：机器视觉技术在稻米外观品质检测中的应用与展望　’１２９’　１．２机器视觉技术在稻米垩白检测中的应用　（蓝色）值上，并由此设定检测黄粒米的阈值【ｌ５】。孙　明等人提出一种基于ＨＩＳ色调的黄粒米检测算法。　侯彩云等运用三值化方法，通过将稻米图像　转换为黑白灰三色，来检测稻米的垩白度及垩白　粒率网。孙明等也运用机器视觉技术来对稻米垩白　等质量参数进行自动检测，并验证检测此方法的可　通过对标准米和黄粒米图像色调直方图的分析和研　究，提出以黄色区域的频度均值作为特征参数，区　分标准米和黄粒米Ｉ】６１。目前，对黄粒米的检测以这　行性　。吴建国等开发出专用垩白测定软件，并与　国标方法比较，以建立一种新的稻米垩白性状快　速，实用的测定方法Ｉ】ｏＪ。　两种的方法最为常用。针对这一现象，刘光蓉等分　别绘制了ＲＧＢ模型和ＨＩＳ模型，并根据色度图求　出的大米色泽与实际大米色泽基本一致，可以用于　黄粒米和其它颜色方面的检测　。另外，Ｓｈａｒｍａ等　上述几个人的研究都是以选取单一的灰度值作　为阈值来进行检测的。实际上，这种方法是有适用　前提的，它只适合垩白区域的灰度分布与大米非垩　白区域的灰度分布无重叠的情况。凌云在大量试验　中发现，对于采集的大米图像，由于籽粒的表面反　光、残留的胚芽等原因，采集到的标准米图像也往　往会出现高灰度区域，这部分区域与垩白区域的灰　度范围是重合的。针对这一点提出基于分形维数的　检测方法，具体说来就是在灰度阈值的基础上，又　设定了分形维数的阈值，经过两次阈值筛选，将垩　白的识别结果的准确率由９０．２％提高到９５．１％。并　提出将分形维数与神经网络的方法相结合，能更好　的检测稻米的垩白情况ｆｌ】１。　１．３机器视觉技术在稻米留胚率检测中的应用　许俐通过分析大米的表面积及轮廓线的二次微　分曲线，提出利用大米微分模型识别群体胚芽米留　胚率的设想　。黄星奕提出了两种不同的稻米留胚　率检测方法：第一种方法是建立一个双重结构神经　网络分类器，用机器视觉获取胚芽米图像，从中提　取米粒的物理特性作为网络分类器的输入进行训　练，检测的准确率达到９３．１％。此方法与许俐提出　的方法相似，都是通过对稻米的多个形状特征参数　进行提取、分析的，最终得出稻米留胚率的检测结　果的，其准确率都达到了９０％以上Ｉ】３１。第二种方法　是一种依据颜色特性进行分析的方法，黄星奕通过　对胚芽米颜色特性和彩色图像的分析研究，提出以　饱和度ｓ作为特征参数进行胚芽和胚乳的识别，也　实现了留胚率的自动检测，准确率为８８％。与基　于稻米形状特征检测留胚率相比，此方法仅需要对　颜色这一单一特征进行提取，相对参数较少，方法　简便，但在准确率上还有待于进一步提高【】４１。　１．４机器视党技术在稻米颜色检测中的应用　尚艳芬等根据ＲＧＢ色度学原理，通过大量试　验找出了黄粒米与标准米之间差别主要体现在Ｂ　还提出运用ＣＩＥＬ＊ａ＊ｂ＊和ＲＧＢ色度学理论，依据　Ｉ』术、ａ　、ｂ　和Ｒ、Ｇ、Ｂ值之间的差别，成功地将　碾米分为微黄、浅黄、黄和极黄四类　】。　２机器视觉技术在其他稻米检测方面　的应用　２．１机器视觉技术在稻米其他外观品质检测中的　应用　当前机器视觉技术也被应用在检测加工精度、　碾磨精度和破损粒等方面。许俐通过计算机图象　处理技术与色度学理论的有机结合，研究染色后　大米的胚乳、皮层以及胚芽所呈现的不同颜色特　征和区分方法，由实测确定各级大米加工精度与国　标分级的定量关系，从而提出了大米加工精度的自　动检测方法Ｉ】９１。Ｌｉｕ等将数字图像分析方法用于检　测大米的碾磨品质和精度，‘并将图像分析方法与化　学方法进行了比较，得出通过图像分析方法获得的　表面油脂面积百分比，与化学分析获得的表面油脂　浓度之间有很高的相关系数［２Ｏｌ。Ｙａｄａｖ等利用机器　视觉技术，通过稻米在碾磨过程中长度、周长和面　积参数的变化，从而检测出稻米的精白程度ｆ２】１。　Ｃａｒｄａｒｅｌｌｉ等提出了以Ｒ，Ｇ，Ｂ分量的均值作为　判别参数，对三种稻米破损籽粒进行识别　。张　聪等提出将边缘曲线变换为极坐标形式，采用椭圆　模板定位目标，获得一组与目标平移、旋转和尺度　无关的形状描述数据；再运用小波变换提取奇异点　及特征参数，此法对米胚脱落、米粒破碎的判定正　确率分别为９８．９％和１００％。Ｗａｎ等测定了自动检　测系统对于大米质量分级的效果。此检测系统具有　将大米分为整粒米，爆腰米，垩白米，未成熟米，　死米，破碎米，破损米和异品种米的功能　。另　外，尚艳芬和凌云分别探讨了整精米率和异型米的　识别方法［２５－２６１ｏ　维普资讯 http://www.cqvip.com

１３０・　东北农业大学学报　第３９卷　２．２机器视觉技术在稻米直链淀粉含量检测中的　应用　机器视觉技术不仅可以检测稻米的外观品质，　也可以检测稻米的直链淀粉含量。尚艳芬、崔改泵、　周小丰运用直链淀粉与碘生成蓝色复合物，通过分　析溶液的色度变化确定了直链淀粉的含量　瑚　。常　国华等人提出了ＣＣＭＡ（ＣＣＭＡ，Ｃｏｍｐｕｔｅｒｉｚｅｄ　ＣｏＩ—　ｏｒｉ—ｍｅｔｒｉｃ—ｂａｓｅｄ　Ｍｅｔｈｏｄ　ｆｏｒ　Ａｍｙｌｏｓｅ　Ｄｅｔｅｒｍｉｎａｔｉｏｎ）　方法在直链淀粉含量测定中应用的可能性，研究　表明直链淀粉含量值与色度值的相关性最高，能　够满足检测精度的要求，并可以有效地避免显色　时间的不一致性对检测结果的干扰，检测效率也　大为提高　Ｉ。　但是，以上两种方法在检测前均需要预先配制　显色溶液，方能检测出结果。而运用近红外光谱分　析方法，则不需要作任何前处理，可直接得出稻米　的直链淀粉含量，并且还可以测出含水率和蛋白质　等指标含量，因此，与机器视觉相比，近红外光谱　检测技术更适合测定稻米的内部品质。　机器视觉技术在稻米品质检测中应　用的，。Ｌ　欣ｇ７７　４兰－￣　３．１　改进机器视觉中图像处理的分析方法，提高　稻米品质检测结果的精度　目前，在运用机器视觉技术检测稻米外观品　质各项指标的过程中，存在非常多的冈像处理分　析方法，但是每种方法都有其局限性，分析方法　简单、耗时少的精度不够，而精度高的分析方法　耗时又相对较长，因此，有必要改进冈像处理的　分析厅法，在确保检测精度的前提下，尽可能缩　短检测时问？　３．２机器视觉技术与神经网络技术相结合，对稻　米外观品质进行评定分级　机器视觉技术只能得出稻米中每一项检测指标　的检测结果，不能对稻米进行进一步的分析，而神　经网络技术可以通过对各项指标增加权重得出一个　综合结果，从而对稻米外观品质进行分级。将两者　结合，小仅可得到每项指标的检测结果，还能依据　国家标准确定稻米外观等级。　３．３运用机器视觉技术进行动态分析　现有的机器视觉技术大部分都是埘静止不动的　稻米进行分析，这大大限制ｌ『对稻米的检测能力，　增加了检测时间。因此，机器视觉技术要向在线实　时检测韵方向发展，实现最终的动态检测。　３．４将机器视觉技术与近红外技术相结合，对稻　米进行内外品质综合评定　机器视觉技术可以分析稻米的外观品质，而近　红外技术可以分析稻米的内部品质，因此将二者通　过适当方法（如神经网络技术）结合起来，就可以得　出稻米的综合品质等级。大大缩短了稻米品质检测　和定级所需的时问，并降低了检测所需成本，更有　利于实际应用。　４　结　论　机器视觉作为一种先进而又实用的技术手段，　不仅可以有效分析和评价稻米的外观品质，而且　在一定条件下也可以对内部品质进行检测。近年　来，对机器视觉在稻米品质检测算法中的研究已　经越来越深入，但是在技术推广和应用方面还需　要进一步加强，以便更好的将机器视觉技术应用　在稻米产业中。　［参考文献］一　［１　Ｊ朱飞虎．机器视觉原理及嘘用【Ｊ１＇闩动化博览，２００５（２）：８１－８３、　【２】郭Ｘ（）ｔｌ，朱新华、机器视觉技术在谷物识别　分级中的研究进　展【Ｊ】、粮食与饲料１　业，２００２（６）：５０－５１、　【３】方如明、计算机图象处理卜了米的品质检￣Ｎ［Ｊ１．农业一　程学报，　１９９２．８ｆ３１：１０４　ｌ１２．　［４】Ｌａｎ　Ｙ，Ｆａｎｇ　Ｑ，Ｋｏｃｈｅｒ　Ｍ　Ｆ，ｅｔ　ａ１．Ｄｅｔｅｅｔｉｏｎ　ｏｆ　ｆｉｓｓｕｒｅｓ　ｉｎ　ｒｉｃｅ　ｇｒａｉｎｓ　ｕｓｉｎｇ　ｉｍａｇｉｎｇ　ｅｎｈａｎｃｅｍｅｎｔ【Ｊ１．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｆｏｏｄ　Ｐｒｏｐｅｒｔｉｅｓ　２００２，５（１）：２０５—２１５．　【５】黄星奕，吴守…，７ｙＯｎ￣．基于小波变换的稻米爆腰检测技术研　究ｌｊｌｌ农业工程学报，２００４．２Ｏ（６）：１　９４—１　９６．　［６　Ｊ郑华尔．刘木华，吴彦红，等．基于计算机视觉的大米裂纹检测　研究【ＪＩ－农业工程学报　２００６，２２（７１：１　２９－１　３３．　［７　１　Ｓｔｃｒｍｅｒ　Ｒ　Ａ，Ｋｕｎｚｅ　Ｏ　Ｒ．Ａｃｏｕｓｔｉｃａｌ　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｆｉｓｓｕｒｅｓ　ｉｎ　ｒｉｃｅ　　ｌＪ］　ｌＡｐｐｌｉｅｄ　Ｅｎｇｉｎｅｅｒｉｎｇ　ｉｎ　Ａｇｒｉｃｕｌｔｕｒｅ，１９９４，ｌＯ（２）：２６７—２７１．　【８　１侯彩云，王一呜，凌云，等．垩自米粒的计算机图像Ｎ￣ｑ［Ｊ１．农业　１　程学报，２００２，１８（３）：１６５—１６８．　［９　１孙明，凌云，王一呜．在ＭＡＴＩＪＡＢ环境中基于计算机视觉技术　的人米垩向检测＿Ｊ１＿农业１　程学报，２００２，８（４］：１４６—１４９．　ｆ１０１吴建国．刘长东，杨　花，等．基于计算机视觉的稻米垩白指标　快速测定方法研究ＩＪＩ．作物学报．２００５，３　１（５）：６７０—６７２．　维普资讯 http://www.cqvip.com

第６期　刘成海等：机器视觉技术在稻米外观品质检测中的应用与展望　ｌ３１　【ｌ　ＩＩ凌云，王一呜，孙明，等．基于分形维数的垩自米　像＠ＮＴＹ￣－　Ｙａｄａｖ　Ｂ　Ｋ，Ｊｉｎｄａｌ　Ｖ　Ｋ．Ｍｏｎｉｔｏｒｉｎｇ　ｍｉｌｌｉｎｇ　ｑｕａｌｉｔｙ　ｏｆ　ｒｉｃｅ　ｂｙ　ｉｍ－　ｆＪＪ．农业机械学报，２００５，３６（７）：９２－９５．　ａｇｅ　ａｎａｌｙｓｉｓ［Ｊ］．Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　ｉｎ　Ａｇｒｉｃｕｌｔｕｒｅ，２００　１，３３　【１２］许俐．机器视觉测量大米留　率的研究ｆＪ】．江苏理　大学学报，　ｆ１１：１９—３３．　１９９７，１８（６］：８－ｌ１．　Ｃａｒｄａｒｅｌｌｉ　Ａ　Ｊ，Ｔａｏ　Ｙ，Ｂｅｒｈａｒｄｔ　Ｊ　Ｌ，ｅｔ　ａ１．Ｈｉｇｈ　ｒｅｓｏｌｕｔｉｏｎ　ｍａｃｈｉｎｅ　【１３］黄星奕，吴守一，方如明．用神经网络方法进行大米留胚牢自动　ｖｉｓｉｏｎ　ｆｏｒ　ｎｏｎ—ｄｅｓｔｒｕｃｔｉｖｅ　ｉｎｔｅｒｎａｌ　ｉｎｓｐｅｃｔｉｏｎ　ｏｆ　ｄａｍａｇｅｄ　ｒｉｃｅ　ｇｒ－　检测的研究『Ｊ１＿农业工程学报，１９９９，１５（４）：１８７—１９１．　ａｉｎ［Ｃ］．Ｆｌｏｒｉｄａ：ＡＳＡＥ　Ａｎｎｕａｌ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｍｅｅｔｉｎｇ，１　９９８．　【１４］黄星奕，吴守一．计算机视觉在大米胚芽识别中的血用ｆＪＪ．农业　张聪，管庶安．基于图像分析的大米形状识别【ＪＩ．粮食与饲料工　机械学报，２０００，３ｌ（１）：６２—６５．　程，２００６（６）：５－７．　ｆ１５］尚艳芬，侯彩云，常周华．基于图像识别的黄粒米自动检测研究　Ｗａｎ　Ｙ　Ｎ，Ｌｉｎ　Ｃ　Ｍ．Ｃｈｉｏｕ　１．Ｒｉｃｅ　ｑｎａｌｉｌｙ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｕｓｉｎｇ　ａｎ　ｆＪ］．农业丁程学报，２００４，２Ｏ（４）：１４６—１４８．　ａｕｔｏｍａｔｉｃ　ｇｒａｉｎ　ｑｕａｌｉｔｙ　ｉｎｓｐｅｃｔｉｏｎ　ｓｙｓｔｅｍ［Ｊ］．Ｔｒａｎｓ　ｏｆ　ｔｈｅ　ＡＳＡＥ，　【１６］孙明，王～呜，凌云，等．基于色调的黄粒米检删方法【Ｊ１．农业饥　２００２，４５　ｑｆ　２］：３７９～３８７．　械学报，２００５，３６（８）：７８—８　１．　尚艳芬．稻米品质评价系统的研究与开发［Ｄ】．北京：中国农业大　ｆ１７］刘光蓉，管庶安，周红．基于图象处理技术的大米色泽检测ｌＪ］．　学，２００４．　粮食与饲料工业，２００６（１）：８－９．　凌云．基于机器视觉的谷物外观品质检测技术研究［ＤＪ．北京：中　【１　８］Ｓｈａｎｎａ　Ｖ，Ｖｉｎｏｄ　Ｋ　Ｊ．Ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｃｏｌｏｒ—ｂａｓｅｄ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｆｏｒ　围农业大学，２００４．　ｍｉｌｌｅｄ　ｒｉｃｅ［Ｃ］．Ｆｌｏｒｉｄａ：ＡＳＡＥ　Ａｎｎｕａｌ冽　　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｍｅｅｔｉｎｇ，２００５．冽　　冽　栏改泵．稻米直链淀粉含量快速检测方法的试验研究［冽　ＤＪ．北京：　【１９］许俐，钱敏娟，方如明，等．大米加　精度的图象识别方法ＩＪ　Ｊ＿农　中国农业大学，２００４．　业Ｉ：程学报，１９９６，１２（３）：１７２—１７５．　胤小丰．基于色度学的稻米直链淀粉检测方法试验研究［Ｄ］．北　［２０］Ｌｉｕ　Ｗ，Ｔａｏ　Ｙ，Ｓｉｅｂｅｎｍｏｒｇｅｎ　Ｔ　Ｊ，ｅｔ　ａ１．Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ａｎａｌｙｓｉｓ　京：中国农业大学　２００５．　ｍｅｔｈｏｄ　ｆｏｒ　ｒａｐｉｄ　ｍｅａｓｕｒｅｍｅｎｔ　ｏｆ　ｒｉｃｅ　ｄｅｇｒｅｅ　ｏｆ　ｍｉｌｌｉｎｇ［Ｊ］．Ｃｅｒｅａｌ　常圈华，侯彩云，尚艳芬，等．基于计算机色度学原理的直链淀　Ｃｈｅｍ，１９９８，７５（３）：３８０—３８５．　粉检测系统开发ｌＪ】．中国水稻科学，２００５，１９（６）：５６４＂５６６．　Ａｐｐｌｉｃａｔｉｏｎ　ａｎｄ　ｐｒｏｓｐｅｃｔ　ｏｆ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｄｅｔｅｃｔｉｏｎ　０ｆ　ｒｉｃｅ　ａｐｐｅａｒａｎｃｅ　ｑ　ｕａｌｉｔｙ　一一　一　一　ＬＩＵ　Ｃｈｅｎｇｈａｉ　，ＺＨＥＮＧ　Ｘｉａｎｚｈｅ　，ＹＥ　Ｂｉｎ　，ＬＩＵ　Ｂａｉｑｉｎｇ　（１．Ｅｎｇｉｎｅｅｒｉｎｇ　Ｃｏｌｌｅｇｅ，Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ＇，Ｈａｒｂｉｎ　１　５００３０，Ｃｈｉｎａ；　２．Ｓｈａｎｇｚｈｉ　Ｒｏａｄ　Ｐａｓｓｅｎｇｅｒ　Ｓｔａｔｉｏｎ，Ｓｈａｎｇｚｈｉ　Ｈｅｉｌｏｎｇｊｉａｎｇ　１　５０６００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｐａｐｅｒ　ｉｎｔｒｏｄｕｃｅｄ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｔｏ　ｄｅｔｅｃｔ　ｔｈｅ　ｒｉｃｅ　ａｐｐｅａｒａｎｃｅ　ｑｕａｌｉｔｉｅｓ　ｉｎ　ｔｅｒｍｓ　ｏｆ　ｆｉｓｓｕｒｅ，ｃｈａｌｋｉｎｅｓｓ，ｐｌｕｍｕｌｅ　ｒａｔｉｏ　ａｎｄ　ｃｏｌｏｒ，ａｎｄ　ｔｈｅ　ｒｉｃｅ　ｍｉｌｌｉｎｇ　ｑｕａｌｉｔｙ，ｉｎｃｌｕｄｉｎｇ　ｄｅｇｒｅｅ，　ｄａｍａｇｅ　ｒａｔｉｏ　ａｎｄ　ｏｆｆ—ｔｙｐｅ．ａｍｙｌｏｓｅ．Ｔｈｅ　ｎｅｗ　ａｐｐｌｉｃａｔｉｏｎ　ｐｒｏｓｐｅｃｔｓ　ｗｅｒｅ　ｄｅｖｅｌｏｐｅｄ　ｔｏ　ｍｏｄｉｆｙ　ｔｈｅ　ｄｉｓａｄｖａｎｔａｇｅ　ｏｆ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｔｈｅ　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｒｉｃｅ　ｑｕａｌｉｔｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ；ｒｉｃｅ；ａｐｐｅａｒａｎｃｅ　ｑｕａｌｉｔｙ