基于OTSU图像分割算法的碎米检测

作者：陈浩然; 范方辉^*; 牟天^*

来源：食品研究与开发, 2023, 44(20): 175-8.

• 大米
• 碎米筛分
• 计算机视觉
• 大津法(OTSU)
• 图像分割
• 食品智能检测

碎米作为大米加工过程的常见产物，常会对产品的口感、味道产生影响，因此针对整米中碎米的有效筛分尤为重要。针对上述问题，该文建立基于大津法(maximal variance between clusters,OTSU)图像分割算法的逻辑回归模型用以检测整米中的碎米。将检测结果与国标法进行对比，结果表明逻辑回归模型的曲线线下面积(area under the curve,AUC)值为0.987，柯尔莫可洛夫-斯米洛夫(Kolmogorov-Smirnov,KS)值为0.909,0.5为最佳阈值；而国标法的AUC值为0.922,KS值为0.669,21为最佳阈值。该文所建立的逻辑回归模型的准确率、精确率、召回率及F1分数均高于国标法。此外，逻辑回归模型的AUC值比国标法的AUC值更接近于1,KS值也更高，表明逻辑回归模型能够更好地区分碎米与整米。长轴(x1)、面积(x2)、短轴(x3)与长短轴比(x4)4个特征参数都是模型中具有显著影响的因素，对应的线性关系为z=-139.97-5.35x1+10.93x2+2.86x3+34.59x4。

• 单位
  深圳大学; 生物医学工程学院