大米是世界三大主要粮食之一,是大部分中国人民的主食。长期以来,人们所食用的大米基本是营养价值较低的精白米——一种基本只保留胚乳的大米。胚芽米是指在加工过程中保留80%以上胚芽的大米,相较于普通精白米,胚芽米拥有更高的营养价值。胚芽米加工品质检测为根据相关检测标准将加工生产的胚芽米分为不同的品质类别、检测一些具体的品质指标如垩白度,留胚率等。传统的人工检测方式具有主观性强、易受环境影响、不可连续工作等缺点,而基于机器视觉技术的检测方法则更具有客观性和一致性且可以连续工作。本文针对胚芽米不同于精白米的特点,设计基于嵌入式机器视觉技术的胚芽米加工品质检测系统,本文主要研究如下:首先,本文对胚芽米图像的采集和预处理方法进行研究。根据对图像成像质量的要求,设计胚芽米图像采集装置。依据后续图像处理的要求,研究胚芽米图像的预处理方法,如高斯滤波、中值滤波以及形态学滤波等图像去噪方法;灰度级分段线性变换、幂次变换等图像增强方法;图像旋转等图像几何变换方法。在图像预处理的基础上对胚芽米背景分割算法和粘连米分割算法进行研究。在粘连米分割算法中提出一种基于区域生长的形态学分割算法。然后,根据胚芽米的特点,设计实现垩白度、垩白粒率检测算法和留胚率检测算法。胚芽米不同于普通精白米之处在于大部分米粒携带有胚芽,在垩白区域分割过程中,胚芽区域往往也会被一同分割出。针对垩白分割问题,本文设计使用新的垩白提取算法;针对留胚率问题,本文设计使用基于色彩特征的胚芽分割算法、胚芽位置识别算法以及基于面积特征的胚芽米识别算法。最后,本文设计完成基于嵌入式技术的胚芽米加工品质检测系统的软硬件设计。硬件结构设计实现整体结构以及各模块之间的相互连接关系。软件结构设计配置嵌入式Linux操作系统环境和Open CV库的移植,并完成胚芽米加工品质检测程序的架构设计及实现。