CN101102664A - 确定一批种子一致性的装置 - Google Patents
确定一批种子一致性的装置 Download PDFInfo
- Publication number
- CN101102664A CN101102664A CNA2006800020460A CN200680002046A CN101102664A CN 101102664 A CN101102664 A CN 101102664A CN A2006800020460 A CNA2006800020460 A CN A2006800020460A CN 200680002046 A CN200680002046 A CN 200680002046A CN 101102664 A CN101102664 A CN 101102664A
- Authority
- CN
- China
- Prior art keywords
- color
- seed
- regulation zone
- size
- shape
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims 1
- 230000001066 destructive effect Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 11
- 241000209140 Triticum Species 0.000 description 5
- 235000021307 Triticum Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 3
- 240000008042 Zea mays Species 0.000 description 3
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 3
- 239000003905 agrochemical Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 235000005822 corn Nutrition 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 240000002791 Brassica napus Species 0.000 description 2
- 235000004977 Brassica sinapistrum Nutrition 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- 240000005979 Hordeum vulgare Species 0.000 description 2
- 235000007340 Hordeum vulgare Nutrition 0.000 description 2
- 240000004658 Medicago sativa Species 0.000 description 2
- 235000017587 Medicago sativa ssp. sativa Nutrition 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 2
- 235000011613 Pinus brutia Nutrition 0.000 description 2
- 241000018646 Pinus brutia Species 0.000 description 2
- 235000019714 Triticale Nutrition 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 235000012343 cottonseed oil Nutrition 0.000 description 2
- 239000000975 dye Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000228158 x Triticosecale Species 0.000 description 2
- 241000219194 Arabidopsis Species 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 235000016068 Berberis vulgaris Nutrition 0.000 description 1
- 241000335053 Beta vulgaris Species 0.000 description 1
- 240000007124 Brassica oleracea Species 0.000 description 1
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 1
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 1
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 235000009024 Ceanothus sanguineus Nutrition 0.000 description 1
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 241000207199 Citrus Species 0.000 description 1
- 244000060011 Cocos nucifera Species 0.000 description 1
- 235000013162 Cocos nucifera Nutrition 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 244000004281 Eucalyptus maculata Species 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 240000003553 Leptospermum scoparium Species 0.000 description 1
- 241000893545 Liquidambar formosana Species 0.000 description 1
- 235000015459 Lycium barbarum Nutrition 0.000 description 1
- 240000005561 Musa balbisiana Species 0.000 description 1
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 235000002725 Olea europaea Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 240000003889 Piper guineense Species 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 241000168036 Populus alba Species 0.000 description 1
- 240000000528 Ricinus communis Species 0.000 description 1
- 235000004443 Ricinus communis Nutrition 0.000 description 1
- 240000000111 Saccharum officinarum Species 0.000 description 1
- 235000007201 Saccharum officinarum Nutrition 0.000 description 1
- 241000533293 Sesbania emerus Species 0.000 description 1
- 240000003829 Sorghum propinquum Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000000855 fungicidal effect Effects 0.000 description 1
- 239000000417 fungicide Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000749 insecticidal effect Effects 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 235000020238 sunflower seed Nutrition 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- YLJREFDVOIBQDA-UHFFFAOYSA-N tacrine Chemical compound C1=CC=C2C(N)=C(CCCC3)C3=NC2=C1 YLJREFDVOIBQDA-UHFFFAOYSA-N 0.000 description 1
- 229960001685 tacrine Drugs 0.000 description 1
- 239000002562 thickening agent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Pretreatment Of Seeds And Plants (AREA)
- Image Analysis (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明涉及一种通过HSI(色调，尺寸和亮度)色彩模型的色调和可选的饱和度经无破坏性分析来确定一批植物种子的颜色、大小和形状特征的一致性的方法和装置。
Description
技术领域
本发明涉及一种确定一批植物种子的颜色、大小和形状特征的一致性的方法和装置。
背景技术
种子通常经过农药(按配方的形式)处理以防止有害物(如，真菌和昆虫)的侵害。处理后的植物种子的大小、颜色分布和形状可能影响其质量。处理工作好坏的评价常通过视觉或化学分析来完成。
化学分析是一种有损方法(包括手工采样、经处理的种子中化学物的提取)，且需要一天至多天，一般在现场外的实验室中进行。
视觉分析经过主观解释，常导致矛盾。
现有技术讲到了一些方法和设备，它们公开：可为种子检测其颜色、大小和形状，但这些方法和设备都用到了分光计，这些仪器往往较贵。
现在可采用一种方法和装置，其克服了视觉分析的难点。实际上，该方法和设备允许在不同的处理方法，不同的杀虫剂配方类型和处理过程中的不同的设备参数设置之间的比较，例如，稀释度和连续流式种子处理机的容量、种子处理产品加入批处理器中的参数设置、转动底部的旋转速度、雾化程度、每批种子质量、产品加入和混合的时间选择。
本发明的一个独特优点是它在处理工厂不需要光谱测定就可以实施，并可快速获得结果，而不用发送样本到现场外进行分析。另外，逐个种子地进行分析，分析后种子没有被破坏。此外，分析工具一旦设定就是一个便携式工具且提供自动分析，仅需要简单的操作技巧来操作它。
发明内容
因此，在一方面，本发明提供了一种确定一批种子的颜色、大小和形状特征的一致性的方法，其包括：
(a)将各种子(1)放在规定区域(2)中，规定区域具有相对于种子颜色不同波长的颜色；
(b)将每个规定区域带到可拍摄该规定区域的彩色数字图像的位置；
(c)在拍摄数字图像期间用可见光照射规定区域；
(d)用照相机(5)拍摄规定区域的彩色数字图像；
(e)将所拍摄的图像处理成HSI(色调、饱和度和亮度)色彩模型的色调和可选的饱和度，以通过分割识别规定区域内的对象，优选地是在每个规定区域中的离散对象；
(f)通过特征提取基于HSI色彩模型的色调和可选的饱和度来确定每个对象的大小、形状和颜色；
(g)确定每个对象是否满足种子大小范围或种子大小颜色范围或种子形状范围；
(h)基于色调和可选的饱和度确定满足(g)中要求的每个对象的实际大小、形状、颜色分布和颜色；
(i)报告该批种子的颜色、颜色分布、实际大小和形状以提供该批种子一致性的指示。
在第二方面，本发明提供了一种确定一批种子的颜色、大小和形状特征的一致性的设备，其包括：
(i)用于将有色的规定区域带到拍摄数字图像的位置的装置(3)，
(ii)用于照射规定区域的可见光源(4)，
(iii)用于拍摄彩色数字图像(4)的照相机(5)，
(iv)处理器(6)，可用于将拍摄的图像转换为HSI(色调、饱和度和亮度)色彩模型的色调和可选的饱和度，以通过分割识别规定区域内的对象，优选地是在每个规定区域中的离散对象；优选地基于HSI色彩模型的色调和可选的饱和度通过特征提取来确定每个对象的大小、形状和颜色；确定每个对象是否满足种子大小范围或种子大小颜色范围或种子形状范围；优选地基于色调和可选的饱和度确定每个符合条件的对象的实际大小、形状、颜色分布和颜色；以及报告该批种子的颜色、颜色分布、实际大小和形状以提供该批种子一致性的指示。
附图说明
图1：根据本发明的设备的图示。
图2：本发明一个实施例的图像分析和计算步骤的流程图。
图3：可见光源的图示。
图4：根据本发明检测(自动检测)规定区域的图像分析的示意图。
图5：用于处理的由照相机拍摄的种子图像。
图6：一批种子关于颜色(A)、大小(B)和形状(C)的一致性的报告。
图7：小麦种子经过不同处理的颜色(基于色调)对比报告。
具体实施方式
本发明详述如下。
配方包含农药(如，杀虫剂和杀真菌剂)、表面活性剂、增稠剂、防冻剂和染料。染料(或着色剂)的采用使得处理后的种子被着色。因此，处理后的种子的颜色及其一致性可作为处理好坏的指示。更进一步，粘附在种子上的着色剂总量是粘附在种子上的农药量(农药装载)的指示，并且本发明也可作为其指示。
更进一步，某些种子的处理包括用一些用具筛选种子的形状，例如漏斗，以确保每个种子的标准形状和大小，本发明也适用于确定这类处理的一致性和有效性。
任何种子均可用于本发明中。在一个优选的实施例中，种子从以下一组中选出：紫花苜蓿种子、苹果种子、香蕉种子、大麦种子、豆类种子、椰菜种子、蓖麻种子、柑桔种子、苜蓿种子、椰子种子、咖啡豆种子、玉米种子、棉花种子、黄瓜种子、绿枞种子、桉树种子、火炬松种子、亚麻种子、西瓜种子、燕麦种子、橄榄树种子、棕榈种子、豌豆种子、花生种子、胡椒种子、白杨种子、松木种子、油菜种子、稻种、黑麦种子、高粱种子、南方松种子、大豆种子、草莓种子、甜菜种子、甘蔗种子、向日葵种子、枫香树种子、茶树种子、烟草种子、西红柿种子、黑小麦种子、草皮、小麦种子和拟南芥种子。
在一个更优选的实施例中，种子从以下一组中选出：棉花种子、玉米种子、大豆种子、油菜种子、稻种、大麦种子、黑麦种子、燕麦种子、黑小麦种子和小麦种子。
在一个更优选的实施例中，种子是玉米种子或小麦种子。
技术人员可理解某些校准步骤如光度校准和几何校准应该在执行本发明之前完成，以确保不同的测量间可进行比较，特别是由于本发明是基于颜色度量分析的。具体地，光度校准需要白平衡且设置亮度范围在传感器灵敏度最大值的80％左右以确保标准化颜色测量。此外，象素间的距离应与毫米级的实际距离相关，以使得，例如，所报告的大小测量值是绝对的。
另外，照相机应进行配置使得照相机不对图像进行任何处理，从而处理器进行的图像分析是对照相机拍摄(或捕获)的实际数据进行的。
本发明在人眼可见(可见光)的电磁辐射波长下实现，即380～780nm，优选地是400～700nm。
重要的是种子的颜色和规定区域的颜色出现在HSI色彩模型的不同段，从而处理器进行的图像分析可识别出种子。
采用HSI色彩模型处理种子图像的一个优点是可获得更好的分割。例如，采用将红色种子放在绿色规定区域上被发现在HSI模型中非常有效。
规定区域是已着色的种子被放置的区域，它给图像分析提供了一个合适的背景以识别种子。规定区域的尺寸应使得种子可在其内。
一批种子可由一个数字定义，该数字足以指示这个处理的一致性分析是否有代表性。一般而言，至少需要30个种子，在这种情况下操作员在本发明的开始将此数字输入处理器使得处理器知道一旦30个种子被检测到，则不需要进行更进一步的分析。
将种子带到图像拍摄位置的方法可通过任意适当的方法实现，相对于固定的规定区域中的种子移动照相机，或移动规定区域中的种子至固定的照相机。该移动可通过手动或自动操作。不管怎样，重要的是种子在移动过程中不被破坏。在一个优选的实施例中，照相机是固定的，种子被带至照相机。
只要种子处在照相机的拍摄范围内，就可以手动或自动完成数字图像的拍摄，例如，通过电子传感器或使用图像分析来触发。
优选地，光源一直打开，并且亮度和方向可使照相机拍摄种子的平面图像。此外，光源的放置应使得来自光源的光不直接进入照相机，而仅是在种子反射(辐射光)之后(如图3)。为了避免任何问题，照相机不接收任何发射光，即，直接来自光源的光。
可提供照明宽广范围在波长为380～780nm，优选地400～700nm的任意光源均可被采用。例如，发光二级管和热光源。这些光源都是很容易获得的，例如来自Volpi AG，Wiesenstrasse 33，8952 Schlieren，瑞士，和RVSI/NER，15 Twin Bridge RoadWeare，NH，03281，美国。优选地，光源放置在规定区域附近使得规定区域有一个持续的照明且任何环境光的影响被消除。
适当的照相机的例子是带有1-CCD(电荷耦合器)传感器的一维或二维彩色CCD照相机。也可采用3-CCD传感器照相机或有三色(红、绿和蓝)滤镜的B/W CCD照相机。这些CCD相机都很容易获得，例如来自本地图像处理产品销售商的Sony、Jai、Basler照相机。图5示出了一个二维CCD相机拍摄图像的代表图。
在一个实施例中，远心光学镜被用于获取种子更好的清晰度。
本发明所用的实现图像分析的处理器可以是任何适当的处理器装置，如计算机，该处理器装置例如可通过电线(Fire-Wire)或PCI总线连接至照相机。另一个处理器可被用来显示结果，但优选地采用同一处理器执行图像分析和报告。
在本发明中，来自种子的辐射光没有被散射。
根据本发明的一个优选实施例，在图像的拍摄采用图像分析自动完成的情况下，CCD相机每1/30秒拍摄或捕获一幅图像，发送图像数据至处理器在其中进行图像分析以确定该图像是否含有整个规定区域。本发明的这部分被称为自动检测(见图4)。如果被分析的图像不是规定区域或仅是规定区域的一部分，那么该图像不进行进一步图像分析。自动检测一般采用RGB色彩模型实现，基于操作员在本发明开始前识别规定区域的颜色和所分析的种子的颜色，然后由处理器分析一个感兴趣区(ROI)(基于对应于规定区域尺寸的象素个数)以检查是否满足关于规定区域和种子的色彩参数。一般而言，规定区域的颜色与用于将每个规定区域带到图像拍摄位置的装置的背景色进行对比，例如，一个合适的颜色可能是白色背景伴随着绿色规定区域。
一旦手动或自动拍摄的图像包括整个规定区域，则图像的RGB模型被转换为HSI色彩模型的色调和可选的饱和度(色彩转换步骤)。这些转换的算法大家都知道。(例如，这些分析的背景知识可在Prentice Hall于1989年出版的Anil K Jain所写的《Fundamentals ofDigital Image Processing》；A.Bovik和J.Gibson中Alan C Bovik和Mita D Desai所写的《Basic Binary Image Processing》；由AcademicPress于San Diego在2000年出版的M.Sonka，V.Hlavac和R.Boyle所写的《Handbook of Image & Video Proceeding》；InternationalThomson Publishing，Pacific Grave CA 1998，R.C.Gonzales和R.E.Woods的《Image Processing，Analysis and Machine Vision》；DigitalImage Processing；Addison Wesley，1993；和B.Jhne；DigitaleBildverarbeitung；Springer Verlag，Berlin Heidelberg 1997中找到。此外，还可从一些公司那里获得库来实现这些转换，这些公司例如Matrox Electronics Systems Ltd，1055 boul.St-Régis，Dorval Québec，Canada H9P 2T4及Cognex Corporation，One Vision Drive，NatickMA 01760-2059，USA。
在此之后，采用色调层(包括门限化和BLOB分析)进行图像分割。门限化的门限值取决于规定区域的颜色。接着，二进制图像通过BLOB分析进行处理。BLOB分析优选地采用4邻域拓扑实现。技术人员知道这些分析应采用哪些算法。
作为BLOB分析的一部分被识别的不是种子的对象被排除，例如，如果在例如对象中两个最宽点之间的象素距离或对象的面积等方面对象不满足种子的大小范围或形状范围；以及如果对象触及规定区域的边界。
在BLOB分析中，处理器基于操作员指示该批种子的大小和/或形状范围来识别种子。如果图像中识别出的对象比已指示的种子范围大或小，那么对象就不被视为种子进行特征提取。反之，对象被特征提取并且在这一步可确认对象是否为种子。
在此之后，留下来的对象被当作种子。
如果本发明识别了每个规定区域中一个以上满足种子大小或形状特征的对象(种子)，这些对象被认为是最终报告中的相应种子数目。然而，优选地，如果每个规定区域放一个种子。
更进一步，如果一个以上的种子出现在同一规定区域中且挨着彼此，则这些种子可以被BLOB分析排除；或者由专门的算法分离出来并包含在这批种子中，象BLOB分离算法，如Watershed。
在一个优选的实施例中，为确保种子从规定区域(或背景)中识别和区分出来，应把种子放在规定区域中且不接触规定区域的边界，使得这些离散对象可在步骤(e)中被识别。
一旦在图像中识别出对象，对象(种子)的大小和形状可通过分析确定。大小可被确定，例如，基于对象的面积或对象中两点间最长距离，分别转换成实际的平方毫米或实际的毫米(基于开始的几何校准)；并且形状评级可被确定(例如，根据包围着种子区域中两点间最大距离的圆周的半径与包围着种子区域中两点间最短距离的圆周的半径之比)。
例如可通过计算色调(可选地饱和度)层的均值和标准偏差值来确定对象(种子)的颜色和颜色分布。在一个实施例中，为得到更好的颜色测量，一般对象边界上的一至五个象素被排除：这取决于分辨率。在更高的统计动差下，如斜度(3阶)，峰度(4阶)，也可获得进一步的颜色分布。
如果种子的颜色是红的，则在移动每个象素各自的色调值以避免色调空间的模性质之后，计算均值和颜色分布。
在发明的开始规定区域的数目被输入处理器中，使得一旦对应数字的图像分析完成后，处理器就告知操作员，使得图像分析不在同一规定区域(和种子)上重复进行。如果还有种子要被分析，则操作员改变规定区域中的种子并继续测量。
一旦所需数目的种子和规定区域被拍摄且分析，则处理器停止图像采集并计算统计量，例如，这批种子的颜色、颜色分布、大小和形状的均值、标准偏差值、最小最大值。可用1维柱状图(见图6)或2维曲线图(颜色和颜色分布)的形式表示出来。同样地，可得到每个种子的特征。
柱状图提供了一批种子一致性的直接指示，图越窄，处理越一致。
本发明的一个优点是可定性比较一批种子与另一批种子。例如，图7示出了不同小麦处理和不同配方类型的颜色等级。
还可用其他允许技术人员鉴别这批种子一致性的任何方式表示数据。
本发明还使用RGB色彩模型的2维彩色子空间(与亮度无关)。在该子空间中，种子颜色分布的重心和标准偏差被计算作为定量颜色值。
本发明的一个独特优点是操作员可选择一批种子来进行图像分析，确保本发明被正确地校准，输入种子类型(如，种子大小范围和/或颜色)，输入这批种子的数目，启动本发明，操作员可离开它继续完成其它工作，不久后回来研究结果。
Claims (8)
1.一种确定一批种子的颜色、大小和形状特征的一致性的方法，其包括：
(a)将每个种子(1)放在规定区域(2)中，规定区域具有相对于种子颜色不同波长的颜色；
(b)将每个规定区域带到可拍摄该规定区域的彩色数字图像的位置；
(c)在拍摄数字图像期间用可见光照射规定区域；
(d)用照相机(5)拍摄规定区域的数字图像；
(e)将所拍摄的图像处理成HSI(色调、饱和度和亮度)色彩模型的色调和可选的饱和度，以通过分割识别规定区域内的对象，优选地是在每个规定区域中的离散对象；
(f)通过特征提取，基于HSI色彩模型的色调和可选的饱和度来确定每个对象的大小、形状和颜色；
(g)确定每个对象是否满足种子大小范围或种子大小颜色范围或种子形状范围；
(h)基于色调和可选的饱和度确定满足(g)中要求的每个对象的实际大小、形状、颜色分布和颜色；
(i)报告该批种子的颜色、颜色分布、实际大小和形状以提供该批种子一致性的指示。
2.根据权利要求1中所述的方法，其中，规定区域处在用于使每个种子相对于照相机(5)移动到在步骤(d)中的数字图像被拍摄的位置的装置(3)上。
3.根据权利要求1或权利要求2中所述的方法，其中照相机是CCD。
4.根据权利要求1至3中任何一个所述的方法，其中整个规定区域的数字图像的拍摄由图像分析触发。
5.一种确定一批种子的颜色、大小和形状特征的一致性的设备，包括：
(i)用于将有色的规定区域带到拍摄数字图像的位置的装置(3)，
(ii)用于照射规定区域的可见光源(4)，
(iii)用于拍摄彩色数字图像(4)的照相机(5)，和
(iv)处理器(6)，可用于将拍摄的图像转换为HSI(色调、饱和度和亮度)色彩模型的色调和可选的饱和度，以通过分割识别规定区域内的对象，优选地是在每个规定区域中的离散对象；优选地基于HSI色彩模型的色调和可选的饱和度通过特征提取来确定每个对象的大小、形状和颜色；确定每个对象是否满足种子大小范围或种子大小颜色范围或种子形状范围；优选地基于色调和可选的饱和度确定每个符合条件的对象的实际大小、形状、颜色分布和颜色；以及报告该批种子的颜色、颜色分布、实际大小和形状以提供该批种子一致性的指示。
6.根据权利要求5所述的设备，其中照相机(5)是固定的。
7.根据权利要求5或权利要求6所述的设备，其中照相机是CCD相机。
8.根据权利要求5至7中任一项所述的设备，其中处理器(6)还可用于识别整个规定区域。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP05000328 | 2005-01-10 | ||
| EP05000328.4 | 2005-01-10 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101102664A true CN101102664A (zh) | 2008-01-09 |
Family
ID=34933230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2006800020460A Pending CN101102664A (zh) | 2005-01-10 | 2006-01-09 | 确定一批种子一致性的装置 |
Country Status (11)
| Country | Link |
|---|---|
| US (1) | US20110150289A1 (zh) |
| EP (1) | EP1845768B1 (zh) |
| JP (1) | JP2008527976A (zh) |
| CN (1) | CN101102664A (zh) |
| AT (1) | ATE534276T1 (zh) |
| AU (1) | AU2006204506B2 (zh) |
| BR (1) | BRPI0606728A2 (zh) |
| CA (1) | CA2592746C (zh) |
| RU (1) | RU2388203C2 (zh) |
| UA (1) | UA91353C2 (zh) |
| WO (1) | WO2006072590A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103048274A (zh) * | 2012-11-29 | 2013-04-17 | 浙江省农业科学院 | 一种确定油菜种子颜色和大小的方法 |
| CN105300994A (zh) * | 2015-10-30 | 2016-02-03 | 山东省农业科学院农业资源与环境研究所 | 花生形态判别装置及判别方法 |
| CN105387787A (zh) * | 2015-10-30 | 2016-03-09 | 山东省农作物种质资源中心 | 豆类种子粒形大小测量仪及测量方法 |
| CN106370132A (zh) * | 2016-10-28 | 2017-02-01 | 中国农业科学院棉花研究所 | 一种获取种子图像的装置及其获取方法 |
| CN111844530A (zh) * | 2020-07-10 | 2020-10-30 | 苏州普福斯信息科技有限公司 | 可再生资源回收方法 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8253054B2 (en) | 2010-02-17 | 2012-08-28 | Dow Agrosciences, Llc. | Apparatus and method for sorting plant material |
| EP2674746A1 (de) * | 2012-06-13 | 2013-12-18 | Bayer CropScience AG | Vorrichtung und Verfahren zur optischen Qualitätskontrolle der Beschichtung bzw. Befleckung eines körnigen Substrats |
| DE102013021898A1 (de) * | 2013-12-24 | 2015-06-25 | Kws Saat Ag | Verfahren zur Klassifizierung von Saatgut |
| CN104166295A (zh) * | 2014-08-22 | 2014-11-26 | 镇江瑞繁农艺有限公司 | 一种蔬菜瓜果考种拍照装置 |
| CN105300309B (zh) * | 2015-10-30 | 2017-10-03 | 山东省农作物种质资源中心 | 豆类籽粒形状观测台及观测方法 |
| EP3527972A1 (en) * | 2018-02-19 | 2019-08-21 | Roche Diabetes Care GmbH | Method and devices for performing an analytical measurement |
| WO2020075793A1 (ja) * | 2018-10-12 | 2020-04-16 | 広島県 | 鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3811035C1 (en) * | 1988-03-31 | 1989-05-11 | Gerhard 3209 Schellerten De Hillebrand | Method of sorting cereals and machine for carrying out this method |
| FR2637368B1 (fr) * | 1988-09-09 | 1990-12-07 | Bertin & Cie | Procede de determination de la couleur d'un objet, en particulier d'une prothese dentaire |
| EP0801886A1 (de) * | 1996-04-19 | 1997-10-22 | Novartis AG | Bestimmung der Beladung von mit einem farbigen Beizmittel behandeltem Saatgut |
| DE19845883B4 (de) * | 1997-10-15 | 2007-06-06 | LemnaTec GmbH Labor für elektronische und maschinelle Naturanalytik | Verfahren zur Bestimmung der Phytotoxizität einer Testsubstanz |
| NL1009006C2 (nl) * | 1998-04-27 | 1999-10-28 | Cpro Dlo | Werkwijze voor het bepalen van de kwaliteit van voorgekiemde, kiemende en gekiemde zaden en inrichting voor het analyseren en inrichting voor het scheiden van voorgekiemde, kiemende en gekiemde zaden. |
| JP2000023508A (ja) * | 1998-07-08 | 2000-01-25 | Bio Oriented Technol Res Advancement Inst | 整列播種機における胚位置判別方法 |
| US6546117B1 (en) * | 1999-06-10 | 2003-04-08 | University Of Washington | Video object segmentation using active contour modelling with global relaxation |
| US6329319B1 (en) * | 1999-08-25 | 2001-12-11 | National Starch And Chemical Investment Holding Corporation | Seed coating compositions for low temperature applications |
| JP4723750B2 (ja) * | 2001-04-23 | 2011-07-13 | アグリテクノ矢崎株式会社 | ゲル被覆種子検査装置 |
-
2006
- 2006-01-09 UA UAA200709130A patent/UA91353C2/ru unknown
- 2006-01-09 BR BRPI0606728-0A patent/BRPI0606728A2/pt not_active Application Discontinuation
- 2006-01-09 CN CNA2006800020460A patent/CN101102664A/zh active Pending
- 2006-01-09 WO PCT/EP2006/000099 patent/WO2006072590A1/en active Application Filing
- 2006-01-09 AU AU2006204506A patent/AU2006204506B2/en not_active Ceased
- 2006-01-09 RU RU2007130533/13A patent/RU2388203C2/ru not_active IP Right Cessation
- 2006-01-09 CA CA2592746A patent/CA2592746C/en not_active Expired - Fee Related
- 2006-01-09 AT AT06700843T patent/ATE534276T1/de active
- 2006-01-09 EP EP06700843A patent/EP1845768B1/en not_active Not-in-force
- 2006-01-09 JP JP2007549865A patent/JP2008527976A/ja active Pending
- 2006-01-09 US US11/813,312 patent/US20110150289A1/en not_active Abandoned
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103048274A (zh) * | 2012-11-29 | 2013-04-17 | 浙江省农业科学院 | 一种确定油菜种子颜色和大小的方法 |
| CN105300994A (zh) * | 2015-10-30 | 2016-02-03 | 山东省农业科学院农业资源与环境研究所 | 花生形态判别装置及判别方法 |
| CN105387787A (zh) * | 2015-10-30 | 2016-03-09 | 山东省农作物种质资源中心 | 豆类种子粒形大小测量仪及测量方法 |
| CN105387787B (zh) * | 2015-10-30 | 2017-12-29 | 山东省农作物种质资源中心 | 豆类种子粒形大小测量仪及测量方法 |
| CN105300994B (zh) * | 2015-10-30 | 2018-07-20 | 山东省农业科学院农业资源与环境研究所 | 花生形态判别装置及判别方法 |
| CN106370132A (zh) * | 2016-10-28 | 2017-02-01 | 中国农业科学院棉花研究所 | 一种获取种子图像的装置及其获取方法 |
| CN111844530A (zh) * | 2020-07-10 | 2020-10-30 | 苏州普福斯信息科技有限公司 | 可再生资源回收方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2388203C2 (ru) | 2010-05-10 |
| AU2006204506A1 (en) | 2006-07-13 |
| WO2006072590A1 (en) | 2006-07-13 |
| US20110150289A1 (en) | 2011-06-23 |
| UA91353C2 (ru) | 2010-07-26 |
| CA2592746C (en) | 2010-11-02 |
| RU2007130533A (ru) | 2009-02-20 |
| CA2592746A1 (en) | 2006-07-13 |
| BRPI0606728A2 (pt) | 2009-07-14 |
| EP1845768A1 (en) | 2007-10-24 |
| AU2006204506B2 (en) | 2012-05-24 |
| JP2008527976A (ja) | 2008-07-31 |
| EP1845768B1 (en) | 2011-11-23 |
| ATE534276T1 (de) | 2011-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101102664A (zh) | 确定一批种子一致性的装置 | |
| Mahajan et al. | Image acquisition techniques for assessment of legume quality | |
| Blasco et al. | Machine vision system for automatic quality grading of fruit | |
| Mahendran et al. | Application of computer vision technique on sorting and grading of fruits and vegetables | |
| Shahin et al. | A machine vision system for grading lentils | |
| EP3311144B1 (en) | Colour measurement of gemstones | |
| Stajnko et al. | Modelling apple fruit yield using image analysis for fruit colour, shape and texture | |
| US20080151233A1 (en) | Method And Apparatus For Classification Of Surfaces | |
| Cubero et al. | Application for the estimation of the standard citrus colour index (CCI) using image processing in mobile devices | |
| Cointault et al. | In‐field Triticum aestivum ear counting using colour‐texture image analysis | |
| Chianucci et al. | Estimation of ground canopy cover in agricultural crops using downward-looking photography | |
| Tardáguila et al. | Applications of computer vision techniques in viticulture to assess canopy features, cluster morphology and berry size | |
| JP2005201636A (ja) | 腐敗部判定方法及び判定装置 | |
| US20110002536A1 (en) | Multispectral natural fiber quality sensor for real-time in-situ measurement | |
| Sunilkumar et al. | Surface color based prediction of oil content in oil palm (Elaeis guineensis Jacq.) fresh fruit bunch | |
| Diaz-Garcia et al. | GiNA, an efficient and high-throughput software for horticultural phenotyping | |
| Paulsen et al. | Computer image analyses for detection of maize and soybean kernel quality factors | |
| Makky | Trend in non-destructive quality inspections for oil palm fresh fruits bunch in Indonesia. | |
| Portalés et al. | An image-based system to preliminary assess the quality of grape harvest batches on arrival at the winery | |
| Vroegindeweij et al. | Object discrimination in poultry housing using spectral reflectivity | |
| Sauceda-Acosta et al. | MACF-IJ, automated method for measuring color and leaf area through digital images | |
| CN109100311B (zh) | 草莓成熟度快速识别方法及装置 | |
| Merga | Measuring and analysis of plant diseases | |
| CN104345039B (zh) | 一种基于图像处理技术的小麦水分快速测定方法 | |
| Petrellis | A Windows Phone Application for Plant Disease Diagnosis. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20080109 |
|
| C20 | Patent right or utility model deemed to be abandoned or is abandoned |