CN102818539A - 用于光学测量谷物和类似农作物的粒子的设备和方法 - Google Patents
用于光学测量谷物和类似农作物的粒子的设备和方法 Download PDFInfo
- Publication number
- CN102818539A CN102818539A CN201210282330.5A CN201210282330A CN102818539A CN 102818539 A CN102818539 A CN 102818539A CN 201210282330 A CN201210282330 A CN 201210282330A CN 102818539 A CN102818539 A CN 102818539A
- Authority
- CN
- China
- Prior art keywords
- particle
- grain sample
- quality
- single particle
- information
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 53
- 235000013339 cereals Nutrition 0.000 title claims description 96
- 238000005259 measurement Methods 0.000 title claims description 48
- 238000000034 method Methods 0.000 title claims description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 239000002245 particle Substances 0.000 claims description 212
- 230000003993 interaction Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000002950 deficient Effects 0.000 description 12
- 241000238631 Hexapoda Species 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000035784 germination Effects 0.000 description 4
- 208000037656 Respiratory Sounds Diseases 0.000 description 3
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 240000007154 Coffea arabica Species 0.000 description 1
- 102100028717 Cytosolic 5'-nucleotidase 3A Human genes 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 241000219745 Lupinus Species 0.000 description 1
- 208000031888 Mycoses Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000237502 Ostreidae Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000016213 coffee Nutrition 0.000 description 1
- 235000013353 coffee beverage Nutrition 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000020636 oyster Nutrition 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/2518—Projection by scanning of the object
-
- 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
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8592—Grain or other flowing solid samples
Abstract
一种用于光学测量粒子以分析所述粒子的质量的设备(200),该设备包括进料器(102)、光源(105)、探测器(108)和分析仪(111),进料器(102)被设置成沿输送方向(107)供给至少一个粒子(101b),光源(105)被设置成沿着一条线照射所述粒子(101b),探测器(108)被设置成探测来自所述粒子表面的反射光(109),分析仪(111)被设置成当输送所述粒子时,分析所探测到的反射光以便确定粒子沿着所述线的高度轮廓以及基于多个所确定的高度轮廓来确定所述粒子上的三维表面形貌信息。设备(200)还包括用于产生二维图像的装置(220),且分析仪(111)被设置成基于同一粒子的三维表面信息和二维图像来确定所述粒子的质量。
Description
本申请是申请日为2007年1月30日,申请号为200780007433.8,发明名称为“用于光学测量谷物和类似农作物的粒子的设备和方法”的申请的分案申请。
技术领域
本发明涉及一种用于光学测量谷物和类似农作物的单个粒子的设备和方法,以分析农作物的质量。
背景技术
当前,世界各地都是通过检查不同种类的谷物和其他农作物来确定商业交易和买卖中的谷物的质量的。检查的目的是检测从大宗货物中选择的代表性试样,并确定不期望的粒子和颗粒的存在。将未通过验收的粒子和颗粒进行分类并确定每一类的数量。由于不同粒子的分布,试样且由此货物将会被给出等级,等级是与货物的支付和买卖相关的决定性因素。
今天,大多数的谷物检查按照自动过程来进行。目前,经常使用某些光学测量法,通过监测粒子的外部的、表面的特性来确定粒子的质量。这种测量法通常基于被照射的粒子,由此获得用于分析的单个粒子的二维(2D)图像,以便确定粒子货物的质量。此分析可以包括,如确定粒子的颜色和/或粒子的尺寸和形状。随后,每一个粒子可以被分类且可以被分成不同的质量。一种用于分级和分类粒子的方法描述在US2005/0074146中。
一种用于牡蛎和诸如玉米等的农作物的三维(3D)光学体积测量的设备公开在US 6,369,401中。此设备包括激光器和探测器,它们被相互设置成产生由射到受到检查的物体的表面的激光发射而产生的位移数据。分析仪处理此数据以生成高度信息,此高度信息连同源于二元的2D图像的边界信息一起来计算受到检查的物体的体积。这为仅根据体积来对粒子进行分级和分类提供了条件。
因而,利用已知的方法和设备可以拣选出未通过验收的粒子和其他颗粒。而且,未通过验收的粒子和不期望的颗粒的相对出现的测量结果可以用于设定货物的价格。通常来说,重量一直是在已通过验收的和未通过验收的粒子和颗粒之间进行比较的因素,也就是说,不同的质量被拣选出来并称重。可替代地,已通过验收的和未通过验收的粒子和颗粒的相对总体积可以用于设定货物的价格。
期望能够改善对不同等级粒子的识别,而且还提供对不同等级的相对体积的准确测量。
发明内容
本发明的一个特别的目的是提供根据不同的视觉质量因素,尤其是基于表面的质量因素来恒定地、迅速地且准确地分析粒子。而且,本发明的一个目的是减少常规的视觉粒子质量评估所固有的主观性,且因此有助于在进行粒子分析时做出更好的决定。
本发明的另一个目的是对粒子试样中的可从视觉上辨别的缺陷的识别,尤其是对粒子中涉及诸如表面结构(或形貌)等几何特性的缺陷的识别提供一种改善的准确性。
根据通过用于光学测量谷物的粒子、用于分析谷物质量的设备的本发明的第一方面以及,如将在后面更好和进一步界定的,通过一种用于光学分析谷物的粒子的质量的方法的本发明的第二方面获得了上述目的、优势和特征以及许多其他目的、优势和特征,从下面的详细描述,这些目的、优势和特征将变得明显。
通过本发明的有优势的实施方案,提供了一种设备,其使单个粒子的2D图像和3D表面信息(形貌信息)能够对于同一个粒子或多个单个粒子而获得。而且,此设备使用结合2D图像的3D信息,以便评估农作物的质量,而农作物的粒子构成被分析的试样。3D信息特别适合于,如探测粒子中诸如不规则形状、裂纹等的缺陷并确定粒子的体积,粒子的体积可以用于分类单个粒子或确定粒子试样中不同等级的粒子的体积百分数。
通过分析同一个粒子的空间配置的3D和2D信息,随后此所述设备可以迅速且直接的方式来确定农作物和/或单个粒子的质量。
凭借此实施方案,所述设备使准确地确定至少一个粒子的3D表面信息成为可能。3D表面信息可以映射到同一个粒子的2D图像上,且一起用于确定在评估粒子和/或农作物(粒子试样源自此农作物)的质量时所采用的特征。这些这样确定的单个粒子的特征可以单独使用,或与从其他测量方法得到的特征一起使用,以便确定所期望的质量。
换句话说,通过使用结合光源的探测器来测量试样中单个粒子的高度如何变化,获得了详细的表面结构信息。此信息结合2D图像信息还可以用于更准确地分类和/或检测粒子的缺陷。因此,此设备公开了一种更有效且更准确地评估农产品的质量的工具。
根据一个实施方案,分析仪适于确定质量,质量还依赖于农作物试样的至少一个粒子的体积测量值。通过所确定的高度,可以计算每一个粒子的非常准确的体积。单个粒子也可以根据其体积被归于特定的质量。另外或可替代地,粒子试样或全部粒子货物可以被归于特定的质量,其中如,已通过验收的粒子的体积与未通过验收的粒子的体积相关。
分析仪可以适于确定质量,包括分类和/或识别单个粒子和/或试样的缺陷。所确定的3D表面信息可以用于识别粒子的异常的或不期望的形状,以及随后,所识别出的异常或不期望的形状单独或与2D图像信息一起被用来识别与这种不期望的形状相关的缺陷。而且,所确定的3D表面信息可以用于将单个粒子分类为归属于特定的等级。
所考虑的缺陷可以是有裂纹、裂口或不规则形状的粒子、受天气损害的部分、壳剩余部分、发芽的谷粒、霉菌和/或真菌病、粗糙的表面或其任意组合。
探测器可以包括图像获取装置,其被设置成与诸如由传送带的表面提供的平面成非垂直的角度,试样在传送带上被供给。这允许图像获取装置观察不同排的图像中相对于平面的不同高度。而且,分析仪可以适于通过比较到粒子表面的距离与到平面的距离来确定高度轮廓。
然而,光学测量可以是任何一种光敏测量。探测器不需要记录图像,而是可以记录某些点的光强或者多个特性中的某种平均特性,如与漫射的反射光相比的直接反射的光。图像获取装置可以是,如任意类型的数码照相机,如CMOS照相机。
用于3D测量的光源可以包括激光光源。由此,获得了试样的被照射部分和其余部分之间的显著的对照差异。因而,试样的准确的高度测量能够具有高的分辨率。有用的是,激光光源被设置成在平面内发光,优选地,既垂直于粒子试样在其上被供给的平面,又垂直于在此平面上的粒子试样的移动方向。因而,可以就单个粒子试样的截面确定高度轮廓,且因而可以同时确定并排排列的大量粒子的高度轮廓。
相互协作的探测器可以包括两个或更多个组件,它们被设置成探测来自单个粒子的至少部分不同的区域的反射光。当探测器被设置为与粒子试样在其上被供给的平面成非垂直的角度时,上面所述的两个或更多个组件的设置方式是特别有优势的。在这种情形下,颗粒的某些部分对探测器可能变得模糊,因此具有两个或更多个组件将有助于从粒子试样的所有部分获得高度轮廓信息。
进料器可包括传送机。进料器不需要基本上直线地来输送连续运动中的粒子试样,但在大多数情况下,直线输送是有利的,因为常规的传送带可以用于此目的。进料器还可以或可替代地包括倾斜的表面以使试样在重力的作用下被供给到用于光学测量的位置。
根据一个实施方案,用于获得2D图像的探测器被相对设置成获得粒子试样的2D平面视图。通常,分析仪适于处理此2D平面视图和搭配的三维图像信息以确定所述粒子试样的质量。使用2D平面视图使得与3D高度信息的搭配在计算上更简单,从而加快了此设备的分析。另外或可替代地,在分析仪中可以利用2D图像来区分粒子试样内的异物与粒子。此信息本身可以用在分析仪中来确定农作物的质量,或者可以用于限制使用3D信息对被识别为粒子的物体进行进一步的分析。相反,3D高度信息可用来把被分析的试样中的粒子和异物区分开。通常,诸如石头或叶柄等的异物所产生的平面视图图像的尺寸可能类似于粒子的尺寸。然而,这些物体的高度往往在很大程度上不同于粒子的高度。
本发明提供一种用于光学分析农作物的粒子(101)的质量的设备(200),其包括:进料器(102),其被设置成将包括至少一个粒子(101)的粒子试样(103)供给到用于光学测量的位置(104);光学系统(105、108;205、208),其适于照射处在用于光学测量的所述位置(104)处的所述粒子试样(103)的单个粒子(101)以及适于在照射光与所照射的单个粒子(101)的表面相互作用之后探测照射光;以及分析仪(111),其适于接收所探测到的照射光并对其进行处理,以确定所述粒子试样(103)的质量。所述设备(200)的特征在于:所述分析仪(111)适于处理所探测到的照射光以生成所述粒子试样(103)的单个粒子(101)的三维表面信息,以及分析所述三维表面信息来确定质量。
进一步地,所述设备特征在于所述光学系统(105、108;205、208)包括部件(205、208),所述部件(205、208)相对地设置成进行照射以及探测照射光来进行处理以生成同一个单个粒子(101)的二维图像信息;且所述设备的特征还在于:所述分析仪(111)适于分析所述同一个单个粒子(101)的三维表面信息以及二维图像信息以确定质量。
进一步地,所述设备特征在于所述分析仪(111)适于将来自同一个单个粒子(101)的表面的相同物理区域的二维图像信息和三维表面信息进行比较,以确定质量。
进一步地,其中所述分析仪(111)适于通过将三维表面信息映射到二维图像上来处理同一个单个粒子(101a)的所述三维表面信息和所述二维图像信息,以生成用于分析的组合的形貌图像(114)来确定质量。
进一步地,所述设备特征在于所述光学系统(105;108)包括:激光光源(105),其设置成沿着横向于所述粒子试样(103)的移动方向(107)的线(106)来照射所述粒子试样(103);以及探测装置,其包括探测器(108),所述探测器(108)被设置成探测沿着所述线(106)的被从所述粒子试样(103)的单个粒子(101b)的表面反射的照射光。且其中所述分析仪(111)适于分析所探测到的经反射的照射光,以确定所述粒子试样(103)的所述单个粒子(101b)沿着所述线(106)的高度轮廓(112),并适于基于所述粒子(101b)在所述移动方向(107)通过所述线(106)时多个按上述方式确定的、所述单个粒子(101b)的高度轮廓(112)来生成三维表面信息。
进一步地,所述设备特征在于所述分析仪(111)适于通过比较所述单个粒子(101)的表面与平面(102)之间的距离来将高度轮廓(112)确定为三维表面信息。
本发明的另一实施方式提供了一种用于光学分析谷物的粒子(101)的质量的方法,其包括下列步骤:将包括至少一个粒子的粒子试样供给到用于光学测量的位置(401),照射处于所述用于光学测量的位置处的所述粒子试样(402),在照射光与所述粒子试样相互作用之后,探测所述照射光(403),分析所探测到的照射光以确定所述粒子试样的质量(404)。所述方法的特征在于所述分析步骤包括:处理所探测到的照射光,以生成所述粒子试样的单个粒子的三维表面信息,以及根据对所述三维表面信息的分析来确定所述粒子试样的质量(406)。
进一步地,所述方法特征在于:处理所探测到的照射光的所述步骤还生成了同一个单个粒子的二维图像信息;且其中确定所述粒子试样的质量的所述步骤(406)包括结合所述二维图像信息来分析所述三维表面信息。
此设备可以被设置成确定将被用作农作物定价的基础的质量。农作物的定价通常可以由已通过验收的粒子的相对体积或试样中的具体等级来确定。
此设备还可以或可替代地被设置成选择具有类似的外部尺寸和视觉特征的粒子。随后,这些外部尺寸和视觉特征可以用在设备中以拣选类似外部特性的粒子,这对于以后对这些粒子的处理可能是有用的。
附图说明
通过下文中本发明的示例性实施方案的示例性而非限制性的详细描述,且参考所附附图中的各幅图,将更好地理解本发明的上述目的、优势和特点以及额外的目的、优势和特点,其中:
图1显示了在根据本发明一个实施方案的设备中用于光学分析的装置;
图2阐释了采用图1的装置来确定粒子试样的高度轮廓;
图3显示了根据本发明所获得的粒子试样的截面的高度轮廓;
图4显示了根据本发明的粒子试样的3D视图;
图5阐释了半个粒子和整个粒子的截面的高度轮廓的差异;
图6是根据本发明的设备的示意图,其加入了图1和图2的装置以获得试样的三维信息和二维信息的组合信息;
图7-9阐释了特别适合于采用图6的装置来进行分析的试样数据;
图10显示了供根据本发明的示例性设备使用的方法中的各步骤的示意图;
图11显示了根据本发明一个实施方案的设备中的校准装置。
具体实施方式
在下面的描述中,参考了成为本文一部分的附图,且在其中通过示例说明了本发明的实施方案如何可以得到实施。应该理解可以采用其他实施方案,且可以进行结构上和功能上的修改而并不偏离本发明的范围。
图1显示了供根据本发明第一实施方案的设备使用的装置,该装置用于光学测量单个粒子101的3D表面特性,且其整体以参考数字100标示。装置100可以使用在设备中,用于光学测量任何种类的谷类和类似农作物,诸如小麦、大麦和其他谷物、羽扇豆、豆形果实、豆类、大豆、咖啡和大米。
该设备包括进料器102,诸如传送带,其被设置成将包含至少一个粒子101的粒子试样103供给到用于光学测量的位置104。进料器102可以被构建成按照设置的方式供给粒子101。优选地,粒子101以平行的排的方式供给,且两排之间具有小间隔,以便在光学测量过程中可以易于分开相邻的粒子101。进料器102连同加料斗(未显示)可以被设置成使单个粒子101按照期望的方式放置于进料器102上。进料器102的移动方向以箭头107标示。因而,移动方向107也是粒子101通过用于光学测量的位置104的输送方向。
此装置还包括光源105,其被设置成沿着线106照射粒子试样103的单个粒子101,而线106横向于粒子试样通过用于光学测量的位置104时的输送方向107。光源105优选在平面内发光的激光器。激光光源105可以是要求采取最低安全措施的低功率激光器。激光光源105提供了被良好界定的照射光线(line of illumination)106,并给出了清晰的反射光,这可以被记录,并容易转变成对粒子101的表面上发生反射的准确位置的确认。
而且,装置100包括探测器108,其探测由虚线109标示的、照射光线106的来自于粒子试样103的单个粒子101的表面的反射光。探测器108可以是图像获取装置,如数码照相机。照相机108设置成与进料器102成角度α,如图2所示。因而,进料器102上的不同的高度H处的反射光将会被成像在照相机图像的不同排中。
提供了一种分析仪111,且其适于处理所探测到的反射光109,以便确定如图3所示的高度轮廓112。高度轮廓112使用在分析仪111中,作为用于确定粒子试样103的质量的3D表面信息的基础,这将在下面进行更详细的描述。
因而,粒子的在参考平面102之上的高度H可以根据下面的公式(1)计算:
其中H是测量点的实际高度,ΔH是进料器102(使用时,其形成供测量的参考平面)上的激光点和测量点之间在图像中的像素距离(pixeldistance),res是该图像的分辨率。
图3阐释了由照相机108所探测到的图像。因而,利用上面的公式(1),此图像可以被分析仪111用于计算试样103的一个或多个单个粒子101(此处是5个,1a...e)的截面高度轮廓112(或表面形貌)。比如说,当单个粒子101被输送通过用于光学测量的位置104时,可以对每一个单个粒子101a的多个不同的截面计算高度轮廓112。图3的高度轮廓112阐释了被略微分开的多个粒子101a...d的轮廓曲线。与曲线间隔开的直线标示了参考平面,诸如粒子的进料器102。从单个粒子101表面上的点的反射光与参考平面(此处是进料器102)之间的距离113构成了将被引入公式(1)的项ΔH。
在本实施方案中,分析仪111还被设置成生成一个或多个粒子101a中的每一个粒子的3D表面图像114,如图4所示,比如说,基于当各粒子101a被供给通过用于光学测量的位置104且通过照相机108获得连续的图像时所获得的相应的多个所确定的高度轮廓112。正如所看到的,可以易于识别表面拓扑(surface topology)的特征,且正如稍后参考图8-9所讨论的,使得粒子中的缺陷能够被清晰地辨别出来。可替代地或另外,这样生成的单个粒子101a的3D表面信息可以按照3D空间内的位置坐标(如,笛卡尔坐标或极坐标)储存在分析仪111中。
随后,分析仪111基于生成的3D表面信息确定至少一个粒子的质量。分析仪111还可以设置成按照本领域已知的方式,如公布US 6,369,401中公开的方式来计算每一个粒子101的体积。此体积可以用于按大小来拣选粒子。此体积还可以用于获得特定等级的粒子的相对体积,其中在本实施方案中,等级是通过使用映射到同一个单个粒子101的2D图像上或以其他方式与该2D图像搭配的3D表面信息(形貌信息)来确定的。因而,相对体积可以给出相对于粒子试样103的总体积的具体等级的体积测量值。分析仪111还可以被设置成识别异物,如砂砾或泥土,这些异物的形状与谷物粒子的通常形状和视觉外观基本上不相同。可以通过,例如,采用已知的图像识别技术来处理试样的2D图像实现这种识别。可替代地,在这方面可以利用3D高度信息。异物的高度往往明显大于或小于粒子101的高度。通过设置分析仪111基于,例如,从同一物体的不同部分的多个高度轮廓112所获得的平均最大高度来进行高度辨别,然后可以确定粒子的位置,并且只需要分析2D图像的相应部分来确定质量。
分析仪111还可以被设置成识别单个粒子101内的缺陷,如有裂纹的、有裂口的,破裂的或劈开的粒子。例如,可以单独使用单个粒子的3D表面图像114或等同地使用3D高度信息,或者与单个粒子的2D视觉信息一起使用,并将此信息与粒子的“正常的”或期望的3D表面信息进行比较来识别这些缺陷。例如,以其他方式可能难以探测的半个粒子现在可以容易地使用所确定的3D表面图像114来识别,如图5所示。被二等分的粒子(halved grain)通常将其本身定位成破裂的部分邻近进料器102。单独使用2D图像将不可能探测到该粒子是半个的,这是因为图像是该粒子的未受影响的那一部分的图像。然而,如图5所示,3D表面信息呈现出的高度轮廓112明显比未破裂的粒子的高度轮廓低。所探测到的高度轮廓112以实线显示在图5中,而未破裂的粒子的高度轮廓112′以虚线显示。因而,正如以高度轮廓112表示的3D表面信息可以用于容易地探测到半个粒子。当分析大豆或豌豆时,可能会经常出现这样的半个粒子。
而且,分析仪111可以被设置成探测粒子受到的某些天气损害。例如,3D表面图像114可以用于识别霜冻害,受到霜冻害时,粒子较薄且表面较粗糙。而且,利用形貌信息,分析仪111可以被设置成识别去壳的粒子上的壳剩余部分。而且,相同的信息可以用于探测具有异常形状的发芽的粒子。而且,通过分析仪111可以识别霉菌和真菌疾病,因为与正常的粒子相比,具有这类缺陷的粒子具有较粗糙的表面且显示出褪色。
分析仪111可以包括用于执行确定高度轮廓、3D表面和3D图像(也即是,如3D信息和2D信息的组合)以及质量的任务的一个或多个组件。
现在参考图6,显示了根据本发明的设备200,其起到组合2D图像和3D表面信息的作用,以分析谷物和类似农作物的粒子。设备200包括进料器102,如图1所示。进料器102被设置成将包含至少一个粒子101的粒子试样103供给到用于光学测量的第一位置104a以及进一步供给到用于光学测量的第二位置104b。这些位置104a和104b一起构成了用于光学测量的位置104。在用于光学测量的第一位置104a处的装置被构建成用于获得粒子试样103的一个或多个单个粒子101的2D平面图像,此处参考单个粒子101a来阐释。在用于光学测量的第二位置104b处的装置被构建成用于获得粒子试样103的一个或多个单个粒子101的3D表面信息,此处参考单个粒子101b来阐释,正如上面参考图1-4所描述的。因而,在用于光学测量的第二位置104b处,设备200包括激光源105和被设置成与进料器102成角度α的探测器108,以便确定通过用于光学测量的第二位置104b处的粒子101b的单个高度轮廓112。用于光学测量的第一位置104a和第二位置104b以已知的距离d间隔开,由此,在已知粒子试样103在装置之间的输送速度的情况下,可以容易地组合来自不同装置的关于同一个单个粒子(比如说,101b)的测量结果。可替代地,进料器102可以被设置成按照相反的顺序将粒子试样103供给到用于光学测量的位置204b、204a。
本实施方案的设备200在用于光学测量的第一位置104a处包括用于生成粒子101的2D图像的装置220。此装置220包括用于照射粒子试样103的一个或多个单个粒子(此处,以粒子101a来阐释)的光源205。光源205可以是白炽灯、发光二极管(LED)或照射粒子试样103以改善成像条件的其他任何种类的照射源。优选地,光源205包括用于同时从不同的角度照射粒子试样103的一个或多个单个粒子101的两个组件205a和205b,由此可以获得,比如说,粒子试样103的单个粒子101a的均匀照射。设备200在用于光学测量的第一位置104a处还包括对粒子试样103的粒子101a的2D平面视图进行成像的照相机208。照相机208可以是能够采用按进料器102的连续速度对粒子试样103进行扫描的线扫描照相机(line camera)。可替代地,照相机208可以是能够获得颗粒试样103的单个粒子101a的2D图像的任何一种数码照相机。应该注意到多个可从视觉上区分的单个粒子可以被记录在一张2D图像中。
来自第一和第二装置的每一个的图像信息在分析仪111中被组合以便确定粒子试样103的质量。因而,来自两种测量结果的信息用于改进分析。
2D图像通常可以用于根据从2D图像中看到的粒子101的颜色和形状将粒子101分成不同的等级。随后,3D表面信息可以用作识别粒子101的某些缺陷或不规则形状的补充以便因而改善由2D图像所进行的分析。
现在参考图7-9,将会描述可以有利地将测量结果进行组合以改善分析的情形。在图7a中,显示了两个粒子201彼此接触放置,正如在2D图像中看到的。利用2D图像区分粒子201可能是困难的。然而,当将2D图像和3D表面信息组合时,可以容易实现粒子201的区分。如图7b所示,3D表面信息将显示高度轮廓212内的凹陷230,这标示高度轮廓212是由两个粒子201生成的。因而,3D表面信息可以用于证实2D图像应该被分割成表示两个粒子201的两个部分。
参考图8和9,显示了使用类似于图6中的设备获得的实际的数据,以便阐释3D信息是如何用于探测在2D图像中可能难以探测的单个粒子的不规则处。在这些图中,与3D表面信息相关的刻度对Z轴是毫米,而对X轴(2D图像中的线的方向)是图像的像素数。在图8a中,显示了变形的粒子的2D图像801。在图像801中难以探测到此变形。然而,利用沿着图8a中所描绘的线803获得的3D高度轮廓,可以探测到倾斜表面804。此3D高度轮廓802明显不同于图8d的高度轮廓805所提供的由正常粒子获得的高度轮廓。此轮廓805是沿着图8c中描绘的线806获得的,图8c是正常粒子的2D图像807。应该注意到可以从图8b和图8d所包含的3D表面信息的比较结果清楚地看到此变形804,而图8a和图8c的2D图像是非常相似的。
在图8e中,显示了发芽的粒子的2D图像808。与图8g显示的正常粒子的2D图像809相比,在2D图像中难以探测到芽。然而,利用3D高度轮廓810,可以探测到粒子的表面轮廓内的不规则凹陷811。这明显地不同于图8h所阐释的正常粒子的高度轮廓812。因而,利用3D表面信息,可以探测到并准确分类出图8e中成像的图像808的发芽的粒子。
现在考虑图9。在图9a中,显示了受昆虫损害的粒子的2D图像901。与呈表面褪色的粒子的2D图像902进行的比较清楚地阐释了2D图像901和902的比较结果将很难按照受到了虫害损害来对粒子进行分类。然而,对沿着线904获得的3D表面轮廓903与沿着线906获得的正常粒子的3D表面轮廓905进行的比较使得上述识别更加容易。在与受昆虫损害的粒子的图像901中的黑点相关的轮廓903中可探测到凹陷907,而在与褪色的粒子的图像902相关的轮廓905的区域908中什么都不能看到。然而,对与发芽的粒子的图像808相关的3D高度轮廓810和与受昆虫损害的粒子相关的轮廓903进行的比较都将会分别显示存在凹陷811和907。对各自的2D图像808和901的比较将清楚地区分发芽的粒子和受昆虫损害的粒子。也可以利用2D图像来确定被成像的目标是粒子还是异物。因而,基于2D图像和3D表面信息的分析可以用于改善这类表面缺陷的探测和分类并得到由分析仪111所进行的更可靠的质量分类。
现在参考图10,将描述一种用于光学确定粒子试样的质量的方法。将粒子试样提供给用于光学测量的设备的进料器。进料器将粒子试样供给到用于光学测量的位置-步骤401,在此位置处,当粒子试样通过用于光学测量的位置时,光源沿着与粒子试样的移动方向横向相交的线照射粒子试样-步骤402。探测器探测照射光线的来自粒子试样的表面的反射光-步骤403,以及分析仪分析所探测到的反射光以便确定至少一个粒子的沿照射线的高度轮廓-步骤404。当粒子通过用于光学测量的位置时,重复照射步骤402、探测步骤403和分析步骤404,以便确定整个粒子的3D高度轮廓(表面轮廓图)-步骤405,3D高度轮廓是基于沿着粒子的不同部分的照射线的多个高度轮廓或由其组成。
随后,分析仪根据所确定的呈现整个粒子的高度轮廓的3D表面信息来确定颗粒试样的质量-步骤406。
从使用者的角度看,可以根据下文来描述测量过程。设备的使用者将粒子试样放入与用于光学测量的设备结合的加料斗中。使用者输入要求的试样信息并选择待测量的质量因素。开始分析,且当设备已经执行了先前提到的各步骤时,将结果显示给使用者和/或储存在存储器中。接着,或者手工地用试样收集杯或者由设备自动取出试样。
通过在进料器102的两侧设置参考板502,可以有利地对设备进行校正,在参考板上,投射的光束横向穿过进料器102,如图11所示。当进料器102的平面与参考板502对准时,由探测器108和分析仪111确定的高度轮廓112将成直线,这提供了一种简单而准确的对准方法。
应该强调此处描述的优选实施方案决不是限制性的,且许多可替代的实施方案可以落入由所附权利要求界定的保护范围内。例如,第二个照相机可以设置成观察照射线。第二个照相机可以设置在关于光源与第一个照相机相对的位置处。因而,第一个和第二照相机将能够一起观察粒子的整个高度轮廓。若只使用一个照相机,则粒子的某些部分可能变得模糊。因而,使用两个照相机可以获得更精确的3D表面图像。
而且,根据另一个可替代方案,通过被设置成从不同角度观察粒子的两个或更多个数码相机,同时照射整个粒子,可以获得粒子的3D表面信息。随后,可以使用由两个或更多个数码相机获得的粒子的图像,以便确定3D形状。
Claims (8)
1.一种用于光学分析农作物的粒子的质量的设备,包括:
进料器,其被设置成将包括至少一个粒子的粒子试样供给到用于光学测量的位置,
光学系统,其适于照射处在用于光学测量的所述位置处的所述粒子试样的单个粒子以及适于在照射光与所照射的单个粒子的表面相互作用之后探测照射光,以及
分析仪,其适于接收所探测到的照射光并对其进行处理,以确定所述粒子试样的质量,其中所述分析仪适于处理所探测到的照射光以生成所述粒子试样的单个粒子的三维表面信息,以及分析所述三维表面信息来确定质量。
2.如权利要求1所述的设备,其中所述光学系统包括部件,所述部件相对地设置成进行照射以及探测照射光来进行处理以生成同一个单个粒子的二维图像信息;且所述设备的特征在于:所述分析仪适于分析所述同一个单个粒子的所述三维表面信息以及二维图像信息以确定质量。
3.如权利要求2所述的设备,其中所述分析仪适于将来自同一个单个粒子的表面的相同物理区域的所述二维图像信息和所述三维表面信息进行比较,以确定质量。
4.如权利要求2所述的设备,其中所述分析仪适于通过将所述三维表面信息映射到所述二维图像上来处理同一个单个粒子的所述三维表面信息和所述二维图像信息,以生成用于分析的组合的形貌图像来确定质量。
5.如权利要求1所述的设备,其中所述光学系统包括:
激光光源,其设置成沿着横向于所述粒子试样的移动方向的线来照射所述粒子试样;以及
探测装置,其包括探测器,所述探测器被设置成探测沿着所述线的被从所述粒子试样的单个粒子的表面反射的照射光;且所述设备的特征在于所述分析仪适于分析所探测到的经反射的照射光,以确定所述粒子试样的所述单个粒子沿着所述线的高度轮廓,并适于基于所述粒子在所述移动方向通过所述线时多个按上述方式确定的、所述单个粒子的高度轮廓来生成三维表面信息。
6.如权利要求1所述的设备,其中所述分析仪适于通过比较所述单个粒子的表面与平面之间的距离来将高度轮廓确定为所述三维表面信息。
7.一种用于光学分析谷物的粒子的质量的方法,包括下列步骤:
将包括至少一个粒子的粒子试样供给到用于光学测量的位置,
照射处于所述用于光学测量的位置处的所述粒子试样,
在照射光与所述粒子试样相互作用之后,探测所述照射光,
分析所探测到的照射光以确定所述粒子试样的质量,所述方法的特征在于,所述分析步骤包括处理所探测到的照射光,以生成所述粒子试样的单个粒子的三维表面信息,以及
根据对所述三维表面信息的分析来确定所述粒子试样的质量。
8.如权利要求7所述的方法,其中处理所探测到的照射光的步骤还生成同一个单个粒子的二维图像信息;且所述方法的特征在于确定所述粒子试样的质量的步骤包括结合所述二维图像信息来分析所述三维表面信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP06110604A EP1830176A1 (en) | 2006-03-02 | 2006-03-02 | Device and method for optical measurement of small particles such as grains from cereals and like crops |
EP06110604.3 | 2006-03-02 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800074338A Division CN101395466A (zh) | 2006-03-02 | 2007-01-30 | 用于光学测量谷物和类似农作物的粒子的设备和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102818539A true CN102818539A (zh) | 2012-12-12 |
Family
ID=36287442
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800074338A Pending CN101395466A (zh) | 2006-03-02 | 2007-01-30 | 用于光学测量谷物和类似农作物的粒子的设备和方法 |
CN201210282330.5A Pending CN102818539A (zh) | 2006-03-02 | 2007-01-30 | 用于光学测量谷物和类似农作物的粒子的设备和方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800074338A Pending CN101395466A (zh) | 2006-03-02 | 2007-01-30 | 用于光学测量谷物和类似农作物的粒子的设备和方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US7830530B2 (zh) |
EP (2) | EP1830176A1 (zh) |
JP (1) | JP2009536315A (zh) |
KR (1) | KR20080104000A (zh) |
CN (2) | CN101395466A (zh) |
AU (1) | AU2007220647B2 (zh) |
CA (1) | CA2640639C (zh) |
WO (1) | WO2007099008A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389511A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
CN108993927A (zh) * | 2018-09-10 | 2018-12-14 | 宁夏大学 | 农作物籽粒分离设备及其控制方法 |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5299431B2 (ja) * | 2008-10-09 | 2013-09-25 | 株式会社サタケ | 画像読み取り装置用トレイ |
JP5277414B2 (ja) * | 2008-12-26 | 2013-08-28 | 株式会社Sumco | 石英粉体原料中に含まれる有色異物の検出装置および検出方法 |
IT1398460B1 (it) * | 2009-06-09 | 2013-02-22 | Microtec Srl | Metodo per la classificazione di prodotti alimentari in grado di rotolare sulla propria superficie esterna, quali frutta ed ortaggi. |
JP2013515248A (ja) * | 2009-12-22 | 2013-05-02 | ビューラー・アクチエンゲゼルシャフト | 揺動可能な生成物を測定するための装置及び方法 |
DE102010030908B4 (de) * | 2010-07-02 | 2014-10-16 | Strube Gmbh & Co. Kg | Verfahren zur Klassifizierung in Saatgutpartien enthaltener Objekte, Sortierverfahren und zugehörige Vorrichtungen |
DE102010052338A1 (de) * | 2010-11-25 | 2012-05-31 | Steinert Elektromagnetbau Gmbh | Verfahren und Einrichtung zur Einzelkornsortierung von Schüttgütern beliebiger Art |
US9766107B2 (en) * | 2010-12-15 | 2017-09-19 | Anubis Manufacturing Consultants Corp. | System for and method of measuring flow of bulk solid material |
CN102205322A (zh) * | 2011-01-21 | 2011-10-05 | 安徽捷迅光电技术有限公司 | 一种激光色选机 |
US9631964B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Acoustic material flow sensor |
US10318138B2 (en) | 2011-03-11 | 2019-06-11 | Intelligent Agricultural Solutions Llc | Harvesting machine capable of automatic adjustment |
US9629308B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Harvesting machine capable of automatic adjustment |
US10321624B2 (en) | 2011-03-11 | 2019-06-18 | Intelligent Agriculture Solutions LLC | Air seeder manifold system |
CN105823438B (zh) | 2012-05-22 | 2018-10-19 | 株式会社高永科技 | 三维形状测量装置的高度测量方法 |
CN102721367B (zh) * | 2012-07-02 | 2015-02-11 | 孟凡刚 | 基于动态三维激光扫描的大型不规则散粮堆体积测量方法 |
US20140250835A1 (en) * | 2013-03-05 | 2014-09-11 | Howmedica Osteonics Corp. | Process for removing contaminants from polymeric powders |
GB201315910D0 (en) * | 2013-09-06 | 2013-10-23 | Rolls Royce Plc | Apparatus and method for inspecting an article |
SG2013084975A (en) | 2013-11-11 | 2015-06-29 | Saedge Vision Solutions Pte Ltd | An apparatus and method for inspecting asemiconductor package |
BR112016015438B1 (pt) * | 2013-12-30 | 2021-08-10 | Buhler (India) Pvt. Ltd | Método e aparato para medir a suavidade dos grãos |
CN103752535A (zh) * | 2014-01-26 | 2014-04-30 | 东北农业大学 | 基于机器视觉的大豆籽粒精选方法 |
US9952160B2 (en) * | 2014-04-04 | 2018-04-24 | Packaging Corporation Of America | System and method for determining an impact of manufacturing processes on the caliper of a sheet material |
CN104062298B (zh) * | 2014-07-04 | 2017-08-04 | 江苏大学 | 基于图像处理的联合收获机粮箱籽粒含杂率自动监测装置和方法 |
US10085379B2 (en) | 2014-09-12 | 2018-10-02 | Appareo Systems, Llc | Grain quality sensor |
EP3485717A1 (en) | 2014-09-12 | 2019-05-22 | Intelligent Agricultural Solutions, LLC | Acoustic material flow sensor |
US9779330B2 (en) * | 2014-12-26 | 2017-10-03 | Deere & Company | Grain quality monitoring |
CN106153165A (zh) * | 2015-04-24 | 2016-11-23 | 周清云 | 筒仓物料的称重方法、系统及装置 |
CN105674908A (zh) * | 2015-12-29 | 2016-06-15 | 中国科学院遥感与数字地球研究所 | 测量装置和体积测量与监视系统 |
CN105752580B (zh) * | 2016-01-31 | 2017-07-04 | 西北农林科技大学 | 一种谷物单粒动态输送与双目图像采集装置 |
JP6686649B2 (ja) * | 2016-04-08 | 2020-04-22 | 株式会社大林組 | 骨材識別方法、骨材識別装置および骨材搬送貯蔵装置 |
WO2017210355A1 (en) * | 2016-05-31 | 2017-12-07 | Industrial Dynamics Company, Ltd. | Method and system for testing and inspecting containers using one or more light reflections and positional data |
CN106092289A (zh) * | 2016-07-27 | 2016-11-09 | 安徽辰宇机械科技有限公司 | 粮食烘干机吨位测量系统 |
WO2018052972A1 (en) | 2016-09-15 | 2018-03-22 | Bext Holdings, Inc. | Systems and methods of use for commodities analysis, collection, resource-allocation, and tracking |
CN106989791B (zh) * | 2017-05-15 | 2023-06-06 | 山东农业大学 | 一种基于线阵ccd的谷物体积测量装置及其测量方法 |
CN107413674B (zh) * | 2017-06-08 | 2019-09-10 | 北京农业信息技术研究中心 | 一种作物种籽在线分拣方法及系统 |
US10579875B2 (en) | 2017-10-11 | 2020-03-03 | Aquifi, Inc. | Systems and methods for object identification using a three-dimensional scanning system |
KR102026771B1 (ko) * | 2017-11-06 | 2019-09-30 | 대한민국 | 오염곡물 판별시스템 |
DE102017220792A1 (de) * | 2017-11-21 | 2019-05-23 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zum Sortieren von Teilchen eines Materialstroms |
CN109374638B (zh) * | 2018-12-18 | 2022-01-18 | 深圳市鼎源检测技术有限公司 | 一种基于机器视觉的木地板表面检测装置及其检测方法 |
GB201820708D0 (en) * | 2018-12-19 | 2019-01-30 | Agco Int Gmbh | Grain cleaning system and method of controlling such |
CN109540745B (zh) * | 2018-12-21 | 2024-04-05 | 华侨大学 | 一种精密形态检测系统及检测方法 |
CN109800688B (zh) * | 2019-01-03 | 2023-04-07 | 沈阳天骄科技有限公司 | 一种基于陀螺仪和深度值计算粮堆高度的识别方法 |
US10902575B2 (en) * | 2019-05-01 | 2021-01-26 | Inspect Technologies Ltd | Automated grains inspection |
CN110609039B (zh) * | 2019-09-23 | 2021-09-28 | 上海御微半导体技术有限公司 | 一种光学检测装置及其方法 |
JP6999138B2 (ja) * | 2019-10-18 | 2022-01-18 | 株式会社松岡機械工作所 | 外観検査装置、外観検査方法、及び錠剤印刷装置 |
EP4189326A1 (en) | 2020-07-28 | 2023-06-07 | Shell Internationale Research Maatschappij B.V. | A system and method for the automatic and continuous high-speed measurement of color and geometry characteristics of particles |
EP4091425A1 (en) * | 2021-05-21 | 2022-11-23 | CNH Industrial Belgium N.V. | White cap detection device |
CN114088714B (zh) * | 2021-11-09 | 2022-08-26 | 北京中检葆泰生物技术有限公司 | 一种谷物颗粒表面规则度的检测方法 |
WO2024088498A1 (de) * | 2022-10-24 | 2024-05-02 | Wacker Chemie Ag | Verfahren und vorrichtung zum sortieren von siliciumbruchstücken |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63229349A (ja) * | 1987-03-18 | 1988-09-26 | Fujitsu Ltd | パタ−ン検査装置 |
JPH0221372A (ja) * | 1988-07-08 | 1990-01-24 | Sharp Corp | はんだ付検査装置 |
JPH0663979B2 (ja) * | 1988-07-13 | 1994-08-22 | 有限会社安西総合研究所 | ヒビ、ワレの検出装置 |
JPH03118671A (ja) * | 1989-10-01 | 1991-05-21 | Toyota Central Res & Dev Lab Inc | 部品組付け検査装置 |
JP3020041B2 (ja) * | 1991-11-12 | 2000-03-15 | 静岡製機株式会社 | 胴割粒検出方法及び装置 |
US5956413A (en) * | 1992-09-07 | 1999-09-21 | Agrovision Ab | Method and device for automatic evaluation of cereal grains and other granular products |
US5480354A (en) * | 1994-11-03 | 1996-01-02 | Loral Corporation | Smart crop yield monitor |
JPH09196854A (ja) * | 1996-01-24 | 1997-07-31 | Iseki & Co Ltd | 穀粒の検出装置 |
JP3610730B2 (ja) * | 1996-06-25 | 2005-01-19 | 株式会社日立製作所 | 表面形状欠陥検出方法とその装置 |
NL1004209C2 (nl) * | 1996-10-04 | 1998-04-07 | Have D J Van Der Bv | Werkwijze en inrichting voor de kwaliteitsbeoordeling van zaad. |
US5917927A (en) * | 1997-03-21 | 1999-06-29 | Satake Corporation | Grain inspection and analysis apparatus and method |
US5957773A (en) * | 1997-04-02 | 1999-09-28 | Dekalb Genetics Corporation | Method and apparatus for measuring grain characteristics |
JP2000180369A (ja) * | 1998-10-09 | 2000-06-30 | Satake Eng Co Ltd | 穀粒品位測定方法及びその装置 |
US6177682B1 (en) * | 1998-10-21 | 2001-01-23 | Novacam Tyechnologies Inc. | Inspection of ball grid arrays (BGA) by using shadow images of the solder balls |
FR2795499B1 (fr) * | 1999-06-28 | 2001-09-28 | Materiel Arboriculture | Procede et dispositif d'analyse en vue du tri automatique de produits tels que des fruits |
JP4315536B2 (ja) * | 1999-08-24 | 2009-08-19 | Juki株式会社 | 電子部品実装方法及び装置 |
US6369401B1 (en) * | 1999-09-10 | 2002-04-09 | Agri-Tech, Inc. | Three-dimensional optical volume measurement for objects to be categorized |
FI20001568A (fi) * | 2000-06-30 | 2001-12-31 | Thermo Radiometrie Oy | Pinnan muotojen määrittäminen |
JP4610702B2 (ja) * | 2000-07-27 | 2011-01-12 | パナソニック株式会社 | 電子基板検査方法 |
JP4605890B2 (ja) * | 2000-10-31 | 2011-01-05 | 株式会社ケット科学研究所 | 穀粒の品質判別装置 |
JP2002310919A (ja) * | 2001-04-10 | 2002-10-23 | Mitsubishi Precision Co Ltd | 穀粒品質評価装置 |
JP2002365222A (ja) * | 2001-06-12 | 2002-12-18 | Satake Corp | 米粒品位判別装置 |
JP2003042963A (ja) * | 2001-08-02 | 2003-02-13 | Satake Corp | 穀物品位判別装置 |
JP2003139443A (ja) | 2001-11-05 | 2003-05-14 | Fujitsu General Ltd | 空気調和機の室内機 |
JP3640247B2 (ja) * | 2002-06-21 | 2005-04-20 | シーケーディ株式会社 | 錠剤の外観検査装置及びptp包装機 |
JP2004156918A (ja) * | 2002-11-01 | 2004-06-03 | Yamamoto Co Ltd | 穀粒画像読取装置用試料整列器 |
WO2004046645A2 (en) * | 2002-11-21 | 2004-06-03 | Solvision | Fast 3d height measurement method and system |
ATE327503T1 (de) * | 2003-04-18 | 2006-06-15 | M M O S P A Sa | Gerät zur optischen überprüfung der qualität der aussenoberfläche von gewölbt geformtem obst und gemüse verschiedenster form und grösse |
US8031910B2 (en) | 2003-09-17 | 2011-10-04 | Syngenta Participations Ag | Method and apparatus for analyzing quality traits of grain or seed |
JP4206127B2 (ja) | 2003-10-31 | 2009-01-07 | キョーラク株式会社 | 車両用衝撃吸収体 |
US7084989B2 (en) * | 2004-04-19 | 2006-08-01 | Sick Ivp Aktiebolag | Measuring apparatus and method in a distribution system |
KR101033070B1 (ko) * | 2006-01-06 | 2011-05-06 | 캐논 가부시끼가이샤 | 현상제 및 화상 형성 방법 |
-
2006
- 2006-03-02 EP EP06110604A patent/EP1830176A1/en not_active Withdrawn
-
2007
- 2007-01-30 WO PCT/EP2007/050901 patent/WO2007099008A1/en active Application Filing
- 2007-01-30 AU AU2007220647A patent/AU2007220647B2/en not_active Ceased
- 2007-01-30 JP JP2008556737A patent/JP2009536315A/ja active Pending
- 2007-01-30 KR KR1020087022724A patent/KR20080104000A/ko not_active Application Discontinuation
- 2007-01-30 CA CA2640639A patent/CA2640639C/en not_active Expired - Fee Related
- 2007-01-30 CN CNA2007800074338A patent/CN101395466A/zh active Pending
- 2007-01-30 US US12/224,091 patent/US7830530B2/en not_active Expired - Fee Related
- 2007-01-30 EP EP07726261A patent/EP1989534A1/en not_active Withdrawn
- 2007-01-30 CN CN201210282330.5A patent/CN102818539A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389511A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
CN107389511B (zh) * | 2017-06-08 | 2020-09-22 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
CN108993927A (zh) * | 2018-09-10 | 2018-12-14 | 宁夏大学 | 农作物籽粒分离设备及其控制方法 |
CN108993927B (zh) * | 2018-09-10 | 2024-01-19 | 宁夏大学 | 农作物籽粒分离设备及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CA2640639A1 (en) | 2007-09-07 |
US7830530B2 (en) | 2010-11-09 |
WO2007099008A1 (en) | 2007-09-07 |
AU2007220647B2 (en) | 2012-07-19 |
EP1830176A1 (en) | 2007-09-05 |
CA2640639C (en) | 2012-10-23 |
AU2007220647A1 (en) | 2007-09-07 |
US20090021751A1 (en) | 2009-01-22 |
JP2009536315A (ja) | 2009-10-08 |
CN101395466A (zh) | 2009-03-25 |
KR20080104000A (ko) | 2008-11-28 |
EP1989534A1 (en) | 2008-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102818539A (zh) | 用于光学测量谷物和类似农作物的粒子的设备和方法 | |
US11673166B2 (en) | Seed imaging | |
JP5183197B2 (ja) | 分配システムにおける測定装置および方法 | |
US9897560B2 (en) | Screening of electronic components for detection of counterfeit articles using automated inspection system | |
CA3057544C (en) | Seed sorting | |
AU2018334373B2 (en) | Method for sorting | |
US20210129188A1 (en) | Seed sorting | |
CN106489061A (zh) | 部件的制造方法和使用它的制造装置、体积测定方法 | |
AU2016200096A1 (en) | Method and device for characterising physical properties of granular materials | |
CN109701890A (zh) | 磁瓦表面缺陷检测与分拣方法 | |
CN117647188A (zh) | 检测物体属性的方法、物块分选系统及相关产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121212 |