利用计算机视觉技术对大米的外观品质进行检测,是提高我国粮食在国际市场上的竞争力的有力保证,特别是在加入WTO后,研究工作显得更有现实意义。目前,针对我国大米外观品质的指标的检测大都停留在肉眼观测的阶段,检测方法落后、效率低下,检测结果也缺乏客观性,可重复性差。在这样的背景下,本文研究了静态情况下的大米外观品质检测技术,选取了三种不同粒型不同品牌的大米进行检测,应用计算机视觉技术和图像处理理论对反映大米外观品质中的整米率、裂纹和米粒的粘连算法进行了研究。研究内容主要有:　　 (1)与传统的计算长宽比的方法不同,本文采用了速度算子来表征大米的轮廓特征,对大米样本的完整性进行检测。泰国米、珍珠米和常粒香米的识别率分别为96.70％、98.73％和97.14％。结果说明用速度描述法来检测米粒的完整度是可行的。这种方法的优势是准确率高、灵活性强,即算法对米粒的数量和摆放位置没有限制。具有可扩展性,即针对不同检测标准可以通过调整相似系数阀值来解决。因此,该方法具有很高的灵活性和实用价值。　　 (2)针对大米裂纹检测的定位不够准确和存在虚假裂纹响应的情况,提出一种基于双正交B样条小波变换的裂纹检测方法。结果显示,该方法可以比较全面地检测出图像中的实际裂纹,定位准确,检测出的边缘位置与实际边缘位置相接近,并且避免了单个边缘产生多个响应的情况。　　 (3)针对现有的粘连分割算法中对样本的摆放位置和粘连个数的限制,提出一种基于大米外形轮廓特性的方法,测试结果表明,该方法可以有效地分割不同粒型的粘连大米,并对多粒大米的复杂粘连情况也可以成功地分割。