文献类型：期刊文章

作　　者：陈浩然[1] 范方辉[2] 牟天[3]

CHEN Haoran;FAN Fanghui;MOU Tian(Department of Food Science and Engineering,College of Chemistry and Environmental Engineering,Shenzhen University,Shenzhen 518060,Guangdong,China;Shenzhen Key Laboratory of Food Macromolecule Science and Processing,Shenzhen 518060,Guangdong,China;School of Biomedical Engineering,Health Science Center,Shenzhen University,Shenzhen 518060,Guangdong,China)

机构地区：[1]深圳大学化学与环境工程学院食品科学与工程系,广东深圳518060 [2]深圳市食品大分子科学与加工重点实验室,广东深圳518060 [3]深圳大学医学部生物医学工程学院,广东深圳518060

出　　处：《食品研究与开发》

基　　金：国家自然科学基金项目(82202246);广东省自然科学基金面上项目(2022A1515011520)。

年　　份：2023

卷　　号：44

期　　号：20

起止页码：175-183

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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(x_(1))、面积(x_(2))、短轴(x_(3))与长短轴比(x_(4))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=-139.97-5.35x_(1)+10.93x_(2)+2.86x_(3)+34.59x_(4)。

关 键 词：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  

分 类 号：TP391.41] TS213.3[计算机类]