BRPI0210794B1 - método de ordenar grânulos dentro de uma grandeza de grânulos - Google Patents
método de ordenar grânulos dentro de uma grandeza de grânulos Download PDFInfo
- Publication number
- BRPI0210794B1 BRPI0210794B1 BRPI0210794-5A BRPI0210794A BRPI0210794B1 BR PI0210794 B1 BRPI0210794 B1 BR PI0210794B1 BR PI0210794 A BRPI0210794 A BR PI0210794A BR PI0210794 B1 BRPI0210794 B1 BR PI0210794B1
- Authority
- BR
- Brazil
- Prior art keywords
- quality
- composition
- multivariate
- signal
- objects
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000008187 granular material Substances 0.000 title claims description 18
- 239000000203 mixture Substances 0.000 claims abstract description 40
- 239000011368 organic material Substances 0.000 claims abstract description 10
- 230000005670 electromagnetic radiation Effects 0.000 claims description 7
- 238000002203 pretreatment Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000005481 NMR spectroscopy Methods 0.000 claims description 2
- 230000001953 sensory effect Effects 0.000 claims description 2
- 235000013339 cereals Nutrition 0.000 description 30
- 238000001228 spectrum Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 13
- 241000209140 Triticum Species 0.000 description 12
- 235000021307 Triticum Nutrition 0.000 description 12
- 241000482268 Zea mays subsp. mays Species 0.000 description 12
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 11
- 235000019624 protein content Nutrition 0.000 description 10
- 235000013312 flour Nutrition 0.000 description 8
- 239000012535 impurity Substances 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010238 partial least squares regression Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 235000021251 pulses Nutrition 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 235000008429 bread Nutrition 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 244000105624 Arachis hypogaea Species 0.000 description 2
- 244000299461 Theobroma cacao Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 235000020232 peanut Nutrition 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 229930195730 Aflatoxin Natural products 0.000 description 1
- XWIYFDMXXLINPU-UHFFFAOYSA-N Aflatoxin G Chemical compound O=C1OCCC2=C1C(=O)OC1=C2C(OC)=CC2=C1C1C=COC1O2 XWIYFDMXXLINPU-UHFFFAOYSA-N 0.000 description 1
- 101100004280 Caenorhabditis elegans best-2 gene Proteins 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 238000007696 Kjeldahl method Methods 0.000 description 1
- GXCLVBGFBYZDAG-UHFFFAOYSA-N N-[2-(1H-indol-3-yl)ethyl]-N-methylprop-2-en-1-amine Chemical compound CN(CCC1=CNC2=C1C=CC=C2)CC=C GXCLVBGFBYZDAG-UHFFFAOYSA-N 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000009470 Theobroma cacao Nutrition 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000005409 aflatoxin Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000015895 biscuits Nutrition 0.000 description 1
- 235000019658 bitter taste Nutrition 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 235000019219 chocolate Nutrition 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 235000014571 nuts Nutrition 0.000 description 1
- 235000015927 pasta Nutrition 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Sorting Of Articles (AREA)
- Extraction Or Liquid Replacement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Separation Of Solids By Using Liquids Or Pneumatic Power (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Abstract
"MÉTODO DE ORDENAR, OBJETOS QUE COMPREENDEM MATERIAL ORGÂNICO". É fornecido um método de ordenar objetos dentro de uma grandeza de objetos de uma população heterogênea. A grandeza dos objetos a serem ordenados tem uma variação inerente, e pelo menos uma classe, tendo menos variação que a variação originalmente inerente da grandeza, que é separada da grandeza. Esta variação menor representa uma qualidade da composição com referência a qualquer material orgânico dos objetos dentro da grandeza. o método compreende as etapas de distribuir cada um dos objetos a serem separados como um objeto separado em um dispositivo de ordenação; expor o objeto separado à energia emitida de pelo menos uma fonte de energia; registrar pelo menos um ponto do objeto separado por meio de pelo menos um sensor um primeiro sinal multivariado; predizer ou classificar, por meio de um método de calibração anteriormente efetuado em um subconjunto da população, entre o primeiro sinal multivariado e a qualidade da composição, um segundo sinal que expressa a magnitude de pelo menos uma variável de qualidade de variação univariada; e separar o objeto separado do dispositivo de ordenação para pelo menos uma classe coletada em dependência da magnitude da pelo menos uma variável de (...).
Description
[001] A invenção refere-se a um método de ordenar objetos. Mais especificamente, a invenção refere-se a um método de ordenar objetos dentro de uma grandeza de objetos de uma população heterogênea ao separar de um dispositivo de ordenação pelo menos uma classe coletada de qualidade diferente de composição com referência a qualquer material orgânico dos objetos.
[002] Existem um número de métodos para ordenar objetos de acordo com atributos externos, como o comprimento, o tamanho e a densidade.
[003] Por exemplo, na limpeza de grãos é comum utilizar máquinas projetadas para separar as impurezas, como material de dimensão excessiva ou diminuta, ou classificar grãos, por exemplo, cevada para malte, de acordo com a largura dos grãos. Outras tabelas de gravidade são utilizadas para ordenar materiais granulares de acordo com a densidade dos grãos.
[004] Também há máquinas de limpeza para materiais granulares, que removem as impurezas de acordo com sua cor. Nessas máquinas o material a ser limpo é conduzido para cair dentro da atmosfera livre, idealmente um a um. Durante sua queda, os objetos são iluminados com luz. A luz refletida, transmitida ou emitida de cada objeto é detectada a 1-3 bandas pré-selecionadas de comprimento de onda nas regiões visível e/ou infravermelha (IR) pela utilização de filtros ópticos. Essas bandas são préselecionadas para dar um sinal que corresponde a uma característica de ordenação conhecida dos objetos a serem removidos, por exemplo, descoloração. Ademais, nesses métodos os filtros ópticos são selecionados de modo que há uma diferença substancial na luz transmitida, refletida ou emitida entre um objeto desejado ou indesejado.
[005] Um aparelho de ordenação óptica para produtos agrícolas é mostrado na Patente dos Estados Unidos número 4.963.041, que tem um dispositivo de fundo para comparação da cor e/ou brilho do objeto a ser ordenado. O dispositivo de fundo é dinamicamente variável para fornecer uma referência ajustável para um detector óptico. Os objetos a serem limpos são posicionados de modo similar a frente de um fundo adequado na Patente da Inglaterra número 2.091.415 bem como na Patente dos Estados Unidos número 4.203.522.
[006] Na Patente dos Estados Unidos número 4.421.772, é mostrado um método para identificar partes componentes botânicas de sementes, em que um sistema de iluminação para um microscópio fluorescente é utilizado. A fluorescência também é utilizada na Patente dos Estados Unidos número 4.866.283 para a inspeção e limpeza de feijões, nozes, e pulsos, por exemplo, amendoim, em que a luminescência induzida por laser é utilizada para detectar impurezas. O sistema de inspeção compreende um meio de excitação para iluminar um objeto para fazer com que ele produza radiação fluorescente. Uma leitura da característica específica produzida pelo objeto é comparada a uma leitura de referência para obter uma indicação de uma característica específica do objeto. Desta forma, o sistema identifica e remove objetos indesejados ou danificados, por exemplo, amendoim contaminado por aflatoxina, de um fluxo de objetos ao determinar a fluorescência a um comprimento de onda predeterminado.
[007] A detecção de aflatoxina por meio de fluorescência após exposição à radiação ultravioleta de ondas longas também foi efetuada na Patente dos Estados Unidos número 4.535.248.
[008] Na Patente da Inglaterra número 2.060.166, diferenças entre dois materiais são distinguidas pela utilização de um dispositivo com dois filtros. Neste dispositivo, uma mistura de dois materiais diferentes é alimentada através de uma zona de teste dentro da qual pulsos de luz com duas freqüências alternadas são dirigidas. Essas duas freqüências correspondem às freqüências características dos picos de amplitude para a luz refletida por cada material, os pulsos de luz refletida sendo avaliados para fornecer um sinal de rejeição para a separação física dos dois materiais quando um pulso refletivo tem um relacionamento específico.
[009] Não há qualquer indicação nos métodos do estado da técnica de que uma calibragem multivariada, que descreve e heterogeneidade da composição dos objetos a serem ordenados, deve ser efetuada antes da efetiva ordenação.
[0010] Nesses métodos tradicionais, a luz refletida, transmitida ou emitida é registrada. Três comprimentos de onda no máximo são analisados, um dentro da região de luz visível e dois dentro da região IR. Assim, uma característica do objeto é determinada com referência ao registro apenas de um a três comprimentos de onda.
[0011] Ademais, medições simultâneas de vários comprimentos de onda (>3) não podem ser efetuados com essa disposição de filtro enquanto se supõe que a luz que atinge cada filtro será refletida de um e o mesmo ponto bem definido em um objeto e/ou com um e o mesmo ângulo.
[0012] Nem é a retirada de um objeto em um ordenador de cor específica, pois o ejetor de jato de ar utilizado também remove de sua linha cadente vários objetos na vizinhança daquele objeto que deve ser removido. Assim, a pureza da fração removida é baixa e ela contém no melhor 2 a 3 vezes tantos objetos não selecionados quanto o número de objetos selecionados para remoção.
[0013] Ademais, os objetos na vizinhança daqueles removidos são influenciados e tirados de sua linha cadente e suas posições assim podem não ser identificadas. Isto significa que a ordenação de qualquer um desses objetos é ainda mais imprecisa e limita a aplicação de ordenadores de cor a tarefas de limpeza, em que a porcentagem de impurezas é baixa.
[0014] Uma propriedade inerente em uma população de objetos de origem biológica bem como muitos objetos feitos pelo homem que compreendem materiais orgânicos é que eles exibem uma variação em uma ou várias qualidades diferentes da composição. Essa variação inerente ou heterogeneidade e, em contraste com as impurezas, uma propriedade integrada de uma população. Assim, existem vários tipos de qualidades ou de propriedades, que não podem ser determinadas por um, dois ou três comprimentos de onda.
[0015] A finalidade da invenção é alcançar um método de ordenar objetos em que os problemas mencionados acima são eliminados.
[0016] Uma outra finalidade da invenção é fornecer um método, em que a população total de objetos a serem ordenados é classificada com referência a sua heterogeneidade em uma ou mais de suas qualidades de composição.
[0017] Outra finalidade da invenção é fornecer um método que permitirá a identificação de objetos intactos de uma população heterogênea e a ordenação deles em duas ou mais classes, cada uma delas sendo mais homogênea que o material original não ordenado.
[0018] Ainda outra finalidade da invenção é fornecer um método em que materiais orgânicos podem ser medidos, avaliados bem como classificados em um processo em classes mais úteis e valiosas.
[0019] Mais outra finalidade da invenção é fornecer um método de capacidade de ordenação alta, que é adequada para ordenar materiais a granel, como matérias primas ou semimanufaturas para a produção industrial sem afetar os procedimentos de produção normal de um processo industrial.
[0020] Para atingir essas finalidades, a presente invenção fornece um método de ordenar objetos dentro de uma grandeza de objetos de uma população heterogênea. Esta grandeza de objetos a serem ordenados possui uma variação inerente. Pelo menos uma classe, tendo menor variação que a variação originalmente inerente, é separada da grandeza, e essa variação menor representa uma qualidade da composição com referência a qualquer material orgânico dos objetos dentro da grandeza.
[0021] Neste particular, o termo “material orgânico” pertence às substâncias derivadas de organismos vivos e substâncias químicas contendo átomos de carbono ligado bem como texturas, estruturas, etc., que são deles formadas. Naturalmente, o método inventivo também pode ser utilizado para classificar e ordenar objetos inorgânicos.
[0022] O método inventivo compreende as etapas de: (a) distribuir cada um dos ditos objetos a serem separados como um objeto separado em um dispositivo ordenador. (b) expor o dito objeto separado a energia de pelo menos uma fonte de energia. (c) registrar de pelo menos um ponto do dito objeto separado por meio de pelo menos um sensor um primeiro sinal multivariado. (d) predizer ou classificar, por meio de um método de calibragem multivariado efetuado anteriormente em um subconjunto da dita população, entre o dito primeiro sinal multivariado e a dita qualidade de composição, um segundo sinal que expressa a magnitude de pelo menos uma variável de qualidade de variação univariada. (e) separar o dito objeto separado do dito dispositivo ordenador para pelo menos uma classe coletada em dependência da magnitude de pelo menos uma variável de qualidade do dito segundo sinal de pelo menos um ponto.
[0023] Nos desenhos:
[0024] A Figura 1 mostra exemplos de prétratamentos não supervisados efetuados no primeiro sinal multivariado.
[0025] A Figura 2 mostra um exemplo de um espectro obtido de um grão de trigo individual em uma amostra.
[0026] A Figura 3 mostra a curva de distribuição de um segundo sinal obtido para os grãos na amostra.
[0027] A Figura 4 mostra um exemplo da classificação de uma amostra em três classes (A, B e C) de acordo com uma combinação de duas variáveis de qualidade (desconhecidas) não supervisionadas.
[0028] A Figura 5 mostra um exemplo de um espectro de absorbância próximo do infravermelho de um grão de milho de pipoca.
[0029] A Figura 6 mostra os resultados de uma classificação de grãos de milho de pipoca, uma Análise de Componente Principal das três classes (A, C e E) obtidas após ordenar de acordo com o método inventivo.
[0030] A presente invenção fornece um novo conceito de ordenação ao explorar, por exemplo, a natureza heterogênea inerente de materiais orgânicos de origem biológica. A invenção tem por base a observação de que os objetos que compreendem o material orgânico muitas vezes exibem uma grande variação em sua absorção de radiação eletromagnética em geral a um grande número de energias específicas. Por exemplo, um grande número de grânulos individuais em materiais granulares foi analisado pela utilização de novas técnicas analíticas. Os inventores verificaram surpreendentemente que uma enorme variação de grânulo para grânulo nesses materiais pode ser utilizada para ordenar em classes mais homogêneas. Esta variação inerente, naturalmente, não é obtida como uma diferença de cor no material, que indica impurezas, ou como uma diferença, que pode ser atribuída a uma variação na intensidade da luz refletida, transmitida ou emitida a 1-3 comprimentos de onda fixos.
[0031] Essa variação multivariada reflete uma variação inerente, em parâmetros de qualidade conhecidos e/ou desconhecidos, que caracteriza cada objeto. Esses parâmetros de qualidade não podem ser diretamente relacionados às leituras registradas de acordo com o estado da técnica.
[0032] Por exemplo, uma medição simultânea da radiação eletromagnética transmitida, refletida e/ou emitida em geral é efetuada em um grande número de energias em uma ou mais regiões selecionadas de radiação de modo que um espectro possa ser registrado para cada objeto. A variação na intensidade em diferentes comprimentos de onda entre os espectros diferentes é utilizada para ordenar os objetos. Os diferentes níveis da radiação refletida, transmitida ou emitida então correspondem a variáveis diferentes. O grande número de valores de intensidade a níveis diferentes de energia em cada espectro é ainda processado para cada objeto em apenas um sinal, que é utilizado para ordenar os objetos em classes diferentes. Assim, tipicamente um grande número de valores diferentes, pelo menos quatro valores de intensidade singular, são reduzidos em um sinal para ordenar os objetos. A técnica é utilizada para ordenar objetos de modo que a variação inerente entre objetos em uma classe é reduzida e/ou minimizada. Esta variação inerente menor, por exemplo, pode ser alcançada com a redução do grande número de valores de absorção registrados nos diferentes níveis de energia em poucas variáveis de qualidade, cujos parâmetros descrevem a variação inerente no material a ser classificado. Essas variáveis de qualidade são escolhidas de tal forma que descrevem uma parte tão alta quanto possível ou uma parte específica da variação nos espectros de um conjunto de objetos de referência.
[0033] Mais especificamente, o método inventivo é projetado para ordenar por meio de um dispositivo ordenador objetos dentro de uma população heterogênea em pelo menos duas classes coletadas de qualidades diferentes de composição com referência a qualquer material orgânico dos objetos. Pelo menos uma classe coletada exibe variação menor que a população original não ordenada.
[0034] Neste particular uma qualidade de composição é um caracter peculiar, distinto ou essencial, que pode ser definido ou que permanece sem definição. Assim, a heterogeneidade pode ser desconhecida com referência a sua natureza, isto é, ainda não atribuída a uma única ou uma combinação de dois ou mais parâmetros de qualidade. Em contraste com o estado da técnica, em que um objeto indesejado ocasional de uma população é removido, a presente invenção utiliza heterogeneidades integradas em qualidades de composição de uma população para ordenar.
[0035] A qualidade de composição, conforme utilizada na presente invenção, pode ser uma variação na composição química de um objeto para outro, isto é, a variação na qualidade bem como na quantidade. No entanto, ela pode bem ser uma propriedade derivada como molhabilidade, sabor, plasticidade térmica, milabilidade, ou o potencial de uma certa classe de objetos de causar boa qualidade de assar de uma semente após o processamento, um grande volume de pipoca após estourar, uma resistência particular de um objeto plástico, pílulas farmacêuticas sem a tendência a estourar, um gosto menos amargo do chocolate após o processamento do cacau, etc. Assim, a qualidade de composição pode ser uma qualidade química, uma qualidade estrutural, uma qualidade sensória, ou uma qualidade funcional. Naturalmente, essas qualidades de composição podem ser combinadas, pois, por exemplo, uma boa qualidade de assar só pode ser derivada parcialmente do teor de proteína.
[0036] Cada sistema mecânico pode ser utilizado como um dispositivo de ordenação em conexão com o método inventivo, que é projetado para dispor objetos de modo tal que eles, em contraste com o ordenador de cores mencionado acima, podem ser organizados sistematicamente de acordo com instruções especificadas e removido de suas posições com alta precisão sem influenciar os objetos adjacentes.
[0037] Cada um dos objetos a ser separado, de acordo com a invenção, é primeiro distribuído como um objeto separado em um dispositivo ordenador. Então cada um dos objetos separados é exposto à energia emitida de pelo menos uma fonte de energia. A energia emitida pode ser radiação eletromagnética e/ou ondas sônicas.
[0038] Qualquer radiação eletromagnética ou onda sônica, sozinha ou em combinação, pode ser utilizada, como a luz ultravioleta, luz visual, luz próxima do infravermelho, luz fluorescente, ondas ultrassônicas, microondas, ou ressonância magnética nuclear.
[0039] Preferivelmente, a fonte de energia emite energia que, por reflexão, transmissão ou emissão dos objetos, resulta em uma resposta com alta seletividade em relação à heterogeneidade do material a ser ordenado.
[0040] Para assegurar uma alta capacidade de ordenação, é um aspecto importante do método inventivo que o tempo utilizado para registrar e analisar dados pode ser ajustado para uma velocidade ótima de distribuição e/ou de rejeição de tipos particulares de objetos. Assim, o registro do primeiro sinal multivariado de qualquer ponto de um objeto a ser ordenado não deve ser efetuado por um período de tempo maior do que 20 a 30 ms, preferivelmente 5 ms.
[0041] O primeiro sinal multivariado é registrado de pelo menos um ponto de cada objeto separado por meio de pelo menos um sensor. O sensor pode ser univariado ou multivariado, isto é, construído para medição de um ou a medição simultânea de mais de um comprimento de onda, respectiva, como intensidades singulares para cada uma de quatro ou mais comprimentos de onda, ou como a soma de quatro ou mais comprimentos de onda. O registro pode ocorrer tanto quando o objeto separado está estacionário como quando ele está se deslocando sob o(s) sensor(es). Se necessário, vários sensores são utilizados de modo que uma correlação satisfatória possa ser obtida para a qualidade do objeto.
[0042] Por exemplo, se apenas um sensor é utilizado, ele tem a capacidade de registrar a radiação eletromagnética e/ou ondas sônicas refletidas e/ou transmitidas e/ou emitidas em mais de três comprimentos de onda como intensidades singulares ou como uma soma de intensidades. No método inventivo o primeiro sinal multivariado para cada objeto é então processado em um sinal para a ordenação de precisão.
[0043] Cada primeiro sinal multivariado reflete uma variação nos parâmetros conhecidos ou desconhecidos de qualidade que caracterizam cada objeto. Como a maioria das qualidades são complexas, a abordagem multivariada é utilizada para converter os sinais detectados em sinais de ordenação. Isto é efetuado por cada primeiro sinal multivariado mensurado de pelo menos um ponto dos objetos ser traduzido para (isto é, reduzido para) um segundo sinal univariado.
[0044] Este segundo sinal univariado é previsto ou classificado por meio de um método de calibragem multivariado entre o primeiro sinal multivariado e a qualidade da composição. A calibragem, que tem por base pelo menos quatro variáveis, foi efetuada anteriormente em um subconjunto da população e descreve a heterogeneidade da composição da grandeza a ser ordenada. O segundo sinal então expressa a magnitude de pelo menos uma variável de qualidade da variação univariada. Quando o segundo sinal expressa a magnitude de mais de uma variável, essas variáveis podem ser previstas unicamente ou classificada unicamente ou uma combinação de ambas variáveis classificadas e previstas.
[0045] Antes dessa etapa de previsão ou de classificação, o primeiro sinal multivariado é preferivelmente transformado por meio de um pré-tratamento supervisionado ou não supervisionado.
[0046] Quando a qualidade da composição é uma qualidade definida da composição, a calibragem multivariada é efetuada pela utilização de um método multivariado supervisionado. Neste processamento matemático do primeiro sinal multivariado, a qualidade de composição de um número de objetos deve ser conhecida. O primeiro sinal multivariado é decomposto para explicar a qualidade da composição de uma população e um modelo de regressão é estabelecido, por exemplo, por meio da regressão Mínimos Quadrados Parcial. A qualidade da composição pode ser utilizada para supervisionar o algoritmo a encontrar a informação relevante no primeiro sinal multivariado. Este modelo é então aplicado em novos primeiros sinais multivariados adquiridos de novos objetos a serem ordenados, e a qualidade da composição em questão é prevista. A magnitude prevista da composição de qualidade é então utilizada para a ordenação.
[0047] Exemplos de métodos supervisionados a serem utilizados no método de acordo com a invenção são Regressão de Mínimos Quadrados Parcial (PLS), Regressão Linear Múltipla (MLR), Regressão do Componente Principal (PCR), Rede Neural, e PLS de N-vias.
[0048] Assim, quando a qualidade da composição é definida, os primeiros sinais multivariados são utilizados diretamente para a previsão de um parâmetro de qualidade dado. Os primeiros sinais multivariados (por exemplo, espectros) obtidos de um subconjunto da população, são decompostos para explicar o parâmetro de qualidade e um modelo de regressão é estabelecido, por exemplo, pela regressão PLS. Este modelo é então aplicado em novos espectros adquiridos como os primeiros sinais multivariados dos objetos a serem ordenados, e o parâmetro de qualidade em questão é previsto. A magnitude prevista do parâmetro de qualidade é então para ordenar (conforme a Figura 3). Desta forma, é efetuada uma ordenação que tem por base um parâmetro conhecido, por exemplo, teor de proteína como na Figura 3.
[0049] Quando a qualidade da composição é do tipo não especificado, isto é, indefinida, a calibragem multivariada é realizada pela utilização de um método multivariado não supervisionado. Desta forma, o processamento matemático reduz o primeiro sinal multivariado a umas poucas estruturas subjacentes. Assim, a variação nos espectros é utilizada sem definir a qualidade da composição (sem supervisão) e sem ligação direta com uma qualidade analisada ou conhecida da composição.
[0050] A Análise do Componente Principal (PCA), SIMCA, PARAFAC e TUCKER são exemplos de métodos multivariados não supervisionados que podem ser utilizados no método de acordo com a invenção.
[0051] Assim, quando a qualidade da composição é indefinida, o primeiro sinal multivariado (por exemplo, espectros) são analisados, por exemplo, pelo PCA. Variáveis latentes são obtidas, que são utilizadas como novas variáveis univariadas para ordenação.
[0052] Naturalmente, uma variável latente, ou uma combinação de várias variáveis latentes, só é utilizada se ela explica a variação dentro da quantidade de grandeza heterogênea e melhora a qualidade em uma aplicação dada.
[0053] Quando a soma mais provável de variações é explicada, e quando a qualidade é melhorada, este modelo de calibragem (variável latente ou combinação de variáveis latentes) é aplicada no primeiro sinal multivariado dos objetos a serem classificados para ordenação. Desta maneira uma ordenação pode ser efetuada que tem por base um parâmetro desconhecido, por exemplo, uma terceira e uma quarta variável latente.
[0054] No entanto, o primeiro sinal multivariado poderá conter alguma informação que não está relacionada à qualidade da composição. Assim, é preferível pré-testar este primeiro sinal multivariado antes dos métodos de calibragem serem aplicados, para construir modelos de calibragem mais simples e robustos. Naturalmente, o prétratamento também precisa ser efetuado antes da previsão e da classificação.
[0055] Quando a qualidade da composição é indefinida, pré-tratamentos não supervisionados são efetuados no primeiro sinal multivariado. Exemplos de prétratamentos não supervisionados são derivações, derivativo de primeira e de segunda (ou mais alta) ordem, Variação Normal Padrão (SNV), e Correção de Espalhamento Multiplicativo (MSC). A Figura 1 mostra exemplos de espectros NIT na faixa de 850 a 1050 nm, representado como Bruto, corrigido por MSC, 1.der e 2.der, respectivamente.
[0056] Quando a qualidade da composição é definida, pré-tratamentos supervisionados ou não supervisionados são efetuados no primeiro sinal multivariado. A qualidade da composição pode então ser utilizada para orientar o prétratamento para eliminar a informação irrelevante do primeiro sinal multivariado. Exemplos de pré-tratamentos supervisionados são Ortogonalização Direta (DO) e Correção de Sinal Ortogonal (OSG).
[0057] A invenção será descrita agora mais a fundo e ilustrada por referência aos exemplos seguintes. No entanto, deve-se observar que esses exemplos não devem ser interpretados como limitando de qualquer maneira a invenção.
[0058] O teor de proteína em um único grão de trigo verificou-se variar substancialmente dentro de uma amostra de grandeza. A qualidade de assar para uma amostra de trigo do norte da Europa tipicamente tem uma variação de 8% a 16% entre grãos individuais.
[0059] Um lote de trigo para assar foi retirado de um silo comercial e ordenada em três classes de acordo com a invenção. O lote foi alimentado ao distribuidor do dispositivo de ordenação de tal maneira que cada grão individual obteve uma posição fixa e os grãos individuais foram fixados de tal forma que eles foram separados discretamente um do outro. Cada grão no distribuidor foi então exposto à luz de uma lâmpada de tungstênio. A luz foi filtrada através de um filtro de silicone com um limite de corte a 1100 nm antes da exposição e a luz refletida entre 1100 e 1700 nm foi registrada pela utilização de um espectrômetro de malha de diodo. Um exemplo típico de um espectro de um único grão de trigo da amostra é mostrado na Figura 2.
[0060] Uma largura de banda de 10 nm é suficiente e as contagens dentro de cada banda foram registradas. Para cada grão os sinais obtidos de 60 bandas entre 1100 e 1700 nm foram utilizados como o primeiro sinal multivariado. O primeiro sinal multivariado foi então pré-tratado por meio do método MSC não supervisionado, com isso o espalhamento espectral sendo eliminado.
[0061] Antes da ordenação, o teor de proteína de uma amostra foi determinado por meio da análise de Kjeldahl (Método AACC 46-12, ajustado para sementes singulares), e um modelo de calibragem foi estabelecido entre o primeiro sinal multivariado pré-tratado e o teor de proteína pela utilização do método multivariado supervisionado PLSR. Este modelo foi então utilizado para predizer um segundo sinal que representa o teor de proteína para cada grão na amostra. A curva de distribuição é mostrada na Figura 3, o número de grãos no lote sendo plotado contra o segundo sinal, que assim representa o teor de proteína.
[0062] O lote foi então ordenado em três classes (A, B e C, respectivamente, conforme indicado na Figura 3) com base na magnitude do segundo sinal, e as classes foram coletadas em três recipientes separados. O conteúdo foi pesado e a distribuição seguinte foi obtida: A:26%, B:38%, e C:36%. Uma amostra foi tomada do lote original não fracionado e de cada uma das três classes obtidas após a ordenação. Essas quatro amostras foram analisadas por proteína por meio do método Kjeldahl, e os resultados são mostrados na Tabela 1, abaixo.
[0063] Tabela 1
[0064] Assim, o trigo de entrada pode ser ordenado de acordo com a invenção em duas ou mais classes com teores de proteína diferente. Essas classes são adequadas para finalidades diferentes, como a produção de farinha para biscoitos, farinha para bolo, farinha para pão, e/ou semolina para massas.
[0065] É conhecido que amostras diferentes de trigo exibem diferentes qualidades de assar, por exemplo, em termos de volume do pão.
[0066] Uma sub-amostra de um trigo de assar normal foi retirada de um silo comercial e alimentada no distribuidor do dispositivo de ordenação. O primeiro sinal multivariado de cada grão individual foi então registrado como no Exemplo 1. Nenhum pré-tratamento dos primeiros sinais multivariados foi aplicado e os espectros de cada grão individual foram registrados.
[0067] Antes da ordenação, um modelo de calibragem foi estabelecido pela utilização do método multivariado não supervisionado de Análise de Componente Principal nos primeiros sinais multivariados dos grãos individuais da sub-amostra. As duas primeiras variáveis de qualidade não supervisionadas foram então combinadas em um segundo sinal univariado, que foi utilizado para a ordenação.
[0068] Um exemplo da classificação dos grãos em três classes de acordo com o segundo sinal univariado é mostrado na Figura 4.
[0069] O dispositivo de ordenação foi fixado para separar um lote retirado do trigo de assar normal em três classes (A, B e C, conforme indicado na Figura 4) com base na magnitude do segundo sinal combinado. As classes foram coletadas em três recipientes separados.
[0070] Amostras de cada classe foram moídas e testadas quanto à qualidade de assar. Verificou-se que a farinha da classe B deu os mesmos resultados de assar que a farinha do lote não ordenado. No entanto, da farinha da classe C resultou um aumento no volume do pão de 30% após assar. A moagem da classe A, por outro lado, produziu farinha com resultados de assar inferiores em comparação com a farinha da classe B. Ademais, a classe A foi encontrada como sendo mais suave e tinha um teor de proteína inferior ao do lote não ordenado. Esse material de trigo seria mais adequado para a produção de biscoitos bem como para a produção de produtos de müsli ou para ração.
[0071] O desempenho de pipocar do milho de pipoca é correlacionado com capacidade de cada grão absorver energia, por exemplo, microondas em um forno de microondas. As variáveis por trás deste desempenho até agora não são inteiramente conhecidas.
[0072] Uma sub-amostra dos grãos normais do milho para pipoca foi alimentada no dispositivo de ordenação. Os grãos individuais foram distribuídos em posições fixas como no Exemplo 1 e então expostos à luz de uma lâmpada de tungstênio. A luz foi escolhida de tal forma que a luz transmitida entre 850 e 1050 nm poderia ser registrada por meio de uma malha de diodo. Foi utilizada uma largura de banda de 2 nm, as absorvências foram registradas, e para cada grão no distribuidor o sinal de 100 bandas entre 850 e 1050 nm foi utilizado como o primeiro sinal multivariado. Um espectro típico de um grão individual é mostrado na Figura 5.
[0073] O primeiro sinal multivariado foi prétratado pelo uso do método 2, derivativo não supervisionado. Então um modelo de calibragem multivariado não supervisionado foi estabelecido como no Exemplo 2. A primeira variável de qualidade não supervisionada foi utilizada diretamente como o segundo sinal univariado para ordenação.
[0074] A ordenação foi efetuada pela utilização de uma amostra maior do mesmo lote de milho para pipoca, que foi separada em 5 classes (A, B, C, D e E), cada classe sendo coletada em um recipiente. Amostras das classes A, C e E foram testadas quanto ao desempenho de pipocar e também analisada conforme descrito acima. Uma Análise do Componente Principal dos espectros das classes A, C e E, respectivamente, são mostrados na Figura 6.
[0075] Em um teste de pipocar em microondas, todos os grãos na classe C pipocaram adequadamente. No entanto, apenas um grão entre 6 da classe A e um grão de 8 da classe E, em média, resultou em uma pipoca, isto é, a parte principal dos grãos nessas classes permaneceu sem pipocar.
[0076] Uma classe que é mais homogênea no desempenho do pipocar, pôde assim ser obtida pelo ordenamento de acordo com o método inventivo.
Claims (10)
1. Método de ordenar grânulos dentro de uma grandeza de grânulos, tendo uma variação inerente, a partir de uma população heterogênea através da ordenação da referida grandeza em pelo menos três classes de grânulos, tendo menor variação do que a variação inerente, que representa uma qualidade de composição com referência a qualquer material orgânico dos grânulos, caracterizado pelo fato do método compreender as etapas de: (a) distribuir cada um dos grânulos a serem ordenados como um grânulo separado em um dispositivo ordenador; (b) expor o grânulo separado à energia de pelo menos uma fonte de energia; (c) registrar, por meio de pelo menos um sensor, um primeiro sinal multivariado de pelo menos um ponto de cada grânulo separado; (d) estimar por meio de um método de calibragem previamente realizado em um subconjunto da população, entre o primeiro sinal multivariado e a referida qualidade da composição, um segundo sinal que expressa a magnitude de pelo menos uma qualidade variável de variação inerente e univariada; e (e) ordenar os grânulos através do dispositivo ordenador em pelo menos três classes coletadas na dependência da magnitude de pelo menos uma variável de qualidade do segundo sinal; em que o primeiro sinal multivariado é registrado por um período de tempo de menos de 5 ms, em qualquer ponto do grânulo separado.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que antes da etapa (d) , o primeiro sinal multivariado é transformado por meio de um pré-tratamento.
3. Método, de acordo com a reivindicação 1, caracterizado pelo fato da qualidade da composição ser uma qualidade indefinida da composição.
4. Método, de acordo com a reivindicação 3, caracterizado pelo fato do método de calibragem ser baseado em um método multivariado não supervisionado.
5. Método, de acordo com a reivindicação 1, caracterizado pelo fato da qualidade da composição ser uma qualidade definida da composição.
6. Método, de acordo com a reivindicação 5, caracterizado pelo fato do método de calibragem ser baseado em um método multivariado supervisionado.
7. Método, de acordo com qualquer uma das reivindicações 1 a 6, caracterizado pelo fato da qualidade da composição ser uma qualidade química, uma qualidade estrutural, uma qualidade sensória, ou uma qualidade funcional, sozinha ou em combinação.
8. Método, de acordo com a reivindicação 1, caracterizado pelo fato da energia emitida ser radiação eletromagnética e/ou ondas sônicas.
9. Método, de acordo com a reivindicação 8, caracterizado pelo fato da radiação eletromagnética e/ou ondas sônicas ser luz ultravioleta, luz visível, luz quase infravermelha, luz infravermelha, luz fluorescente, ondas ultrassônicas, micro-ondas, ou ressonância magnética nuclear, sozinha ou em combinação.
10. Método, de acordo com qualquer uma das reivindicações 1 a 9, caracterizado pelo fato do primeiro sinal multivariado ser registrado como energia transmitida, refletida ou emitida.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| SE0102395A SE0102395D0 (sv) | 2001-07-04 | 2001-07-04 | A new method |
| SE0102395-1 | 2001-07-04 | ||
| PCT/SE2002/001335 WO2003004179A1 (en) | 2001-07-04 | 2002-07-03 | A method of sorting objects comprising organic material |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BRPI0210794B1 true BRPI0210794B1 (pt) | 2021-01-05 |
Family
ID=20284736
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR0210794-5A BR0210794A (pt) | 2001-07-04 | 2002-07-03 | Método de ordenar objetos que compreendem material orgânico |
| BRPI0210794-5A BRPI0210794B1 (pt) | 2001-07-04 | 2002-07-03 | método de ordenar grânulos dentro de uma grandeza de grânulos |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR0210794-5A BR0210794A (pt) | 2001-07-04 | 2002-07-03 | Método de ordenar objetos que compreendem material orgânico |
Country Status (11)
| Country | Link |
|---|---|
| US (1) | US7202434B2 (pt) |
| EP (1) | EP1401589B1 (pt) |
| JP (1) | JP4146335B2 (pt) |
| CN (1) | CN1289214C (pt) |
| AT (1) | ATE279996T1 (pt) |
| AU (1) | AU2002319986C1 (pt) |
| BR (2) | BR0210794A (pt) |
| CA (1) | CA2451867C (pt) |
| DE (1) | DE60201684T2 (pt) |
| SE (1) | SE0102395D0 (pt) |
| WO (1) | WO2003004179A1 (pt) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220023918A1 (en) * | 2015-07-16 | 2022-01-27 | Sortera Alloys, Inc. | Material handling using machine learning system |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8436268B1 (en) * | 2002-08-12 | 2013-05-07 | Ecullet | Method of and apparatus for type and color sorting of cullet |
| UA79247C2 (en) * | 2004-06-01 | 2007-06-11 | Volodymyr Mykhailovyc Voloshyn | Method and device (variants) of separation of raw material by lumps |
| US7703238B2 (en) | 2004-08-26 | 2010-04-27 | Monsanto Technology Llc | Methods of seed breeding using high throughput nondestructive seed sampling |
| EP2279658B1 (en) | 2004-08-26 | 2015-03-18 | Monsanto Technology LLC | Automated seed sampler |
| EP2166350A1 (en) | 2005-08-26 | 2010-03-24 | Monsanto Technology LLC | High throughput screening of fatty acid compositions |
| US7998669B2 (en) | 2006-03-02 | 2011-08-16 | Monsanto Technology Llc | Automated contamination-free seed sampler and methods of sampling, testing and bulking seeds |
| US8028469B2 (en) | 2006-03-02 | 2011-10-04 | Monsanto Technology Llc | Automated high-throughput seed sampler and methods of sampling, testing and bulking seeds |
| US20090210086A1 (en) * | 2007-12-20 | 2009-08-20 | Mks Instruments, Inc. | Systems and methods for sorting irregular objects |
| US20100230330A1 (en) * | 2009-03-16 | 2010-09-16 | Ecullet | Method of and apparatus for the pre-processing of single stream recyclable material for sorting |
| MX336396B (es) | 2009-05-03 | 2016-01-15 | Monsanto Technology Llc | Sistemas y procesos para combinar diferentes tipos de semillas. |
| BE1018793A3 (nl) * | 2009-06-17 | 2011-09-06 | Best 2 N V | Werkwijze voor het onderscheiden en sorteren van producten waarbij de concentratie van een bestanddeel van deze producten wordt bepaald. |
| US9003696B2 (en) | 2010-07-20 | 2015-04-14 | Monsanto Technology Llc | Automated systems for removing tissue samples from seeds, and related methods |
| GB201015791D0 (en) * | 2010-09-20 | 2010-10-27 | Syngenta Ltd | Improved method and machine for use thereof |
| WO2012048897A1 (en) | 2010-10-15 | 2012-04-19 | Syngenta Participations Ag | A method for classifying sugar beet seeds, comprising the usage of infrared spectroscopy |
| US8714362B2 (en) | 2011-11-22 | 2014-05-06 | Key Technology, Inc. | Sorting apparatus |
| US9027759B2 (en) | 2011-11-22 | 2015-05-12 | Key Technology, Inc. | Sorting apparatus |
| US9463493B1 (en) | 2012-03-01 | 2016-10-11 | General Mills, Inc. | Method of producing gluten free oats |
| PE20151246A1 (es) * | 2012-11-30 | 2015-08-31 | Tech Resources Pty Ltd | Clasificacion de material extraido |
| DK3253502T3 (da) | 2015-02-05 | 2022-02-28 | Laitram Llc | Visionsbaseret klassificering med automatisk vægtkalibrering |
| KR102365281B1 (ko) * | 2016-06-21 | 2022-02-18 | 소레크 뉴클리어 리서치 센터 | 다수 솔리드 대상물을 식별하기 위한 xrf 분석기, 분류 시스템 및 그 분류 방법 |
| US11376636B2 (en) | 2018-08-20 | 2022-07-05 | General Mills, Inc. | Method of producing gluten free oats through hyperspectral imaging |
| WO2023278687A1 (en) * | 2021-07-02 | 2023-01-05 | Provenance Health, Inc. | Ai methods for analysis and recommendation of cannabis compositions |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB993063A (en) * | 1962-04-30 | 1965-05-26 | Gunsons Sortex Ltd | Photoelectric sorting machine |
| GB2025038B (en) * | 1978-06-28 | 1982-11-24 | Gunsons Sortex Ltd | Method and apparatus for sorting agricultural products |
| SE439545B (sv) * | 1978-11-01 | 1985-06-17 | Forenede Bryggerier As | Sett for styrning av en separationsprocess utford pa fron eller kernor |
| GB2060166B (en) | 1979-10-09 | 1984-03-21 | Ag Electron Inc | Sorting device and method |
| GB2091415B (en) * | 1981-01-19 | 1985-03-20 | Gunsons Sortex Ltd | Sorting objects |
| GB2091416B (en) | 1981-01-19 | 1984-10-17 | Gunsons Sortex Ltd | Sorting objects |
| US4535248A (en) * | 1984-08-24 | 1985-08-13 | The United States Of America As Represented By The Secretary Of Agriculture | Method for detecting aflatoxin in almonds |
| EP0223446B1 (en) * | 1985-10-29 | 1991-03-27 | Roger Frederick Bailey | Optical sorting apparatus |
| US4866283A (en) | 1988-08-12 | 1989-09-12 | Southwest Research Institute | Optical inspection of food products |
| US5379764A (en) * | 1992-12-09 | 1995-01-10 | Diasense, Inc. | Non-invasive determination of analyte concentration in body of mammals |
| JP2699850B2 (ja) * | 1993-12-28 | 1998-01-19 | 日本電気株式会社 | 復調装置 |
| US6871169B1 (en) * | 1997-08-14 | 2005-03-22 | Sensys Medical, Inc. | Combinative multivariate calibration that enhances prediction ability through removal of over-modeled regions |
| US6410872B2 (en) * | 1999-03-26 | 2002-06-25 | Key Technology, Inc. | Agricultural article inspection apparatus and method employing spectral manipulation to enhance detection contrast ratio |
-
2001
- 2001-07-04 SE SE0102395A patent/SE0102395D0/xx unknown
-
2002
- 2002-07-03 AU AU2002319986A patent/AU2002319986C1/en not_active Expired
- 2002-07-03 CN CNB028134877A patent/CN1289214C/zh not_active Expired - Lifetime
- 2002-07-03 JP JP2003510183A patent/JP4146335B2/ja not_active Expired - Fee Related
- 2002-07-03 DE DE60201684T patent/DE60201684T2/de not_active Expired - Lifetime
- 2002-07-03 AT AT02749472T patent/ATE279996T1/de not_active IP Right Cessation
- 2002-07-03 BR BR0210794-5A patent/BR0210794A/pt not_active IP Right Cessation
- 2002-07-03 EP EP02749472A patent/EP1401589B1/en not_active Expired - Lifetime
- 2002-07-03 BR BRPI0210794-5A patent/BRPI0210794B1/pt not_active IP Right Cessation
- 2002-07-03 US US10/481,149 patent/US7202434B2/en not_active Expired - Lifetime
- 2002-07-03 CA CA002451867A patent/CA2451867C/en not_active Expired - Lifetime
- 2002-07-03 WO PCT/SE2002/001335 patent/WO2003004179A1/en active IP Right Grant
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220023918A1 (en) * | 2015-07-16 | 2022-01-27 | Sortera Alloys, Inc. | Material handling using machine learning system |
| US20220168781A1 (en) * | 2015-07-16 | 2022-06-02 | Sortera Alloys, Inc. | Multiple stage sorting |
| US11975365B2 (en) * | 2015-07-16 | 2024-05-07 | Sortera Technologies, Inc. | Computer program product for classifying materials |
Also Published As
| Publication number | Publication date |
|---|---|
| AU2002319986B2 (en) | 2008-01-03 |
| AU2002319986B8 (en) | 2003-01-21 |
| EP1401589A1 (en) | 2004-03-31 |
| JP4146335B2 (ja) | 2008-09-10 |
| CA2451867A1 (en) | 2003-01-16 |
| WO2003004179A8 (en) | 2004-05-13 |
| CA2451867C (en) | 2009-11-10 |
| US7202434B2 (en) | 2007-04-10 |
| WO2003004179A1 (en) | 2003-01-16 |
| JP2004533324A (ja) | 2004-11-04 |
| DE60201684T2 (de) | 2005-10-13 |
| EP1401589B1 (en) | 2004-10-20 |
| CN1524019A (zh) | 2004-08-25 |
| SE0102395D0 (sv) | 2001-07-04 |
| DE60201684D1 (de) | 2004-11-25 |
| BR0210794A (pt) | 2004-08-17 |
| ATE279996T1 (de) | 2004-11-15 |
| AU2002319986C1 (en) | 2008-06-19 |
| US20040251177A1 (en) | 2004-12-16 |
| CN1289214C (zh) | 2006-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BRPI0210794B1 (pt) | método de ordenar grânulos dentro de uma grandeza de grânulos | |
| Caporaso et al. | Protein content prediction in single wheat kernels using hyperspectral imaging | |
| Osborne | Near‐infrared spectroscopy in food analysis | |
| AU2002319986A1 (en) | A method of sorting objects comprising organic material | |
| Agelet et al. | Limitations and current applications of Near Infrared Spectroscopy for single seed analysis | |
| US6646264B1 (en) | Methods and devices for analyzing agricultural products | |
| Slaughter et al. | Nondestructive determination of total and soluble solids in fresh prune using near infrared spectroscopy | |
| US20130229647A1 (en) | Method for classifying seeds, comprising the usage of infrared spectroscopy | |
| Wehling | Infrared spectroscopy | |
| Delwiche | Measurement of single-kernel wheat hardness using near-infrared transmittance | |
| Nielsen et al. | Development of nondestructive screening methods for single kernel characterization of wheat | |
| Turgut et al. | Estimation of the sensory properties of black tea samples using non-destructive near-infrared spectroscopy sensors | |
| Mahanti et al. | Application of chemometrics to identify artificial ripening in sapota (Manilkara Zapota) using visible near infrared absorbance spectra | |
| Ram et al. | Development of standard procedures for a simple, rapid test to determine wheat color class | |
| Wang et al. | Single wheat kernel size effects on near‐infrared reflectance spectra and color classification | |
| Tunny et al. | Hyperspectral imaging techniques for detection of foreign materials from fresh-cut vegetables | |
| Singh et al. | Optical sensors and online spectroscopy for automated quality and safety inspection of food products | |
| Armstrong et al. | Prediction of kernel density of corn using single-kernel near infrared spectroscopy | |
| Adesokan et al. | Prediction of functional characteristics of gari (cassava flakes) using near-infrared reflectance spectrometry | |
| Bramble et al. | Single-kernel near-infrared protein prediction and the role of kernel weight in hard red winter wheat | |
| Cozzolino et al. | Use of near infrared reflectance spectroscopy to evaluate quality characteristics in whole-wheat grain | |
| Kandala et al. | Nondestructive moisture sensing in peanuts by NIR reflectance | |
| Chakrabarti et al. | Near-Infrared Spectroscopy: A Non-Invasive Tool for Quality Evaluation of Seafood | |
| Dowell et al. | Accuracy and feasibility of measuring characteristics of single kernels using near-infrared spectroscopy | |
| Bath et al. | Role of NIR Spectroscopy and Hyperspectral imaging in Meat Science: A Review |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B24J | Lapse because of non-payment of annual fees (definitively: art 78 iv lpi, resolution 113/2013 art. 12) |
Free format text: EM VIRTUDE DA EXTINCAO PUBLICADA NA RPI 2729 DE 25-04-2023 E CONSIDERANDO AUSENCIA DE MANIFESTACAO DENTRO DOS PRAZOS LEGAIS, INFORMO QUE CABE SER MANTIDA A EXTINCAO DA PATENTE E SEUS CERTIFICADOS, CONFORME O DISPOSTO NO ARTIGO 12, DA RESOLUCAO 113/2013. |