CN103464385A - 光学式粒状物选别机 - Google Patents

光学式粒状物选别机 Download PDF

Info

Publication number
CN103464385A
CN103464385A CN2013104159879A CN201310415987A CN103464385A CN 103464385 A CN103464385 A CN 103464385A CN 2013104159879 A CN2013104159879 A CN 2013104159879A CN 201310415987 A CN201310415987 A CN 201310415987A CN 103464385 A CN103464385 A CN 103464385A
Authority
CN
China
Prior art keywords
shot
particle
defective products
unit
defective
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.)
Granted
Application number
CN2013104159879A
Other languages
English (en)
Other versions
CN103464385B (zh
Inventor
贺为群
邵雨
谈菊红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Satake Manufacturing Suzhou Co Ltd
Original Assignee
Satake Manufacturing Suzhou Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Satake Manufacturing Suzhou Co Ltd filed Critical Satake Manufacturing Suzhou Co Ltd
Priority to CN201310415987.9A priority Critical patent/CN103464385B/zh
Publication of CN103464385A publication Critical patent/CN103464385A/zh
Application granted granted Critical
Publication of CN103464385B publication Critical patent/CN103464385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种光学式粒状物选别机,包括:至少用以将良品、不良品以及含有异物的粒状物在连续流动的同时进行移送的移送单元;至少用以在前述良品、不良品以及含有异物的粒状物连续流动和移送的同时对其进行检查的粒状物检查单元;至少依据所述粒状物检查单元的检查结果,按照检查粒状物的各个颜色信息来对是否作为分离对象物进行判別的判別单元;以及至少用以根据所述判別单元的判别信息,将判別的分离对象物在连续流动的同时进行排除的排除单元。本发明有效利用与人类的视力相近的RGB的三次元色空间信息,进行阈值的设定,在调整敏感度时,无需操作者的判断和技术。

Description

光学式粒状物选别机
技术领域
本发明是针对米、麦等谷粒或树脂颗粒等的粒状物,进行良品与不良品的选别时,通过喷风的方法将粒状物内混入的异物吹跑并除去的一种光学式粒状物选别机。
背景技术
一直以来,光学式粒状物选别机是在选别作业开始之前,事先由操作者将光学检出手段中设定的标准的阈值,进行上升方向或者下降方向的任何变化操作时,(什么样的异物(玻璃,石块等)会被作为从被选别物的选别·除去的对象,或者什么样颜色的颗粒(不良粒,缺陷米,秕米等)会被作为从被选别物的选别·除去的对象等的调整为目的的。),通过这样的调整作业,可以设定最佳的敏感度,将异物以及着色粒等不良品完全除去。也就是说,敏感度太低时,不能完全对良品与不良品作出选别,除去手段不能很好的完成,在良品中会有不良品的混入。相反,敏感度太高时,排除手段过剩,造成在对不良品进行选别的同时,也会将良品错误地选别掉,导致产生良品率太差等问题。
但是,如上所述,在进行选别作业之前,操作者对敏感度水准的调整是非常繁琐的,还有,也会存在由于敏感度水准的频繁调整,而导致选别精度不稳定等问题。于是,为了解决这样的问题,根据CCD感应器等的摄像手段,将拍摄到的粒状物的画面显示在操作面板上,在观察该显示画面的同时,操作者可以选择可以进行敏感度调整的色彩选别机(参照专利文献1)。
这种设备具备有可以对粒状物在连续移送过程中的移送手段;移送的粒状物在检出位置的照明手段;在照明的被检出粒状物的位置进行拍摄,通过拍摄手段的画面信号以及根据与外形阈值的比较,将得到的粒状物的轮廓形状作为外形二值数据而进行输出的外形处理手段;如果出现超过所定浓度对应的阈值的部分粒状物时,可以判断其为不良粒状物,该不良粒状物的不良部分则作为不良像素二值数据,进行输出的不良判定手段;将从外形处理手段的来的外形二值数据以及从不良判定手段的来的不良像素二值数据进行合成,并显示的粒状物的显示手段;将从不良判定手段上得到的不良像素二值数据进行显示的不良物显示手段;在观察阈值的各个显示手段的同时,进行变更的阈值调整手段等;其特征是具有以上等功能。
据此,操作者根据敏感度的设定,按照显示的判定为不良的不良粒状物的显示手段,在进行确认后,可以进行敏感度的调整,因此具有可以更加准确的调整敏感度的作用。
但是,根据上述专利文献1记载的色彩选别机,粒状物的画面可以在操作面板上显示出来,操作者在观察其显示的同时,虽然可以进行敏感度的调整,但是以什么样的程度来选别和除去异物,或者以什么样的程度来作为着色粒的选别·除去对象等,则出现需要操作者具备一定的判断和技术等知识的问题。
先行技术文献:
专利文献1特开2005-74412号公报。
发明内容
鉴于现有技术的前述问题,本发明提供了一种光学式粒状物选别机,其可以有效利用与人类视力近似的RGB的三次元色空间信息,来进行阈值的设定,从而在调整敏感度时,无需操作者判断或者指示技术。
为了解决上述课题,本发明提供的技术方案包括:
与现有技术相比,本发明至少具有如下技术效果:藉由前述设计,按照判別手段,在三次元色分布数据作成部,将粒状物的R,G以及B的光的各个波长成分显示在三次元色空间上,并将粒状物样品的三次元色分布全体默认为1个群领域。接下来,在马氏距离境界面作成部,在三次元色分布全体上,通过马氏距离,设定算出的境界面,由于粒状物样品较多,所以分割为包含很多良品的第一良品群领域,和包含很多不良品,以及异物的第一不良品群领域的大概2个群。还有,在欧几里得(亦可命名为“欧几里德”)距离境界面作成部,求得新形成的第一良品群领域以及新形成的第一不良品群领域的各重心位置的同时,分割成为含有很多良品的第二良品群领域与包含很多不良品以及异物的第二不良品群领域等2个领域,与前述有所不同。还有,在二次元数据变换部,求得前面所述的马氏距离的境界面与前面所述的欧几里得距离的境界面的交汇点,在该交汇点上,为了视觉观察方便,将前面所述的三次元色分布数据变换成二次元色分布数据。最后,在阈值设定部,在前面所述的二次元色分布数据的不良品群领域上,形成惯性等价椭圆,作成闭领域,在该闭领域内上设定阈值。也就是说,在三次元色空间上显示的粒状物样品,通过马氏距离境界面,大概可以分离为第一良品群领域与第一不良品群领域,接下来,通过欧几里得距离境界面,探索敏感度有效范围较广的境界面,分离成为第二群领域与第二群领域。还有,通过二次元数据变换部,变换为二次元色分布数据后,通过阈值设定部,在不良品群领域上形成慣性等价椭圆,制作成闭领域,在该领域内,可以设定阈值。也就是,可以有效地利用与人类的视觉非常近似的RGB的三次元色空间信息进行敏感度设定,为我们提供一种可以将信号处理大幅度简略化的光学式粒状物选别机。并且,在调整敏感度时,在不良品群领域上,形成惯性等价椭圆,制作成闭领域,由于在该领域内可以设定阈值,所以无需操作者的判断和相关技术,可自动进行阈值的设定,操作更加容易,而且,极大地提高了便利性。
附图说明
图1是本发明的光学式粒状物选别机的全体示意斜视图。
图2是同选别机的内部构造的概略纵向截面图。
图3是将从同选别机的监视器上得到的信号进行处理的信号处理手段的方块图。
图4是针对图3的信号处理部与CPU以及存储器进行概念性说明的方块图。
图5是表示信号处理部的作业步骤的流程图。
图6是详细显示阈值算出工程的流程图。
图7是良品样品以及不良品样品在三次元色空间上的RGB相关图。
图8是良品样品以及不良品样品在最佳的二次元显示面上的RGB相关图。
图9是最佳的二次元显示面在不良品群中形成惯性等价椭圆时的示意图。
图10是惯性等价椭圆上适用于外接矩形时的示意图
图11是惯性等价椭圆的外接矩形的长轴方向两端点与良品群的重心相连接的2条直线作成时的示意图。
图12是形成的惯性等价椭圆的闭锁域时的6个平面作成时的示意图。
图13是针对平面的作图上的例外进行说明的示意图。
图14是针对作成的惯性等价椭圆的6个平面的阈值进行算出时,最小,中间以及最大的3个敏感度水准所对应的示意图。
附图标记说明:1-光学式粒状物选别机、2-机架、3A-一次选别部、3B-二次选别部、4-滑板、5-储存罐、6-振动喂料、7-光学检出部、8-喷射器、9-良品回收桶、10-不良品回收桶、11-辅助不良品回收桶、12-箱体、13-CCD监视器、14-NIR监视器、15-可视光源、16-近红外光源、17-背景、18-窗构件、19-辅助罐、20-空气管、21-电磁阀、22-管件、23-气泵、24-前门、25-液晶显示屏、26-电源开关、27-不良品接料口、28-良品接料口、29-辅助不良品接料口、30-样品取出部、31-信号处理部、32-CPU以及存储器部、33-画面数据取得部件、34-阈值数据保存存储器、35-2值化计算部件、36-良品/不良品判別部件、37-画面数据保存存储器、38-阈值数据计算部件、39-操作信号信号接收部件、40-喷射驱动回路。
具体实施方式
针对现有技术的不足,本发明提供了一种光学式粒状物选别机,其至少具有以下功能:针对含有良品,不良品以及异物的粒状物,在连续移送时的移送手段;根据该移送手段,检查已经移送的前面所述的粒状物的检查手段;根据该检查手段,按照已经过检查的粒状物的各个色彩信息,来判断是否作为分离对象物的判别手段;根据该判别手段,将已经判别的分离对象物在连续移送过程中进行排除的排除手段等。
前面所述的检查手段,不仅具有将前面所述的粒状物通过光照明的照明部;前面所述的可透过粒状物的光或者前面所述的检测从粒状物进行反射的光的光检测部;而且,前面所述的判别手段,还具有可以将通过前面所述的光检测部进行检测的前面所述的粒状物的R,G以及B的光的各个波长显示在三次元色空间上,将粒状物样品制作成三次元色分布数据的三次元色分布数据作成部等部件。
通过该三次元色分布数据作成部:将根据马氏距离将制作的三次元色分布数据,设定算出的境界面,将含有很多良品的第一良品群领域,以及含有很多不良品以及异物的第一不良品群领域进行分割的马氏距离境界面作成部。
通过该马氏距离境界面作成部:在求得形成的第一良品群领域以及第一不良品群领域的各重心位置的同时,设定根据该各重心位置之间距离的最佳分离的距离的欧几里得距离算出的境界面,以及将第二良品群领域,第二不良品群领域进行分割的欧几里得距离境界面作成部。
求得根据前面所述的马氏距离算出的境界面与根据前面所述的欧几里得距离算出的境界面的交汇点,在该交汇点上,为了视觉观察方面,将前面所述的三次元色分布数据变换成二次元色分布数据的变换二次元数据变换部。
通过前面所述的二次元数据变换部,在该变换的二次元色分布数据上的不良品群领域,形成惯性等价椭圆,在该惯性等价椭圆的短轴上,可以作成平行地通过长轴的两个端点的2条直线以及根据平行的长轴,平行地通过短轴的两个端点的2条直线的外接矩形,并作成前面所述的良品群侧的重心与前面所述的外接矩形的长轴方向的两端点连接的2条直线,进而形成闭领域,在该闭领域内,还可以进行阈值的设定的阈值设定部,等等具备以上技术手段。
为了实施本发明,现在参照形态图纸进行说明。图1为本发明的光学式粒状物选别机的全体示意斜视图,图2为显示同选别机的内部构造的概略纵向截面图,图3为将从同选别机的监视器上得到的信号进行处理的信号处理手段的方块图,图4为针对图3的信号处理部与CPU以及存储器进行概念性说明的方块图。
如图1所示,光学式粒状物选别机1是在台形机架2内,将多个一次选别部3A(图1的左端开始到第3个结束的选别部)与多个二次选别部3B(图1的右端开始到第2个结束的选别部)并列设置,在不同的选别部3A,3B上,设置与原来的技术相同的构成部件。还有,根据本实施形态,也就是说由多个一次选别部3A与多个二次选别部3B并列设置而构成的,但并不限于此,也可以将多个一次选别部,单一的二次选别部,与单一的三次选别部并列设置,等等,可以设置各种各样的组合。
接下来,参照图2对前面所述的一次选别部3A的各构成部品进行说明。一次选别部3A内,包含:与水平位置成大约60度角度的倾斜配置的作为移送手段的滑板4;为了储存谷粒等粒状物的储存罐5;将储存罐5内的粒状物移送到滑板4的振动喂料器6;在滑板4下端落下的粒状物的落下轨迹的上下部对夹处设置的光学检出部7;还有,在下方设置的喷射器8;在该喷射器8下方,与前面所述的滑板4同一倾斜线上,不阻挡喷射器8出来的风,而是直接吹到落下轨迹的粒状物上的良品回收桶9;与该良品回收桶9并列设置,接受喷射器8的风,从正常的粒状物中回收不良粒的不良品回收桶10;以及喷射器8的风(底部),触碰到周围的构件,从回收反跳跳回的不良粒的辅助不良品回收桶11等。
在前面所述的一次选别部3A上,通过前面所述的滑板4的形状,很容易使移送过程中的粒状物在没有沟槽部的平板形状上形成幅度较宽的带状。而且,为了防止滑板4上的粒状物的溢流,同时也为了防止选别对象的粒状物通过滑板4在滑走过程中从底面浮起,可以在从底面抬高一定的间隔的位置上,设置滑板护罩4A亦可。
振动喂料6是在支持部6B上设置有喂料管6A,通过电磁阀驱动,判断6C等的振动构件的作动,将粒状物供给到滑板4的一种构成部件。
光学检出部7A,7B是由各个箱体12A,12B围绕而形成的。在谷粒的落下轨迹的前侧的箱体12A上,有可视光用的CCD监视器13A;近红外光用的NIR监视器14;荧光灯等的可视光源15A,15B;卤素等等的近红外光源16A。光学检出部7B的对向用背景17A等都是内置型安装的。一方面,在谷粒的落下轨迹的后侧的箱体12B上,有可视光用的CCD监视器13B;荧光灯等的可视光源15C,15D;卤素灯等的近红外光源16B。光学检出部7A的对面使用的背景17B,17C等都是内置型安装的。并且,在箱体12A,12B的谷粒的落下轨迹侧,嵌入安装有透明玻璃作的窗构件18A,18B。
在前面所述的喷射器8上,通过图外的空气压缩机,进来的空气通过辅助罐19,空气管20,电磁阀21,由22处进行供给。前面所述的辅助罐19是一旦有从空气压缩机上来的空气有储蓄的话,通过设置该辅助罐19,即使喷射器8的消耗的空气量较多,则可以避免空气不足。
在机架2的前方的倾斜壁上,通过气泵23,设置可以在上下方向进行移动的前面门24,据此,不仅清扫等维护保养作业较为容易,而且在该前面门24的下方,还设置有触摸面板兼操作盘以及监视器受用的液晶显示屏25以及电源开关26,通过这些装置,在与操作者目视的平行的高度位置,通过配置液晶显示屏25以及电源开关26,可以使机械操作变得更加容易。
接下来,针对二次选别部3B的构成进行说明。与前面所述的一次选别部3A不同的是,以滑板4的形状为例,二次选别部3B用的滑板4由是将谷粒在分割成多个列状的状态下进行移送的多个沟槽部形成的。该沟槽部的界面形状呈U字形、V字形、凹字形等,可以根据情况适当地采用(各个图示省略。)。其余的构造基本与前面所述的一次选别部3A相同。图2的符号27是指不良品接料口,符号28是指良品接料口,符号29是指辅助不良品接料口,符号30是指样品取出部。
还有,参照图3以及图4对信号处理手段的构成进行说明。前面所述的可视光用的CCD监视器13A,13B以及NIR监视器14是指,为了将通过监视器取得的画面进行2值化处理,在信号处理部31上进行电气连接的同时,保存从该信号处理部31上得到的2值化处理画面,由于可能会进行某些必要的处理,故将CPU以及存储器部32进行电气连接。并且,在CPU以及存储器部32,是与前面所述的液晶显示屏25进行电气连接着的。
如果参照图4的话,前面所述的信号处理部31由:可以将画面数据进行短时间保存的画面数据取得部件33;根据取得的画面数据,保存所判断的对象是良品或者不良品的阈值数据的阈值数据保存存储器34;为了将取得的画面数据进行2值化处理的2值化计算部件35;以及判断是良品或者不良品的良品/不良品判別部件36等构成。另一方面,前面所述的CPU以及存储器部32由:针对从前面所述的画面数据取得部件33上取得的数据进行必要保存的画面数据保存存储器37;根据该画面数据保存存储器37上保存的画面数据,通过本发明的相关部件进行相应的处理,并计算阈值的阈值数据计算部件38;接收前面所述的液晶显示屏25的触摸面板操作的信号,并在监视器上输出处理后的画面数据的操作信号信号接收部件39等部件构成。
在前面所述的信号处理部31内的良品/不良品判別部件36里,与喷射驱动回路40进行电气连接,在该喷射驱动回路40中,与以该驱动回路40的信号为依据的前面所述的喷射器8和喷射空气的喷射电磁阀21进行电气连接。
针对上述构成的光学式粒状物选别机的作用进行详细说明。
图5是表示信号处理部的作业步骤的流程图。在该图5中,从踏板101到103,操作者将预先准备好的良品、不良品以及异物的各个样品送入滑板后,良品、不良品以及异物相关的各三次元色分布模式通过选别机的学习,形成的良品模式/不良品模式学习工程。从踏板104到108,是指将前面所述的良品模式与不良品模式的境界的阈值,进行自动算出的阈值算出工程。踏板109是指将通过前面所述的阈值算出工程算出的阈值,进行自动调整的阈值決定工程。该阈值決定工程为本发明的重要构成。
(良品模式/不良品模式学习工程)
在该模式学习工程中,由于只是选别前的准备作业,所以喷射器8不动作。作业开始时,首先,通过踏板101,在将良品样品从储存罐5移送到滑板4上的同时,从滑板4下端落下的良品样品将会通过CCD监视器13A、13B、NIR监视器14进行摄像。接下来,通过监视器13A、13B、14拍摄到的良品样品的画面数据,会通过画面数据取得部件33,输入到画面数据保存存储器37里,该画面会在液晶显示屏25的监视器上显示。良品样品的画面数据取得终止时,关于接下来熟练地操作者事先选别和准备的不良品样品(包含异物样品),进行与上述相同的作业,可取得不良品样品(包含异物样品)的画面数据。
接下来,在踏板102运行时,关于液晶显示屏25上显示的样品,通过操作者的目视,可以大概在画面上指定良品、不良品、异物。其次,踏板103运行时,在默认被指定的良品样品画面,在1个领域的同时,不良品样品画面也被默认在1个领域,这个将会在三次元色空间(通过实施案例,为R,G,B各轴的色空间)上显示出来。据此,通过图7显示的RGB色空间上的集合体将会逐次形成。
(阈值算出工程)
在踏板104运行时,通过良品的相关点图(图7的黑色的点)形成的的群(集合体)与通过不良品的相关点图(图7的灰色的点)形成的群(集合体)可以被大致进行分类(图7参照)。通过踏板105,可以算出良品群/不良品群的每一个群的多变量数据的统计量。
该统计量的算出,通过重心矢量或者分散共分散行列的演算进行算出也可。例如,重心矢量的演算式为,
χ ‾ = ( χ 1 ‾ , χ 2 ‾ , · · · , χ n ‾ )
χ i ‾ = 1 S σ k = 1 S χ ik · · · ( 1 )
S:样品数
通过上述(1)的公式来表示。还有,分散共分散行列的演算公式为,
C ij = 1 S σ K = 1 S ( χ ik - χ i ‾ ) ( χ jk - χ j ‾ ) · · · ( 2 )
通过上述(2)的公式来表示。还有,通过良品/不良品的群的重心矢量求得马氏平方距离。在此,马氏平方距离是指多变量数据的值的函数,马氏平方距离的演算公式为,
D m 2 = ( α - α m ‾ ) t A - 1 ( α - α m ‾ ) · · · ( 3 )
m:分类指数
A:分散共分散行列
αm:分类m的重心矢量
通过上述公式(3)来表示。接下来,求得各群之间的境界面(踏板106)。在界定该境界面时,马氏平方距离将在最小的群里分类成多变量数据值,通过多变量空间内的所有的多变量数据的值,可以决定其属性群。而且,也决定通过图7的符号M来表示的境界面。
接下来,选择将良品群与不良品群的重心间距离进行最佳分割的欧几里得距离,探索阈值有效范围较广的境界面(踏板107)。此时,良品群的重心矢量为P(Xp1,XP2,Xp3,…Xpn),不良品群的重心矢量为Q(Xq1,Xq2,Xq3,…Xqn)时,这里的欧几里得平方距离为,
d 2 = σ i = 1 n ( X p 1 - X q 1 ) 2 · · · ( 4 )
根据上述公式(4)的表示。接下来可以求得各个群间的境界面(踏板107)。决定该境界面时,在欧几里得平方距离最大的群里,将多变量数据的值进行分类,决定通过图7的符号u来表示的境界面。
并且,上述马氏距离最小的境界面的平面M的方程式,通过下述公式(5)来表示,上述欧几里得距离的最大的境界面的平面U的方程式,通过下述公式(6)式来表示。
m:a1x+b1y+c1z=d1…(5)
u:a2x+b2y+c2z=d1…(6)
如图7所示,得到了具有2个特征的平面M与平面u。并且,旋转图7的相关图面,出现了2个平面M与平面u的交差,在可以看见的线段位置上,将视线方向(视线矢量)调整一致(图5的踏板108)。据此,就可以求得从三次元色空间到二次元色空间的次元減少的最佳阈值,信号处理被大幅度地简略化,并且,可以为操作者提供一种使用方便的光学式粒状物选别机。
在求得上述公式(5)的平面M与上述公式(6)的平面u的交差线段L(参照图7)时,
P=A+te    …(7)
A:通过交线L的点
e:交线的方向矢量
t:媒介变数
通过公式(7),可以求得。并且,通过2个平面M、平面U的法向矢量的向量积计算,求得交汇点的方向矢量e时,
e=[b1c2-c1b2c1a2-a1c2a1b2-b1a2]…(8)
Xe=b1c2-c1b2
Ye=c1a2-a1c2
Ze=a1b2-b1a2
为公式(8)。而且,交汇点L通过点P,
Ze≠0时、
((d1b2-d2b1)/Ze,(d1a2-d2a1)/(-Ze),0)
Ye≠0时、
((d1c2-d2c1)/(-Ye),0,(d1a2-d2a1)/Ye)
Xe≠0时、
(0,(d1c2-d2c1)/Xe,(d1b2-d2b1)/(-Xe))
Xe=0,Ye=0,Ze=0时、
无交线(2平面平行)。    …(9)
为公式(9)。求得以上的交汇点L时,以交汇点L上的视点位置为准,可以变换成为最佳的二次元表示面的RGB相关图面(参照图8)。
(阈值算出工程)
接下来,以图8的二次元空间上的交汇点L为基础,自动计算良品和不良品的判別阈值(图5的踏板109)。该踏板109为本发明的重要部件。这里,阈值算出工程的详细情况,将会通过参照图6进行详细说明。
(阈值算出工程的详述)
图6是详细地表示图5的踏板109的阈值算出工程的流程图。参照图6的流程,进行如下说明。
首先,在踏板201上,根据图8的灰色的点来显示的不良品群上,形成有惯性等价椭圆(参照图9)。在这里,惯性等价椭圆可以基本显示出等于不良品群的重心周围的二次元素与等价椭圆的特征量,进而可以抓住不良品群的广泛特征。实际上,不良品领域比不良品群的分布要大得多,作为以长轴的长度作为标准偏差的倍数(正整数倍),短轴的长度作为标准偏差的倍数(正整数倍),可以做成等价椭圆。这些都是经验值,是根据原料的种类而发生变化的,所以可以自由地进行变更。并且,在踏板202上,求得惯性等价椭圆的重心G以及长轴V方向的倾斜角θ,接下来,在踏板203上,可以算出长轴V的距离和短轴W的距离。
在踏板204上,在前面所述的惯性等价椭圆里,与短轴平行,通过长轴的两端点画2条直线,与长轴平行,通过短轴的两端点画2条直线。也就是说,通过4条直线,可以作成前面所述的惯性等价椭圆的外接矩形(参照图10)。该外接矩形作为自动敏感度作成时的临时标准。
接下来,在踏板205上,算出良品群侧的重心。这样,可以求得所有的良品数据的单纯平均(参照图10)。
而且,为了求得良品群与不良品群的关系,进行如下的处理。也就是说,通过踏板206、踏板205求得的良品群侧的重心,与根据踏板204求得的不良品群侧的外接矩形的长轴方向的两端点连接,可以作成2条直线(参照图11。符号(2)以及(3)的直线)。
通过以上,围绕在不良品群中形成的惯性椭圆,作成形成闭锁域的6个平面。也就是说,如图12所示,作为围绕惯性等价椭圆的6个平面,第1平面是指将马氏距离最小化的境界面(1),第2平面是指将良品群侧的重心与不良品群侧的外接矩形的长轴方向的一端相连的平面(2),第3平面是指将良品群侧的重心与不良品群侧的外接矩形的长轴方向的他端相连的平面(3),第4平面是指外接矩形的一侧的长边(4),第5平面是指外接矩形的另一侧的长边(5),以及第6平面是指距离良品群最远的外接矩形的一侧短边(6)(参照图12,符号(1)乃至(6)的直线)。
另外,形成的上述闭锁域的6个平面(符号(1)乃至符号(6)),可以通过作成的外接矩形等的作图求得。且不限于此,通过上述作图,可以通过单纯的配列的参数处理,将作成的复杂的计算处理进行置换,从而提高效率,并且可以再次转换成指令(Lookup table,LUT),记忆在存储器里。
还有,作为上述段落0055的平面作图上的例外,如果各群的重心之间的直线与境界面(1)形成的角度γ(参照图13),以及长轴与境界面(1)形成的角度ω(参照图13)都大于45°时,则前面所述的第4的平面以及第5的平面变为短边侧,同时,前面所述的第6的平面变为长边侧了。
接下来,一直到图6的踏板108,都可以调整敏感度。作为敏感度的水准,其范围显示在0~100的数值之间。也就是说,敏感度水准为0时,为最小敏感度(MIN),无法判别良品与不良品。在进行选别时,表现为良品中混入了不良品,敏感度较为迟钝。敏感度水准为50时,为中敏感度(MID),可以精度较高地判别良品与不良品。敏感度水准为100时,为最大敏感度(MAX),虽然可以非常精确地判别良品与不良品,但是判别不良品或良品的选别良品率较差。
如图14所示,计算前述的惯性等价椭圆的6个平面作成的阈值时,上述最小敏感度(MIN)、中敏感度(MID)以及最大敏感度(MAX)的3个敏感度水准的对应关系如下。
最小敏感度(MIN)为第6个平面(6)
中敏感度(MID)为第1个平面(1)
最大敏感度(MAX)为将第2个平面(2)与第3个平面(3)的夹角二等分的直线与垂直直线所形成的第7个平面(7)
等等各种模式都相同的。
而且,通过上述第1个平面、第6个平面以及第7个平面作成的3个阈值,其最小敏感度(MIN)、中敏感度(MID)以及最大敏感度(MAX)的3个敏感度水准的相互对应的值,可以通过按下配置在液晶显示屏25上的敏感度作成按钮25A来自动作成。还有,为了将图7的三次元色空间到图8的二次元色空间的次元減少,算出阈值,信号处理可以被大幅地简略化。
(选别作業)
上述阈值的设定作业完成后,进行原料的指定(谷粒或者粒状物、以及谷粒的品种等)、流量(目标流量的设定)的调整等。之后,向储存罐5内供给原料,然后选择触摸面板上的操作盘的选别开关。据此,选别作业的开始程序开始运行,读取通过图4的阈值保存存储器34上的如上所述的判定了设定后的良品和不良品的阈值。再次,通过信号处理部31,可以以阈值为基准,判定良品或者不良品。
在该状态下,起动振动喂料6时,向储存罐5供给的原料就会通过滑板4上进行供给,从该滑板4下端落下的原料,则会通过光学检出部7A、7B进行检出。
一方面,如果显示的是阈值数据保存存储器34上保存的现在的阈值的模式的话,则说明图14的第6个平面(6)、第1个平面(1)以及第7个平面(7),都已经将上述敏感度水准设定好了。例如,以图14上的第1个平面(1)为例,平面(1)的上方为良品领域,平面(1)的下方为不良品领域。
在图14中,假设粒状物A进入良品领域的话,图4的良品/不良品判別部件36则作出「粒状物A为良品」的判定,从喷射驱动回路41不发射除去信号,而是作为良品,回收到良品接料口9(参照图2)中。另一方面,假设粒状物B进入不良品领域的话,图4的良品/不良品判别部件36则作出「粒状物B为不良品」的判定,从喷射驱动回路41将除去信号发送到电磁阀21,通过喷射器8的高压空气的喷风,从下落过程中的原料中除去,回收到不良品接料口27(参照图2)中。
另外,在图7以及图8上,是将良品群默认为不良品群的。但是相反,也可以设定为将不良品群默认为良品群的。通常,不良品与良品相比,针对原料的占有比例是非常小的,通过喷射器8的高压空气的喷射,可以进行选别·除去。但是,良品与不良品相比,针对原料的占有比例是非常少的时候,良品的粒状物会被认为是不良品,而被喷射器8的高压空气的喷风进行选别·除去的选别效率较好。这是所谓的被称为「逆打」。原来是组装在色彩选别机内的控制部件,考虑到在原料粒状物中的不良粒混入率等,操作者也可以自行进行适当的设定。在图7以及图8上,可以将良品群默认为不良品群,也可以将不良品群默认为良品群,仅需在阈值数据保存存储器34中,将数据进行切换,就可以很容易地进行设定。作业者设定了「逆打」时,良品则会接收喷射器8的高压空气的喷风,回收到不良品接料口27里,同时,不良品不接收喷射器8的高压空气的喷风,原样被回收到良品接料口9里。
正如以上说明,在本发明中,是具备有将含有良品,不良品以及异物的粒状物进行连续性移送的移送手段;通过该移送手段,对移送的前面所述的粒状物进行检查的检查手段;通过该检查手段,对检查的粒状物的各个颜色信息进行判别是否作为分离对象物的判別手段;通过该判別手段,对判別的分离对象物从连续移送的过程中进行排除的排除手段等,具有以上功能的光学式粒状物选别机。前面所述的检查手段,具有包含前面所述的粒状物的光照明的照明部;检测透过前面所述的粒状物的光或者从前面所述的粒状物反射的光的光检测部,前面所述的判別手段还具有通过前面所述的光检测部;将检测的前面所述的粒状物的R,G以及B的光的各个波长成分显示在三次元色空间上,作成粒状物样品的三次元色分布数据的三次元色分布数据作成部;通过该三次元色分布数据作成部,在作成的三次元色分布数据上,根据马氏距离,设定算出的境界面,将包含很多良品的第一良品群领域与包含有很多不良品以及异物的第一不良品群领域进行分割的马氏距离境界面作成部;通过该马氏距离境界面作成部,在求得形成的第一良品群领域以及第一不良品群领域的各重心位置的同时,该各个重心位置之间的距离,可以根据最佳分割的欧几里得距离算出,并进行境界面的设定,将第二良品群领域与第二不良品群领域进行分割的欧几里得距离境界面作成部;求得根据前面所述的马氏距离算出的境界面与前面所述的欧几里得距离算出的境界面的交汇点,在该交汇点上,为了视线观察方便,将前面所述的三次元色分布数据变换成二次元色分布数据的二次元数据变换部;在通过该二次元数据变换部变换的二次元色分布数据上的不良品群领域上,形成有惯性等价椭圆,作成闭领域,在该闭领域内设定阈值的阈值设定部等具有上述该功能。因此,三次元色空间上显示的粒状物样品通过马氏距离境界面,大致分离为良品群领域与不良品群领域。接下来,通过欧几里得距离境界面,探索敏感度有效范围较广的境界面。再次,通过阈值决定部,可以算出在二次元色空间上的阈值,操作者可以有效地利用与人类的视觉非常近似的RGB的三次元色空间信息,很容易地进行敏感度设定,信号处理也可以被大幅度地简略化。另外,在敏感度调整时,在不良品群领域里形成惯性等价椭圆,作成闭领域,为了设定该领域内的阈值,不需要操作者的判断或技术等,可自动设定阈值,操作更加容易,而且,极大地提高了便利性。
另外,本发明的色彩选别机,并不仅限于上述形态的实施,而是可以应对各种各样的设计变更。例如,作为移送手段可以采用滑板式,该滑板可以是上下2段、上下3段多个段数构成。或者作为移送手段,可使用传送带等的构成亦可。还有,作为对分离对象物在连续流动的状态下的排除手段,可以采用高压空气进行喷射的高速空气式喷射器,该高速喷射器也可以使用气泵等的套管式喷射器手段,对分离对象物在连续流动过程中进行排除。
如以上内容所述,本发明可以有效地利用与人类的视觉非常近似的RGB的三次元色空间信息,进行敏感度设定,而且,为我们提供一种可以将信号处理大幅度简略化的新规且有用的光学式粒状物选别机。
本发明针对从米、小麦类、豆类、坚果类等的谷粒、颗粒·串珠等的樹脂片、医药品、矿石类、白沙等细小物品、其他粒状物等的原料中,进行良品与不良品的选别,排除原料中混入的异物等,可适用于本光学式粒状物选别机。

Claims (9)

1.一种光学式粒状物选别机,其特征在于,包括:
至少用以将良品、不良品以及含有异物的粒状物在连续流动的同时进行移送的移送单元;
至少用以在前述良品、不良品以及含有异物的粒状物连续流动和移送的同时对其进行检查的粒状物检查单元;
至少依据所述粒状物检查单元的检查结果,按照检查粒状物的各个颜色信息来对是否作为分离对象物进行判別的判別单元;以及
至少用以根据所述判別单元的判别信息,将判別的分离对象物在连续流动的同时进行排除的排除单元。
2.根据权利要求1所述的光学式粒状物选别机,其特征在于,所述检查单元包括:
至少用以提供光对所述粒状物照明的照明部;
至少用以检测透过所述粒状物的光或者从所述粒状物反射的光的光检测部。
3.根据权利要求2所述的光学式粒状物选别机,其特征在于,所述判別单元包括:
至少用以根据所述光检测部,将检测的所述粒状物的R,G以及B的光的各个波长显示在三次元色空间上,作成粒状物样品的三次元色分布数据的三次元色分布数据作成部;以及,
在根据该三次元色分布数据作成部作成的三次元色分布数据上,可以设定通过马氏距离算出的境界面,对包含很多良品的第一良品群领域和包含很多不良品以及异物的第一不良品群领域进行分割的马氏距离境界面作成部;
在求得通过该马氏距离境界面作成部形成的第一良品群领域以及第一不良品群领域的各重心位置的同时,设定通过该各重心位置之间的最佳距离的欧几里得距离算出的境界面,作成第二良品群领域与第二不良品群领域的分割的欧几里得距离境界面作成部;
求出根据所述马氏距离计算出的境界面与根据所述欧几里得距离计算出的境界面的交汇点,在该交汇点上,为了视觉效果,将所述三次元色分布数据变换成二次元色分布数据的二次元数据变换部;
其中,通过所述二次元数据变换部,在变换的二次元色分布数据上的不良品群领域里形成的惯性等价椭圆,与该惯性等价椭圆的短轴平行,通过长轴的两端点的2条直线以及与长轴平行,通过短轴的两端点的2条直线作成外接矩形,将所述良品群侧的重心与前面所述的外接矩形的长轴方向的两端点连接,作成2条直线,形成闭领域,在该闭领域内还分别用以设定阈值的阈值设定部。
4.一种光学式粒状物选别机,包括机架,其特征在于,它还包括安装在机架内的一个以上一次选别部和/或一个以上二次选别部;
其中,所述一次选别部包含:与水平位置成设定夹角的倾斜配置的作为移送手段的滑板,
为了储存粒状物的储存罐;
将储存罐内的粒状物移送到滑板的振动喂料器;
在滑板下端落下的粒状物的落下轨迹的上下部对夹处设置的光学检出部;
在光学检出部下方设置的喷射器;
在该喷射器下方,与所述滑板同一倾斜线上,不阻挡喷射器出来的风,而是直接吹到落下轨迹的粒状物上的良品回收桶;
与该良品回收桶并列设置,接受喷射器的风,从正常的粒状物中回收不良粒的不良品回收桶;
以及用以回收因喷射器的风而触碰到周围构件,从而反跳跳回的不良粒的辅助不良品回收桶。
5.根据权利要求4所述的光学式粒状物选别机,其特征在于,所述一次选别部还包括:用以防止滑板上的粒状物的溢流及选别对象的粒状物通过滑板在滑走过程中从底面浮起的滑板护罩,所述滑板护罩设置在从滑板底面抬高设定的间隔的位置上。
6.根据权利要求4所述的光学式粒状物选别机,其特征在于,所述振动喂料器包括在支持部、在支持部上设置的喂料管以及与驱动机构传动连接的振动构件。
7.根据权利要求4所述的光学式粒状物选别机,其特征在于,所述光学检出部主要是由复数个箱体围绕而形成的,其中,在粒状物的落下轨迹的前侧的箱体上,至少设有可视光用的CCD监视器和/或近红外光用的NIR监视器与可视光源和/或近红外光源。
8.根据权利要求4所述的光学式粒状物选别机,其特征在于,其中,在每一箱体对应于粒状物的落下轨迹侧,嵌入安装有透明玻璃作的窗构件。
9.根据权利要求1所述的光学式粒状物选别机,其特征在于,所述二次选别部的滑板主要由将粒状物在分割成多个列状的状态下进行移送的多个沟槽部形成。
CN201310415987.9A 2013-09-13 2013-09-13 光学式粒状物选别机 Active CN103464385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310415987.9A CN103464385B (zh) 2013-09-13 2013-09-13 光学式粒状物选别机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310415987.9A CN103464385B (zh) 2013-09-13 2013-09-13 光学式粒状物选别机

Publications (2)

Publication Number Publication Date
CN103464385A true CN103464385A (zh) 2013-12-25
CN103464385B CN103464385B (zh) 2015-11-25

Family

ID=49789554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310415987.9A Active CN103464385B (zh) 2013-09-13 2013-09-13 光学式粒状物选别机

Country Status (1)

Country Link
CN (1) CN103464385B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103934214A (zh) * 2014-03-19 2014-07-23 中国农业科学院农产品加工研究所 一种小麦籽粒质量自动分级系统和方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005230703A (ja) * 2004-02-19 2005-09-02 Satake Corp 粒状物色彩選別機
CN101125333A (zh) * 2007-09-24 2008-02-20 浙江大学 水果按表面颜色分级的方法
JP2009119410A (ja) * 2007-11-16 2009-06-04 Satake Corp 粒状物等の光学判別装置及び粒状物等の光学式選別装置
KR20090124335A (ko) * 2008-05-29 2009-12-03 한국산업기술대학교산학협력단 과실 색상 선별용 색 인자 결정 방법 및 과실 색상 등급판별 방법
CN202006177U (zh) * 2010-11-26 2011-10-12 佐竹机械(苏州)有限公司 色彩选别机上的取样装置
CN104203436A (zh) * 2012-03-27 2014-12-10 株式会社佐竹 光学式粒状物分选机

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005230703A (ja) * 2004-02-19 2005-09-02 Satake Corp 粒状物色彩選別機
CN101125333A (zh) * 2007-09-24 2008-02-20 浙江大学 水果按表面颜色分级的方法
JP2009119410A (ja) * 2007-11-16 2009-06-04 Satake Corp 粒状物等の光学判別装置及び粒状物等の光学式選別装置
KR20090124335A (ko) * 2008-05-29 2009-12-03 한국산업기술대학교산학협력단 과실 색상 선별용 색 인자 결정 방법 및 과실 색상 등급판별 방법
CN202006177U (zh) * 2010-11-26 2011-10-12 佐竹机械(苏州)有限公司 色彩选别机上的取样装置
CN104203436A (zh) * 2012-03-27 2014-12-10 株式会社佐竹 光学式粒状物分选机

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103934214A (zh) * 2014-03-19 2014-07-23 中国农业科学院农产品加工研究所 一种小麦籽粒质量自动分级系统和方法

Also Published As

Publication number Publication date
CN103464385B (zh) 2015-11-25

Similar Documents

Publication Publication Date Title
TWI618582B (zh) 光學式粒狀物選別機
JP6152845B2 (ja) 光学式粒状物選別機
CN100520377C (zh) 多视觉空瓶检测机器人
CN102072910B (zh) 汽车活塞装配质量视觉检测系统
CN105783730A (zh) 螺钉的检测方法、装置、系统及检测机
Verheyen et al. Vision-based sorting of medium density fibreboard and grade A wood waste
CN203678707U (zh) 光学式粒状物选别机
Sidehabi et al. The Development of Machine Vision System for Sorting Passion Fruit using Multi-Class Support Vector Machine.
CN103464385A (zh) 光学式粒状物选别机
EP3882393A1 (en) Device and method for the analysis of textiles
JP2009119410A (ja) 粒状物等の光学判別装置及び粒状物等の光学式選別装置
CN115004016A (zh) 光学式粒状物判别装置
CN205581025U (zh) 一种精刨竹条视觉分拣分级检测系统
JP7392495B2 (ja) 光学式粒状物判別装置
Liu et al. Intelligent bamboo part sorting system design via machine vision
JP7392494B2 (ja) 光学式粒状物判別装置
Peng et al. An online glass medicine bottle defect inspection method based on machine vision
BR112014024083B1 (pt) Máquina de classificação de tipo de grânulo óptica
Agrawal Automated inspection of defects in glass by proper color space selection and segmentation technique of digital image processing
TWM539104U (zh) 數位化介在物金相圖之多影像特徵判定系統

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant