一种面粉麸星检测方法与流程

本发明涉及一种面粉麸星检测方法，属于计算机食品加工技术领域。

背景技术

面粉麸是小麦的种皮，小麦的种子，也就是收获的小麦颗粒，是由包裹在表面的种皮，饱含淀粉和蛋白质和胚乳，和藏在中间的胚芽组成的。其中，胚乳和胚芽磨碎后就是我们吃的面粉。种皮是褐色的，含有大量的纤维素，口感很粗糙，在磨面粉前要先去除。如果不去除种皮就一起磨成面粉，面粉呈灰黑色，吃的时候口感很硬，很粗糙。在磨面粉前去除掉的种皮就是麦麸。

面粉麸星是成品面粉中肉眼可见、颜色深于面粉的斑点，其主要成分是小麦加工过程中未分离出去的小麦麸皮，也有未清理干净的荞麦皮、草籽皮，甚至还有大小、比重与小麦相近的黑石块、煤渣等。比如小麦面粉中会混入小麦的表皮(麸星)、黑色的煤块等；白色的涂料中混入黑色的不明成分的杂质；这些杂质含量对产品质量的等级影响是很大的；而有的白色粉末中需要添加具有某种功能的颗粒物料，并且，为了控制添加的效果和混合均匀度的效果，需要对添加的颗粒进行染色处理，让消费者对添加物进行识别。总之，这些非白色颗粒的含量检测及颗粒直径大小的检测对评价产品的质量标准来说，是非常重要的而且是必须的。非白色的颗粒含量的检测目的因产品不同，含义不一样，有的越少越好，比如面粉中麸星、黑点含量越少越好；有的非白色含量必须达到一定的含量才行，比如洗衣服中添加的非白色的洗涤酶颗粒的含量，必须不低于一定的含量；同时，对不同批次的样品进行分析，利用含量数据的差异性进行均匀性的判定；总之，白色粉末中非白色颗粒含量的检测是非常重要并具有非常重要的意义。

由于面粉麸星不但会影响到面粉的纯度和白度，也将关系面粉生产工艺过程中其他相关指标。如：出粉率、粉中含麸率、面粉等级等。更可衡量面粉生产过程中清理是否干净、磨粉机搭配调整是否得当、筛理匹配是否合理等。从中还可得出小麦制粉工艺及设备是否先进、操作是否合理等。由于我国的面粉食用是以蒸煮为主，消费者也十分在意面粉麸星的单个大小和数量多少。面粉中麸星的含量多少是面粉质量等级评定的一个重要指标，也是反映面粉生产工艺水平的重要指标。由于面粉麸星的面积虽然小、数量多，在白色的面粉中十分明显，特别是在蒸好的馒头中更是清晰可见，但我们却很难将其准确数量化。我们只能评价哪种面粉的麸星(如特一粉、特二粉、标准粉)高中低、多和少，至于高是多少、低是多少都很难将其准确定量表述。全国各地的面粉厂和面粉检验机构都是用国家粮食检验方面的专家每年(或半年)凭感官评出(只有面粉麸星凭感官，其他参数都有国家标准、检验方法、检验设备等详细要求)的等级面粉小样与要检验的面粉进行比较，给出某种面粉麸星是否超标而定该面粉的质量和等级，传统的麸星检测方法是操作人员利用放大镜直接查找视野范围内能见的麸星并统计个数。该方式不仅检测效率极低，且易受疲劳速度慢、误差较大。因此，面粉麸星的精确检测是面粉加工过程中的重要环节。

如上文所述，大多数停留在使用人工肉眼感官检验的状态；人工肉眼感官检验因人而异，争议大，效率低；尽管有类似功能的文献资料可以用计算机图像分析的技术来进行分析，但也仅仅停留在不切实际的理论状态，并没有转化成真正好用的仪器产品；而且，粉末中非白色颗粒物的大小不均匀，形状不规则，有无穷无尽的情况，比如小麦粉中的表皮(麸皮)，有大的，有小的，还有更小的，如何来界定？这些非白色的颗粒颜色的色度值千差万别，而且在不同的光照条件下，颜色的表现也是不同的；如果获取照度一致的图像，也是影响计算机图像分析效果的重要影响因素；因此，发明一种具有稳定的光照条件，获取成像效果稳定的图像，并能使用计算机图像分析技术，替代人工肉眼感官检验，提供准确的数据的智能化检测白色粉末中非白色颗粒的装置，迫在眉睫。

技术实现要素：

为解决上述问题，本发明的目的在于提供一种面粉麸星检测方法，通过采集图像数据得到样品反射光亮度以及标准白板反射光的亮度，预设标准白板的白度，进行对应公式换算得到样品白度。

本发明解决其问题所采用的技术方案是：一种面粉麸星检测方法，其特征在于，该方法包括以下步骤：s100、采集待测样品图像数据，预设标准白板的白度x；s200、分析图像数据，得到样品反射光亮度y以及标准白板反射光的亮度v；s300、采用白度算法对得到的图像数据进行处理，得到样品白度w。

进一步的，所述步骤s100包括以下步骤:s101、预设采集策略，包括采集图像时间间隔；s102、采集待测样品图像数据，得到数字图像。

进一步的，所述采集图像时间间隔从0.5秒到5秒。

进一步的，所述步骤s200包括以下步骤：s201、统计分析采集到的图像数据，得到整张图像的总像素点；s202、逐一分析每个像素点，得到各个像素点的rgb值。

进一步的，该方法还包括以下步骤：根据每个像素点的rgb值，按照国际标准进行换算，其计算为：

得到每个像素的lab值；按照上一步骤，对每个像素点进行逐一处理，最后对整张图像进行平均值处理，得到整张图像的lab值。

进一步的，该方法还包括以下步骤：a100、预设满足条件的连续相邻像素点的个数阈值；a200、选取一参考像素点，根据参考像素点的rgb值，取rgb三值的最大值对应色作为参考色；a300、以参考像素点为起始点，遍历连续相邻的像素点，统计对应rgb值信息；a400、判断连续相邻的像素点的rgb中最大值对应的颜色是否为参考色，若是，则统计符合该条件的连续相邻像素点的数量信息，否则，执行步骤a600；a500、判断符合该条件的相邻像素点的数量是否超过预设阈值，若是，则输出筛网破损的判断结果，否则，执行步骤a600；a600、判断是否所有像素点都已遍历完成，若是，则结束本流程，否则，返回执行步骤a200。

进一步的，该方法步骤还包括：设定单个像素点的rgb阈值；分析各个像素点的rgb值，判断三值的大小；取一像素点中rgb三值的最大值作为参考值，并判断该参考值是否大于阈值，若是，则统计该像素点的信息，若否，则跳过该像素点；将上一得到的像素点信息进行分类统计，与图像的总像素点的数量做对比处理，即得到同颜色的颗粒的面积比例；通过面积比例区分不同颜色类型的颗粒在样品图像数据中所占比重。

进一步的，将样品反射光亮度、标准白板的白度以及标准白板反射光的亮度进行公式运算，得到样品的白度w，其计算为：

其中，w为样品白度，x为标准白板的白度，y为样品反射光亮度，v为标准白板反射光的亮度。

进一步的，将初步检测数据做平均值处理，得到样品的最终检测数据。

本发明的有益效果是：本发明采用的一种面粉麸星检测方法，能根据不同的样品设置不同的参数，具有较高的适用性，根据采集到的图像数据，自动计算出样品的白度，计算方式简单，大大的简化了样品白度检测的逻辑判断。

附图说明

图1所示为根据本发明的方法流程图；

图2所示为根据本发明的具体实施例一；

图3所示为根据本发明的具体实施例二；

图4所示为根据本发明的具体实施例三。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

需要说明的是，如无特殊说明，在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。

参照图1所示为根据本发明的方法流程图，

采集待测样品图像数据，预设标准白板的白度；分析图像数据，得到样品反射光亮度以及标准白板反射光的亮度；采用白度算法对得到的图像数据进行处理，得到样品白度，通过光源发射出一定亮度的光照在标准白板和面粉样品上，视标准白板反射给相机的光的亮度是标准参照值，通过对比面粉样品反射给相机的光和标准白板反射给相机的光，从而计算出面粉样品的白度。例如设定标准白板的白度为80，标准白板反射光的亮度为600，面粉样品反射光的平均亮度为580，则面粉样品的白度为：80*580/600＝77.33。

参照图2所示为根据本发明的具体实施例一，

通过采集图像数据，得到整张图像数据的所有像素点，并逐一分析所有像素点，获得各个像素点的信息，包括rgb值。

参照图3所示为根据本发明的具体实施例二，

麸星、黑点与面粉的颜色是不一样的，所以视觉系统可以根据图像中各个区域颜色的不同，从而判断该区域内到底是麸星还是黑点或者是面粉。通过计算单位面积内麸星所占面积、黑点所占面积，来确定该范围内麸星和黑点的占比。再用以上的麸星、黑点占比判断方法去计算连续采样回来的图像中麸星、黑点的占比，最终求和后再平均，就得出面粉样品的麸星、黑点的单位面积占比。以上分析方法能够最大限度地减少因为麸星、黑点分布不均而导致的误差。具体步骤为：

驱动采集图像部分进入样品测量区域，连续获取样品的rgb彩色图像，采集图像的时间间隔灵活设定，从0.5秒到5秒可调，对每张图像进行分析，计算出每张图像的非白色颗粒物的含量、lab值，测量分析完毕后进行平均值处理；非白色颗粒物的分析原理：数字图像中的每个像素点都是由rgb三色合成的复合色，即每个像素都是由r值、g值、b值决定的；分析每个像素的r值、g值、b值，如果三个值相等为白色(三个值相等且都为0，则为纯黑)，三个值不相等，此像素点的色彩偏向数值较大的颜色；分别统计r值最大的且超过设定阈值的、或者g值最大的且超过设定阈值的、或者b值最大的且超过设定阈值的像素点的数量，用该值除以图像的总像素的数量，即可以计算出不同颜色的颗粒的面积比例。最后将得到的结果进行进行平均值处理，用此方法，简单方便，并且可以区分三种不同颜色类型的颗粒和黑色的颗粒。

简单来说即为，设定单个像素点的rgb阈值；分析各个像素点的rgb值，判断三值的大小；取一像素点中rgb三值的最大值作为参考值，并判断该参考值是否大于阈值，若是，则统计该像素点的信息，若否，则跳过该像素点；得到的像素点信息进行分类统计，与图像的总像素点的数量做对比处理，即得到同颜色的颗粒的面积比例；通过面积比例区分不同颜色类型的颗粒在样品图像数据中所占比重。采用此方法，可以灵活调节识别非白色颗粒物的检测精度的阈值，自动计算出非白色颗粒的含量和粉末产品的整体颜色。还能根据较大的颗粒直径，自动判断产品的颗粒直径是否合格此外，采用上述转换公式，还能将rgb值转换为lab值，相对rgb而言，lab拥有更加宽阔的色域，它不仅包含了rgb，cmy的所有色域，还能表现它们不能表现的色彩。

参照图4所示为根据本发明的具体实施例三，

计算图像中r值最大(或者g值最大、或者b值最大)且连续相邻的像素的个数超过设定值时，判断为筛网破损。详细说明即：预设满足条件的连续相邻像素点的个数阈值；选取一参考像素点，根据参考像素点的rgb值，取rgb三值的最大值对应色作为参考色；以参考像素点为起始点，遍历连续相邻的像素点，统计对应rgb值信息；判断连续相邻的像素点的rgb中最大值对应的颜色是否为参考色，统计符合该条件的连续相邻像素点的数量信息；判断符合该条件的相邻像素点的数量是否超过预设阈值，若是，则输出筛网破损的判断结果。采用此方法，可判断筛理设备的筛网是否破损，避免因筛理设备异常导致的检测结果不准确。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。