基于Micro-CT圖像處理的稻谷內部損傷定量表征與三維重構

陳樹人，徐 李，尹建軍，湯明明

?

基于Micro-CT圖像處理的稻谷內部損傷定量表征與三維重構

陳樹人，徐 李，尹建軍，湯明明

（江蘇大學現代農業裝備與技術省部共建教育部重點實驗室，鎮江 212013）

在水稻脫粒、儲運、加工過程中，外界機械作用力是造成稻谷損傷破損的主要方式，造成的內部裂紋肉眼無法觀察但影響稻谷的存儲、加工以及種子的發芽率等。該文利用質構儀對稻谷進行擠壓力學特性試驗，分析稻谷損傷破碎過程；對受不同載荷的稻谷進行CT掃描試驗，結合數字圖像處理方法對稻谷進行損傷表征分析與三維重構，旨在提出一種新的稻谷內部損傷定量評價方法。結果表明：偽彩色圖像處理可以提高CT圖像的視覺分辨率；灰度值以及灰度直方圖分析可以識別稻谷的胚、胚乳以及裂紋大小，并定量分析；對分割后的二值圖像進行像素點統計分析得到80，100，120，140，160 N載荷下的損傷度分別為0，0.26%，0.39%，0.93%，1.79%；重構的三維模型可以看出裂紋一般沿著短軸方向擴展，隨著載荷增大，原有裂紋逐漸變寬，并產生新的沿著長短軸的混合裂紋，直到糙米斷裂。該研究可為谷物內部損傷定量表征分析提供新思路。

CT；稻谷；三維；量化；擠壓特性；圖像處理，三維重建

0 引 言

稻谷是世界上最主要的三大糧食作物之一，中國水稻年產量幾年來一直穩定在1億t。稻谷也是中國重要的糧食作物，在中國國民經濟中占極其重要的地位。但長期以來，因中國大米質量達不到國際市場的質量標準,因而出口份額不高[1]。內部損傷、破碎是大米質量評價的重要指標。

在水稻脫粒、加工和儲運過程中，外界機械力的作用是造成谷粒損傷破碎的主要原因之一，稻谷的損傷包括外部損傷和內部損傷，外部損傷是指稻谷的破碎、裂紋等，一般用肉眼容易識別，內部損傷主要為應力裂紋，肉眼常常無法觀察，但存在的內部損傷影響稻谷的存儲，容易導致稻谷發霉變質，而且影響種子發芽率[2]。稻谷等農作物的內部損傷問題及其檢測方法引起國內外學者廣泛關注。徐立章等[3]針對稻谷在各生產環節容易產生損傷，通過體式顯微鏡成像系統等獲取損傷稻谷的高清顯微圖像，基于信號與噪聲在不同尺度下小波系數模的變化規律，來提取稻谷內部損傷特征信息。王頡等[4]以鴨梨、富士蘋果和獼猴桃為試驗材料，利用X射線電子計算機掃描技術，測定了從不同高度跌落果實CT值的變化規律，結果表明：果實跌傷處理后立即檢測其CT值，即可發現同正常果實組織相比有一定程度的下降。CT值可以作為機械傷果實無損檢測的主要依據。張新偉等[5]在體視顯微檢測基礎上提出了基于融合技術的邊緣檢測方法。該方法采用改進的數學形態學方法和傳統Sobel邊緣檢測算子對損傷玉米種子圖像進行邊緣檢測，建立相應的融合規則，將2種方法檢測出來的圖像邊緣進行基于小波變換的融合處理，從中提取玉米種子內部機械損傷的特征信息。Anup Suresh等[6]用Micro-CT掃描受害蟲侵害小麥和發芽小麥，對掃描圖像進行體積渲染，幾何重建，骨架化以及絕對滲透率試驗仿真模擬，得到發芽小麥的損傷最先發生在中間部分，且相比受昆蟲損傷的小麥有更大的孔隙度，昆蟲損傷主要發生在麥粒底部，同時表明兩種受損小麥有著相同的各向異性。Letitia Schoeman等[7]詳細的介紹了CT的基本原理，不同的系統，圖像處理和分析的方法以及在不同糧食作物中的應用，表明Micro-CT在糧食作物特性研究中扮演者越來越重要的角色。近年來，各學者對于谷物內部損傷特征定性研究已趨于成熟，但損傷的定量化表征研究得較少。

CT掃描技術由于其超高的可視化三維探測分辨率，已經廣泛地應用于生物醫學、材料科學、制造業、地質學和農業工程等研究領域，用于獲取研究目標的微觀結構信息。在地質學一般運用于研究天然巖心內部孔隙結構，研究不同載荷下巖心內部孔隙結構變化規律[8-10]，在醫學方面主要是器官結構的三維重建以及各組織的定量測量[11-13]。農業工程領域方面運用不多，主要運用于分析土壤-根系的形態特征和力學特征，以及根據水果各成分CT值的不同預測水果品質等[14-16]。本文基于CT技術研究稻谷內部損傷的無損表征以及在三維空間裂紋的擴展狀況。

1 材料與方法

1.1 試驗設備

1）CT掃描試驗采用Micro-CT 100，射線能量為45 kVP，88A，4 W。空間分辨率為10m，掃描尺寸為直徑9 mm×高度78 mm。掃面樣品斷層數為260。

2）質構儀，型號TA.XTPLUS，測試速度范圍0.01～40 mm/s，測試距離精度0.001 mm，測試力精度0.0002%，力量范圍+/?0.5 N+/?50N+/?300N+/ ?500N。

1.2 制樣及試驗方法

本次試驗樣品為南粳9108水稻品種，采于鎮江市郊區，樣品采集后密封放入冷藏柜零度保存，試驗前24 h取出，放入室內室溫平衡，測量含水率的設備為BT125D型電子天平，烘干設備為101-00型電熱鼓風干燥箱，測得其含水率為12.83%，千粒質量為26.4 g，從試驗樣本中隨機取50粒谷粒，用游標卡尺逐個測量其長度，寬度，厚度如圖1所示，所謂長度是指從籽粒基部到頂端的距離，腹背之間的距離為粒厚，兩側之間的距離為粒寬，測量結果如表1所示。

圖1 稻谷的三維尺寸

隨機取100粒完好籽粒進行擠壓性能試驗，分析受不同載荷大小的稻谷的擠壓性能，獲取受損水稻籽粒，對不同受損的水稻籽粒分別進行掃描試驗，為了便于觀察分析，本試驗水稻籽粒固定在掃描桶內的海綿中，每次掃描一粒樣本，籽粒厚度方向與掃描桶中垂線平行。

表1 稻谷三維尺寸測量結果

1.3 水稻籽粒擠壓力學試驗

采用試驗室擠壓壓頭進行試驗，壓頭采用直徑36 mm的平板壓頭，支座長70 mm，經預試驗及參考有關資料，選取加載速度為0.02 mm/s，壓頭接觸感應力為0.05 N[17]。

把水稻籽粒放在支座上沿厚度方向進行擠壓試驗，設置目標載荷為200 N，重復10次，獲取擠壓力位移曲線，根據力位移曲線設置掃描樣品的不同目標載荷，進行擠壓試驗，獲得不同損傷程度的水稻籽粒，為掃描試驗做準備。

1.4 Micro-CT掃描試驗

為了研究水稻籽粒受不同載荷作用下的內部損傷特征，根據水稻擠壓力學試驗特性，分別對稻谷施加80、100、120、140、160 N的載荷，當達到目標載荷時卸載，進行掃描試驗，由于試驗條件原因，沒有稻谷專用的掃描桶，為了防止掃描過程中稻谷移動造成圖像偽影，把稻谷安裝在海綿中，把海綿固定在掃描桶內，掃描范圍為整個稻谷，切片間距為0.01 mm，每次掃描得到260張1 024×1 024像素的水平切面如圖2所示。

圖2 原始CT圖像（以受載荷為160 N水稻籽粒掃描切片為例）

2 結果與分析

2.1 稻谷擠壓力學特性分析

如圖3所示為目標載荷為200 N時水稻籽粒的力位移曲線。

圖3 目標載荷為200 N時的谷粒擠壓曲線

整個擠壓過程分為，，，，5段，有，兩個峰值點，是因為糙米比谷殼的脆性大載荷先達到糙米出現裂紋的值，即到達點內部開始出現裂紋，曲線開始下降，出現屈服階段[18]，段隨著載荷不斷增大，裂紋不斷擴展，到達點時谷殼破裂，水稻籽粒失去最后的緩沖保護，階段隨著載荷增大，水稻籽粒逐漸被壓碎直到達到目標載荷。

為了研究受不同大小載荷的水稻籽粒內部損傷情況，根據擠壓特性試驗的力位移曲線，裂紋可能出現的在，階段，圖4為目標載荷為160N的力位移曲線，通過10次試驗，可以看出第1個峰值點主要集中在100 N附近，因此可以近似認為此種水稻的破力為100 N[19]。

圖4 目標載荷為160 N時的谷粒擠壓曲線

2.2 稻谷內部損傷表征與分析

2.2.1 CT灰度掃描圖像

圖5為不同載荷下的稻谷掃描的二維斷面切片圖，密度越大，圖像越亮。從圖中可以看出頂部的亮灰色為胚組織，稻谷的其他組織呈現為暗灰色，而裂紋呈現為黑色，胚與其他組織連接部分也呈現為黑色；圖中可以看出，載荷為80 N時，稻谷內部不存在裂紋，隨著載荷不斷增大，稻谷內部的裂紋逐漸增多，裂紋的寬度逐漸加大，載荷較小時，裂紋主要沿短軸方向擴展，隨著載荷增大逐漸發展為沿著短軸和長軸方向的混合裂紋。

a. 載荷80 Na. Load 80 Nb. 載荷100 Nb. Load 100 Nc. 載荷120 Nc. Load 120 Nd. 載荷140 Nd. Load 140 Ne. 載荷160 Ne. Load 160 N

2.2.2 CT圖像的偽彩色增強

由于人眼對彩色的分辨率遠遠大于灰度的分辨率，偽彩色增強可以增強觀察者對圖像信息的檢測能力[20]。主要方法是將二維數據陣列通過一個映射關系轉換到真彩色圖像平面上，這種映射關系可以表示為

式中，(,)，(,)和(,)分別是顯示的紅、綠、藍三色值，ξ，ξ和ξ對應映射算子[21]。

本文使用的映射算子圖如圖6所示，從圖中可以看出，最小灰度值（0）對應藍色，中間灰度值（/2）對應綠色，最高灰度值（）代表紅色。根據映射算子運用MATLAB軟件編程進行偽彩色處理[22]，圖7是采用灰度級-彩色變換法得到的受損稻谷掃描圖像的偽彩色圖，紅色部分為背景，深藍色部分為裂紋，淺藍色為稻谷胚組織，偽彩色圖可以更加清晰地觀測裂紋的形態特征，提高圖像分辨率。

注：B(x,y)、G(x,y)、R(x,y)分別為顯示的藍、綠、紅三色的值，C為灰度值。

a. 載荷80 Na. Load 80 Nb. 載荷100 Nb. Load 100 Nc. 載荷120 Nc. Load 120 Nd. 載荷140 Nd. Load 140 Ne. 載荷160 Ne. Load 160 N

2.2.3 CT圖像灰度值及灰度直方圖

CT圖像是由一定數目由黑到白不同灰度的像素按矩陣排列所構成。這些像素反映的是相應體素的X射線吸收系數，因此可以根據稻谷內部組織與裂紋對射線吸收程度不同及反應的灰度值的不同來區分稻谷內部損傷，如圖8a所示，截取圖中的局部視圖，在局部視圖中繪制一條直線[23]，直線橫跨稻谷胚乳組織，裂紋與胚，利用ImageJ軟件取出該直線經過的每個點的灰度值繪制出沿著這條直線的灰度值變化如圖8b所示。由圖8可以看出，直線上的不同位置灰度值不同，灰度值的范圍為0～42，最小處為裂紋以及胚與胚乳連接處，灰度值在0～15之間，最大處為胚，灰度在35～42之間，而胚乳組織雖然各點的灰度值不同，但是灰度值的變化范圍較小，人眼無法區分，因此根據灰度值的差異可以識別稻谷內部損傷情況。

a. CT掃描圖像局部

a. Part of CT scans

b. 沿直線方向的灰度值變化

2.2.4 圖像分割

利用CT圖像進行稻谷內部損傷的定量分析，需要從CT灰度圖像中提取損傷區域，即裂紋，這些區域通常被稱為目標區域，圖像處理中提取目標區域的過程為圖像分割。只要提取損傷區域，并計算出損傷區域的比例就可以達到定量分析的目的[24]。

對于給定圖像，可以通過分析直方圖的方法確定最佳閾值，當直方圖出現雙峰時，可以選擇兩個峰值的中點作為最佳閾值，如圖9為載荷為160 N的稻谷二維切片灰度直方圖，從圖中可以看出在灰度值為0和灰度值為27處的頻數出現峰值，直方圖近似成雙峰狀態，因此根據雙峰法原理選取中間灰度值13為最佳分割閾值。

圖9 灰度直方圖

Fig.9 Gray histogram

分割后的圖像被處理成二值圖像，圖像中只有純白色和純黑色即灰度值為0和1[26]，黑色代表稻谷各組織，白色代表裂紋損傷和胚與胚乳連接處，利用ImageJ軟件處理得到圖像如圖10所示。

圖10 閾值分割后的二值圖像

2.2.5 噪聲處理

處理后的圖像中經常含有許多妨礙人們對信息接受的因素，我們稱之為圖像噪聲，噪聲在理論上可以定義為：不可預測的，只能用概率統計方法來認識的隨機誤差[27]。如圖10所示，圖像含有許多雜點，影響后期的統計計算，因此本文使用3×3窗的中值濾波器，使用9個像素灰度值的中值代替中間的像素值，有效點去除椒鹽噪聲[28]。各載荷下掃描圖片最終處理結果如圖11所示。

a. 載荷80 Na. Load 80 Nb. 載荷100 Nb. Load 100 Nc. 載荷120 Nc. Load 120 Nd. 載荷140 Nd. Load 140 Ne. 載荷160 Ne. Load 160 N

2.2.6 三維圖像重構

為了分析稻谷三維裂紋分布形態以及不同載荷下裂紋擴展規律，本文采用Micro-CT掃描儀自帶的后處理軟件，導入已經分割好的連續的二維斷層圖像，因為此次三維重構目的是要識別出稻谷組織中的裂紋，即單一目標識別，所以本文選擇軟件的3D segmentation of VOI（volume of interest）1.solid object 重構模型，基于Feldkamp (Feldkamp-Davis-Kress) 算法[29]，利用DECterm程序的IPL圖像處理語言進行三維重構。如圖12所示是利用三維重構得到的受不同載荷擠壓作用下到的內部損傷稻谷，從左向右依次為受載荷80、100、120、140、160 N。

a. 載荷80 Na. Load 80 Nb. 載荷100 Nb. Load 100 Nc. 載荷120 Nc. Load 120 Nd. 載荷140 Nd. Load 140 Ne. 載荷160 Ne. Load 160 N

圖12中可以看出當稻谷受到的擠壓載荷小于谷物破壞力時（載荷為80 N），內部雖然有形變，但未產生明顯裂紋，當載荷達到破壞力時（載荷為100 N），內部出現裂紋，最先出現的裂紋一般沿著短軸方向擴展，隨著載荷的不斷增大原有裂紋逐漸變寬，并產生新的沿著長短軸的混合裂紋，直到糙米斷裂。

2.2.7 稻谷內部損傷的定量化描述

損傷量是表征材料或結構劣化程度的量度，直觀上可理解為微裂紋或孔洞在整個材料中所占體積的百分比[30]。本文將損傷度定義某一截面上（樣本掃描切片中面積最大的截面）裂紋面積與樣品該截面總面積的比值，其公式為

式中1為裂紋面積，為切片截面總面積。

由于裂紋和稻谷胚乳與胚的連接部分所對應的灰度值為0，因此可以通過計算機程序來統計圖像中灰度值為0的像素點的個數來獲取兩者的面積，同理樣品的總面積也可求得。在實際計算過程中，公式轉換為

式中1為切片截面上裂紋像素點的個數與稻谷胚乳與胚的連接部分像素點的個數之和，為該切片截面上的總的像素點個數。

對于本次試驗，要去除稻谷胚乳與胚的連接部分的像素個數，可由未受載荷的稻谷切片圖求出，各個稻谷連接部分近似認為相等，因此公式可表示為

式中1為切片截面上裂紋像素點的個數與稻谷胚乳與胚的連接部分像素點的個數之和，為胚與胚乳連接部分的像素個數，為該切片截面上的總的像素點個數。

對于不同載荷下的稻谷內部損傷進行統計計算并繪制了損傷度與載荷的關系如圖13所示。

從圖13中可以看，80、100、120、140、160 N載荷下的損傷度分別為0、0.26%、0.39%、0.93%、1.79%。擠壓載荷小于80 N時，稻谷內部雖然有形變，但并未出現裂紋，損傷度為0，隨著載荷的增加，應變達到一定值，即達到稻谷破壞力時，內部開始出現裂紋，損傷度逐漸增加，在擠壓載荷增加前期（120 N之前），內部損傷隨單位載荷增幅較小，之后增幅迅速增大，這是因為前期裂紋數量少，多為細小裂紋，后期逐漸發展為多條混合裂紋，裂紋寬度增大，直至糙米斷裂。

圖13 稻谷損傷度與所受載荷關系圖

3 結 論

1）本文基于Micro-CT掃描技術分析稻谷內部損特性，并結合數字圖像處理方法，建立了定量表征稻谷內部損傷度的方法。

2）稻谷擠壓特性試驗表明，同一品種稻谷由于個性差異，破壞力不完全相同，趨于某一定值，本文中的南粳9108水稻種子破壞力近似為100 N，且隨著載荷增加，先達到稻谷破壞力，開始出現裂紋，隨著載荷不斷增大，裂紋不斷擴展直到糙米斷裂，載荷繼續加大，谷殼開始出現開裂，直至整個稻谷破碎。

3）對受不同載荷的受損稻谷進行CT掃描試驗，利用偽彩色圖像處理技術可以提高肉眼對CT掃描結果的視覺分辨率，更直觀的分析裂紋形態。結合CT圖像灰度值以及灰度直方圖分析稻谷損傷特性，結果表明：稻谷各組織的灰度值存在一定差異，裂紋的灰度值較小，一般在0～15，胚組織的灰度值最大，其次是胚乳。根據灰度直方圖可以直觀的的觀察各個成分所占的比例大小，受損稻谷灰度直方圖近似為雙峰模型。

4）采用雙峰法對受不同載荷的稻谷CT掃描圖像進行閾值分割，得到二值化圖像，利用DECterm程序的IPL圖像處理語言進行三維重構，獲得不同載荷下的損傷稻谷的三維重構圖，從不同角度分析裂紋的損傷狀態；定義損傷度，對二值圖像進行統計分析，得到各載荷下的損傷度分別為0，0.26%，0.39%，0.93%，1.79%。繪制了損傷度與載荷關系圖，結果表明：沒達到稻谷破壞力之前，隨著載荷增加，損傷度為0，達到破壞力之后隨著載荷的增加，損傷度增加，且單位載荷增幅較小，達到載荷120N后增幅加大，直到稻谷斷裂破碎。

[1] 楊國峰. 稻谷裂紋產生機理探討[J]. 食品科學，2004(10)：384－388.

Yang Guofeng. Discussion on the mechanism of rice crack[J]. Food science, 2004(10): 384－388. (in Chinese with English abstract)

[2] 徐立章，李耀明，王顯仁，等. 谷物脫粒損傷的研究進展分析[J]. 農業工程學報，2009，25(1)：303－306.

Xu Lizhang, Li Yaoming, Wang Xianren, et al. Research progress on grain threshing damage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2009, 25(1): 303－306. (in Chinese with English abstract)

[3] 徐立章，李耀明，王顯仁，等. 稻谷脫粒損傷的量化與檢測方法[J]. 農業機械學報，2007，38(11)：185－188.

Xu Lizhang, Li Yaoming, Wang Xianren, et al. Quantification and detection method of rice threshing damage[J]. Journal of agricultural machinery, 2007, 38(11): 185－188. (in Chinese with English abstract)

[4] 王頡，郗超航，李英軍，等. 機械損傷果實CT值變化規律研究[J]. 農業工程學報，2008，24(增刊2)：18－21.

Wang Jie, Xi Chaohang, Li Yingjun, et al. Changes of CT values of mechanically damaged fruits[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2008, 24(Supp.2): 18－21. (in Chinese with English abstract)

[5] 張新偉，趙學觀，張健東，等. 基于數據融合的玉米種子內部機械裂紋檢測方法[J]. 農業工程學報，2012，28(9)：136－141.

Zhang Xinwei, Zhao Xueguan, Zhang Jiandong, et al. Detection of internal mechanical cracks in corn seeds based on data fusion technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2012, 28(9): 136－141. (in Chinese with English abstract)

[6] Anup Suresh, Suresh Neethirajan. Real-time 3D visualization and quantitative analysis of internal structure of wheat kernels[J]. Journal of Cereal Science, 2015, 63: 81－87.

[7] Letitia Schoeman, Paul Williams, Anton du Plessis, et al. X-ray micro-computed tomography for non-destructive characterisation of food microstructure[J]. Trends in Food Science & Technology, 2016, 47: 10－24.

[8] 趙陽升，孟巧榮，康天合，等. 顯微CT試驗技術與花崗巖熱破裂特征的細觀研究[J]. 巖石力學與工程學報，2008，27(1)：28－34.

Zhao Yangsheng, Meng Qiaorong, Kang Tianhe, et al. A microscopic study of the thermal cracking characteristics of granite and the CT test technique[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(1): 28－34. (in Chinese with English abstract)

[9] 馬天壽，陳平. 基于CT掃描技術研究頁巖水化細觀損傷特性[J]. 石油勘探與開發，2014，41(2)：227－233.

Ma Tianshou, Chen Ping. Study on meso damage of shale hydration based on CT scanning technique[J]. Petroleum Exploration and development, 2014, 41(2): 227－233. (in Chinese with English abstract)

[10] 孫華飛，鞠楊，行明旭，等. 基于CT圖像的土石混合體破裂-損傷的三維識別與分析[J]. 煤炭學報，2014，39(3)：452－458.

Sun Huafei, Ju Yang, Xing Mingxu, et al. Three dimensional identification and analysis of earth rock Mixture rupture damage based on CT image[J]. Journal of Coal Science, 2014, 39(3): 452－458. (in Chinese with English abstract)

[11] 金東春，姜玲，張曉燕，等. 應用Micro CT進行下頜骨骨板厚度的測量研究[J]. 臨床口腔醫學雜志，2010，26(5)：306－308.

Jin Dongchun, Jiang Ling, Zhang Xiaoyan, et al. Application of Micro-CT in the measurement of mandibular bone plate thicknessr[J]. Journal of Clinical Stoma-tology, 2010, 26(5): 306－308. (in Chinese with English abstract)

[12] 王江雪，高玉，李輝，等. 離子造影劑增強Micro-CT掃描對大鼠關節軟骨形態的定量分析[J]. 生物醫學工程研究，2014，33(3)：157－161.

Wang Jiangxue, Gao Yu, Li Hui, et al. Contrast analysis of Micro-CT plasma enhanced quantitative morphology of articular cartilage of rats[J]. Journal of Biomedical Engineering Research, 2014, 33(3): 157－161. (in Chinese with English abstract)

[13] Buie H R, Bosma N A, Downey C M, et al. Micro-CT evaluation of bone defects: Applications To osteolytic bone metastases, bone cysts, and fracture[J]. Medical Engineering and Physics, 2013, 35(11): 1645－1650.

[14] 張京平，朱建錫，孫騰，等. 蘋果內部品質的CT成像結合傅里葉變換方法檢測[J]. 農業機械學報，2014，45(5)：197－204.

Zhang Jingping, Zhu Jianxi, Sun Teng, et al. Detection of apples’internal quality using CT imaging technology and fourier transform[J]. Journal of Agricultural Machinery, 2014, 45(5): 197－204. (in Chinese with English abstract)

[15] 程亞南，劉建立，呂菲，等. 基于CT圖像的土壤孔隙結構三維重建及水力學性質預測[J]. 農業工程學報，2012，28(22)：115－121.

Cheng Yanan, Liu Jianli, Lü Fei, et al. Three dimens-Ional reconstruction of soil pore structure and prediction of hydraulic properties based on CT images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of CSAE), 2012, 28(22): 115－121. (in Chinese with English abstract)

[16] Dennis Cantre, Andrew East, Pieter Verboven, et al. Microstructural characterisation of commercial kiwifruit cultivars using X-ray micro computed tomography[J]. Postharvest Biology and Technology, 2014, 92(3): 79－86.

[17] 任祖方，許喬洺，吳杰，等. 稻谷的機械力學特性試驗[J]. 湖北農業科學，2012，51(21)：4881－4883.

Ren Zufang, Xu Qiaoming, Wu Jie, et al. Mechanical properties test of rice[J]. Hubei Agricultural Sciences, 2012, 51(21): 4881－4883. (in Chinese with English abstract)

[18] 李耀明，王顯仁，徐立章，等. 水稻谷粒的擠壓力學性能研究[J]. 農業機械學報，2007，38(11)：56－59.

Li Yaoming, Wang Xianren, Xu Lizhang, et al. Study on mechanical properties of rice grain[J]. Journal of agricultural machinery, 2007, 38(11): 56－59. (in Chinese with English abstract)

[19] 王顯仁，李耀明，徐立章. 水稻谷粒的機械損傷機理及試驗[J]. 農機化研究，2007(12)：141－144.

Wang Xianren, Li Yaoming, Xu Lizhang. Mechanism and experiment of mechanical damage of rice grain[J]. Journal of Agricultural Mechanization Research, 2007(12): 141－144. (in Chinese with English abstract)

[20] 梁玉紅. 偽彩色技術在超聲無損檢測中的應用[J]. 鍋爐制造，2006(2)：70－72.

Liang Yuhong. Application of pseudo color technique in ultrasonic nondestructive testing[J]. Boiler Manufacturing, 2006(2): 70－72. (in Chinese with English abstract)

[21] 王家文. Matlab 7.6 圖形圖像處理[M]. 北京：國防工業出版社，228－230.

[22] 霍宏濤. 數字圖像處理[M]. 北京：機械工業出版社，105－107.

[23] 劉慧. 基于CT圖像處理的凍結巖石細觀結構及損傷力學特性研究[D]. 西安：西安科技大學，2013：43－45.

Liu Hui. Study on Meso-structure and Damage Mechanical Characteristics of Frozen Rock Based on CT Image Processing[D]. Xi’an: Xi’an University of Science And Technology, 2013: 43－45. (in Chinese with English abstract)

[24] 石秉忠，夏柏如，林永學，等. 硬脆性泥頁巖水化裂紋發展的CT成像與機理[J]. 石油學報，2012，33(1)：137－142.

Shi Bingzhong, Xia Bairu, Lin Yongxue, et al. CT imaging and mechanism analysis of crack development by hydration in hard-brittle shale formations[J]. Acta Petrolei Sinica, 2012, 33(1): 137－142. (in Chinese with English abstract)

[25] 梁華為. 直接從雙峰直方圖確定二值化閾值[J]. 模式識別與人工智能，2002，15(2)：254－256.

Liang Huawei. Determine the threshold value of two from Shuangfeng histogram[J]. Pattern Recognition and Artificial Intelligence, 2002, 15(2): 254－256. (in Chinese with English abstract)

[26] 江明，劉輝，黃歡. 圖像二值化技術的研究[J]. 軟件導刊，2009，8(4)：175－177.

[27] 曹靜嫻，顧國華，隋修寶，等. 一種中值與鄰域比較的濾波算法及硬件實現[J]. 激光與紅外，2011，41(6)：645－648.

Cao Jingxian, Gu Guohua, Sui Xiubao, et al. Filter algorithm by comparing the value of the neighborhood and hardware realization[J] . laser & infrared, 2011, 41(6): 645－648. (in Chinese with English abstract)

[28] 孫水發，董方敏. ImageJ圖像處理與實踐[M]. 北京：國防工業出版社，30－33.

[29] 冒晶晶.Micro-CT相關算法研究及其軟件系統設計[D]. 西安：西安電子科技大學，2010.

Mao Jingjing, Relevant Algorithm Study and Software System Design for Micro-CT[D]. Xi’an: Xidian University, 2010. (in Chinese with English abstract)

[30] 楊更社，劉慧. 基于CT圖像處理技術的巖石損傷特性研究[J]. 煤炭學報，2007，32(5)：463－468.

Yang Gengshe, Liu Hui. Study on rock damage characteristics based on CT image processing technology[J]. Journal of Coal Science, 2007, 32(5): 463－468. (in Chinese with English abstract)

Quantitative characterization of grain internal damage and 3D reconstruction based on Micro-CT image processing

Chen Shuren, Xu Li, Yin Jianjun, Tang Mingming

(,,,212013,)

In the process of rice harvesting, storage and transportation, external mechanical force is the main way to damage the rice. The internal cracks can not be observed by the naked eye, but affect the storage, processing and germination rate of rice. In this paper, the mechanical properties of rice were analyzed by using a texture analyzer, and the damage and fracture process of rice was analyzed. Because the brown rice was more brittle than the chaff, the brown rice first had cracks under the loading condition. As the load increased, the brown rice was broken and the chaff began to crack. After repeated tests, when the moisture content was 12.83% and the loading mode was extrusion along the thickness direction of rice, the destructive power of this kind of rice grain was 100 N. The CT (computed tomography) scan test was performed for the rice under different loads, and pseudo-color image processing, gray value and gray histogram analysis, and threshold segmentation of 2-mode method and Feldkamp reconstruction algorithm (Feldkamp-Davis-Kress) were used to process the CT scan images. The research results showed that pseudo-color image processing could improve the visual resolution of CT images, and it was easy to observe the shape of cracks. Analysis of gray value and gray histogram could identify the organization of rice and cracks, and it showed that the gray value of cracks and connection of the embryo and endosperm was 0-15, and the maximum gray value of 35-42 corresponded to the embryo. It could be seen from the gray histogram that the majority of rice grains were endosperm, and the embryo and cracks and the joints occupied a small amount. The 2-mode method was used to segment the CT images and the median filter was used to eliminate the salt and pepper noise. Finally, the binary image was obtained. The gray value corresponding to the crack and the joint of the embryo and endosperm was 0, and the grey value of other tissues was 1. The crack area was obtained by subtracting the number of pixels at the joint by using the number of pixels with a gray value of 0. The ratio of the area of the crack to the total area of the whole section was the degree of damage, and the damage degrees under loads of 80, 100, 120, 140, and 160 N were 0, 0.26%, 0.39%, 0.93%, and 1.79%, respectively. Relationship between damage degree and load was obtained based on image segmentation. The damage occurred mainly after the failure of the load to the grain, and with the increase of the load, the damage degree increased; the increase was small, and then the damage degree continued to increase rapidly until the grain was broken. Three-dimensional (3D) reconstruction of damaged grain was carried out based on reconstruction algorithm. From the 3D map of different angles, it could be seen when the load of grain was less than grain extrusion load leading to damage, although the internal deformation occurred, but there were no obvious cracks; when the load reached the destructive force, internal cracks began to appear, and the crack first appeared generally along the short axis direction of expansion With the load increasing, the original crack became wider, and the new mixed crack was produced along the minor axis until the brown rice was fractured. This study can provide a new idea for quantitative analysis of grain internal damage.

computer tomography; grain; three dimensional; quantification; extrusion characteristics; image processing; three-dimensional reconstruction

10.11975/j.issn.1002-6819.2017.17.019

S225.4

A

1002-6819(2017)-17-0144-08

2017-04-24

2017-08-24

國家自然科學基金項目（51375215）；江蘇高校優勢學科建設工程資助項目（蘇政辦發[2014]37號）

陳樹人，湖南攸縣人，博士，教授 主要從事收獲加工技術研究。Email：srchen@ujs.edu.cn