在我国大部分地区大米都是被作为主食来食用。大米是经过水稻脱壳,砻谷,碾白等一系列加工以后生产而来。而现在,依据对水稻的不同加工等级,可以把大米分为以下三类,分别为糙米、精白米、胚芽米。胚芽米指的就是在稻谷碾磨过程中,胚芽能够保留80%以上的稻谷适度加工产物。胚芽米综合了糙米与精白米的优点,在食用口感及营养价值上形成了一个完美的平衡。在目前国内生活水平越来越高的前提下,人们对于食物的需求不再是简单的吃得饱,而是要吃的健康并且吃的好。胚芽米所具备的各项优点正好平衡了人们对于主食的各项需求。而目前关于胚芽米品质的检测主要依靠人眼,主观性强,效率低,国内外对于胚芽米品质的检测方法研究指标单一,并且识别率较低。本文以胚芽米图像为研究对象,应用图像处理、分析技术,深度学习技术,模糊控制技术实现对胚芽米品质参数包括加工精度、胚芽完整度的检测,并采用上述两个指标为输入量,碾磨机构压力值为输出量,设计了模糊控制系统。从模糊控制系统得到的输出作为反馈参数指导胚芽米的生产。本文主要进行了以下研究:首先,对胚芽米图像获取以及预处理和分割技术进行研究。根据对胚芽米图像的品质要求,设计一套图像采集装置,并且按要求选择各项零件。为方便后续对胚芽米单粒米的提取,选择合适的滤波算法进行了图像预处理,完成一系列滤波平滑过程,使得处理过的图像能达到图像分割的标准。然后对图像进行了分割,得到单粒胚芽米图像。然后,实现对胚芽完整度与胚芽米加工精度的检测,并研究指导胚芽米生产的反馈参数的获取。采用基于图像纹理特征描述的方法提取纹理特征参数,用svm进行胚芽米加工精度等级分类;研究基于深度学习卷积神经网络的方法对胚芽完整度进行分类的算法;根据经验丰富质检员提供的信息,设计采用胚芽米加工精度和胚芽完整度为输入量,碾磨机构压力值为输出量的模糊控制系统,以输出量为反馈参数,实现对胚芽米品质加工的控制。最后,对胚芽米品质检测系统软硬件实现进行设计。设计胚芽米品质检测的硬件方案,使得胚芽米的硬件执行过程越发简单。基于Matlab2016和Python3.6.5编写图像自动检测和手动检测程序。设计胚芽米数据管理云端控制系统,实现对胚芽米加工过程各项信息的远端获取与控制。