CN104203436B - 光学式粒状物分选机 - Google Patents

Abstract

本发明提供一种能够利用接近人眼的RGB三维色空间信息来容易地进行灵敏度设定，并且大幅简化信号处理的光学式粒状物分选机。判别单元具备：三维颜色分布数据生成部，其在三维颜色空间上生成粒状物的R、G以及B的光的各波长成份数据；马哈拉诺比斯距离边界面生成部，其设定通过马哈拉诺比斯距离算出的边界面，区分成合格品群集区域和次品群集区域；欧几里德距离边界面生成部，其求出合格品群集区域以及次品群集区域的各重心位置，设定通过欧几里德距离算出的各重心位置间的距离最远的边界面；以及阈值决定部，其求出通过马哈拉诺比斯距离算出的边界面与通过欧几里德距离算出的边界面的交线，决定是否将该交线设成分离对象物的判别阈值。

Description

光学式粒状物分选机

技术领域

本发明涉及一种将米、麦等谷粒或树脂颗粒等粒状物分选成合格品和次品，或通过喷射风将混入在粒状物中的异物吹走来去除的光学式粒状物分选机。

背景技术

当前，以提高粒状物的良或不良的判别精度为目的的光学式判别装置具备：光学检测单元，其具备输送原料的输送单元、向通过该输送单元输送的原料照射多个波长的光的光源部以及拍摄来自所述原料的反射光和/或通过光的拍摄部；以及判别单元，其比较该光学检测单元拍摄到的拍摄数据中的双波长的浓度值与预先决定的所述双波长的浓度值中的阈值区域来判别所述原料(专利文献1)。并且，该光学式判别装置的特征在于，当该判别单元设定所述阈值区域时，通过所述拍摄部拍摄来自通过所述输送单元输送的应当判别的原料样品的反射光和/或通过光，所述判定单元将该拍摄数据中的任意双波长的各浓度值描绘在二维图上，将描绘在该二维图上的全部浓度值的像素作为对象，判定在这些之中的不同的两点的像素作为直径的两点间圆中是否有该两点像素以外的像素，根据该判定，只有在所述两点间圆中无该两点像素以外的像素时，通过连接线连接该两点像素，并将通过这些各连接线的接合描绘的闭合区域设定成所述阈值区域。

根据在专利文献1中公开的光学式判别装置，以不包括判别区域的方式准确地确定通过判别单元设定的阈值区域的外型，因此通过该阈值区域能够判别原料，此外，还具有基于该判别的分选也准确的作用/效果。

然而，在上述专利文献1中公开的光学式判别装置中，为了简化庞大且复杂的信息(成为专利文献1的拍摄部的CCD摄像头能够通过8位256种来识别红色、绿色以及蓝色各颜色，因此作为三维的RGB颜色空间信息，能够确定合计16,777,216种不同颜色)，将通过CCD摄像头所取得的红色、绿色以及蓝色的各颜色的浓度值，在红色(X轴)-绿色(Y轴)、绿色(X轴)-蓝色(Y轴)以及红色(X轴)-蓝色(Y轴)各二维图上绘制(plot)其浓度值，通过三个二维图来掌握三维的RGB颜色空间信息。

通过二维图来掌握这样的三维的RGB颜色空间信息，信号算法非常简单，在处理庞大且复杂的信息时有利。然而，因为是基于二维图的二维平面的信息观察，因此存在灵敏度设定(sensitivitysetting)受限制的问题。此外，不能同时处理全部的RGB颜色空间信息，存在效率低的问题。

现有技术文献

专利文献

专利文献1：日本特开2009-119410号公报

发明内容

发明要解决的课题

鉴于上述问题点，本发明的技术课题是提供一种能够有效利用接近人眼的RGB三维颜色空间信息来容易地进行灵敏度设定，并且大幅简化信号处理的光学式粒状物分选机。

解决课题的方法

为了解决上述课题，本发明的一种光学式粒状物分选机，其具备：输送单元，其以成为连续流动的方式输送包括合格品、次品以及异物的粒状物；检查单元，其检查由该输送单元输送的所述粒状物；判别单元，其根据由该检查单元检查出的每个粒状物的颜色信息来判别是否设成分离对象物；以及排除单元，其从连续流动中排除由该判别单元判别出的分离对象物，其特征在于，

所述检查单元具备：对所述粒状物进行光照明的照明部；以及检测通过所述粒状物的光或从所述粒状物反射的光的光检测部，

另一方面，所述判别单元具备：三维颜色分布数据生成部，其将由所述光检测部检测出的所述粒状物的R、G以及B的光的各波长成份绘制在三维颜色空间上，来生成粒状物样品的三维颜色分布数据；马哈拉诺比斯距离边界面生成部，其对由该三维颜色分布数据生成部生成的三维颜色分布数据设定通过马哈拉诺比斯距离算出的边界面，区分成包括较多合格品的第一合格品群集区域和包括较多次品以及异物的第一次品群集区域；欧几里德距离边界面生成部，其求出由该马哈拉诺比斯距离边界面生成部形成的第一合格品群集区域以及第一次品群集区域的各重心位置，并且设定通过欧几里德距离算出的该各重心位置间的距离最远的边界面，区分成第二合格品群集区域以及第二次品群集区域；以及阈值决定部，其求出通过所述马哈拉诺比斯距离算出的边界面与通过所述欧几里德距离算出的边界面的交线，并决定是否将该交线决定为分离对象物的判别阈值。

由此，在判别单元中，在三维颜色分布数据生成部，将粒状物的R、G以及B的光的各波长成份绘制在三维颜色空间上，并将粒状物样品的三维颜色分布整体视为一个群集区域。接着，在马哈拉诺比斯距离边界面生成部，对三维颜色分布整体设定通过马哈拉诺比斯距离算出的边界面，将粒状物样品大致分割成包括较多合格品的第一合格品群集区域和包括较多次品以及异物的第一次品群集区域的两个群集。并且，在欧几里德距离边界面生成部，求出新形成的第一合格品群集区域以及新形成的第一次品群集区域的各重心位置，并且对三维颜色分布整体设定通过欧几里德距离算出的对各重心位置间的距离为最远的边界面，区分成包括较多合格品的第二合格品群集区域和包括较多次品以及异物的第二次品群集区域的两个区域，来分割出与所述不同的大致两个群集。并且，在阈值决定部中，求出所述马哈拉诺比斯距离的边界面与所述欧几里德距离的边界面的交线，决定是否将该交线本身设成分离对象物的阈值。即，将绘制在三维颜色空间上的粒状物样品，通过马哈拉诺比斯距离边界面大致区分成第一合格品群集区域和第一次品群集区域，接着，通过欧几里德距离边界面寻找灵敏度有效范围较广的边界面，并区分成第二合格品群集区域和第二次品群集区域，并且，当通过阈值决定部求出所述马哈拉诺比斯距离的边界面与所述欧几里德距离的边界面的交线本身作为阈值时，能够算出二维颜色空间上的阈值，能够对操作员提供一种利用接近人眼的RGB的三维颜色空间信息就能够容易地进行灵敏度设定，并大幅简化信号处理的光学式粒状物分选机。

并且，本发明提供了一种光学式粒状物分选机，其具备：输送单元，其以成为连续流动的方式输送包括合格品、次品以及异物的粒状物；检查单元，其检查由该输送单元输送的所述粒状物；判别单元，其根据由该检查单元检查出的每个粒状物的颜色信息来判别是否设成分离对象物；以及排除单元，其从连续流动中排除由该判别单元判别出的分离对象物，其特征在于，

所述检查单元具备：对所述粒状物进行光照明的照明部；以及检测通过所述粒状物的光或从所述粒状物反射的光的光检测部，

另一方面，所述判别单元具备：三维颜色分布数据生成部，其将由所述光检测部检测出的所述粒状物的R、G以及B的光的各波长成份绘制在三维颜色空间上，来生成粒状物样品的三维颜色分布数据；学习/存储部，其将操作员预先准备的合格品、次品以及异物的各样品送至输送单元，由所述光检测部检测所述各样品来生成三维颜色分布数据，并且当在图像上显示该样品时，通过目测分类成合格品、次品以及异物中的某一个，并与三维颜色分布数据对应地进行学习；马哈拉诺比斯距离边界面生成部，其对由该学习/存储部生成的三维颜色分布数据设定通过马哈拉诺比斯距离算出的边界面，区分成包括较多合格品的第一合格品群集区域和包括较多次品以及异物的第一次品群集区域；欧几里德距离边界面生成部，其求出由该马哈拉诺比斯距离边界面生成部形成的第一合格品群集区域以及第一次品群集区域的各重心位置，并且设定通过欧几里德距离算出的该各重心位置间的距离最远的边界面，区分成包括较多合格品的第二合格品群集区域和包括较多次品以及异物的第二次品群集区域；阈值决定部，其求出通过所述马哈拉诺比斯距离算出的边界面与通过所述欧几里德距离算出的边界面的交线，并决定是否将该交线决定为分离对象物的判别阈值；以及合格品/次品判别部，其在将原料送至所述输送单元来进行分选动作时，当判断为在所述三维颜色分布数据上生成的数据不属于通过所述阈值决定部决定的阈值时，将该粒状物视为分离对象物。

由此，即使是合格品与次品的颜色近似的粒状物(例如，对于糙米而言，作为合格品的完整糙米与作为次品的乳白粒、作为合格品的完整糙米与作为次品的褐斑米等)，也无需致力于模糊的图像处理，操作员能够通过目视来进行学习和关联三维颜色分布数据与显示在图像上的样品，因此能够可靠地进行合格品以及次品的分选，实施高性能的分选，且实用性极高。

附图说明

图1是表示本发明的光学式粒状物分选机整体的立体图。

图2是表示该分选机的内部构造的概要纵剖面图。

图3是处理从该分选机的摄像头得到的信号的信号处理单元的框图。

图4是概念性地说明图3的信号处理部、CPU以及存储器的的框图。

图5是表示信号处理部的作业顺序的流程图。

图6是合格品样品以及次品样品的三维颜色空间上的RGB相关图。

图7是合格品样品以及次品样品的最佳二维显示面中的RGB相关图。

具体实施方式

参照附图，对用于实施本发明的方式进行说明。图1是表示本发明的光学式粒状物分选机整体的立体图，图2是表示该分选机的内部构造的概要纵剖面图，图3是处理从该分选机的摄像头得到的信号的信号处理单元的框图，图4是表示图3所示的信号处理部以及CPU/存储器的内部结构的概念图。

如图1所示，光学式粒状物分选机1在大致梯形状的机壳2内并列配置有：多个一次分选部3A(在图1中，从左端开始至第三个为止的分选部)、多个二次分选部3B(在图1中，从右端开始至第二个为止的分选部)，对各分选部3A、3B配置与现有技术相同的结构部件。此外，在本实施方式中采用使多个一次分选部3A和多个二次分选部3B并列的结构，但并不局限于此，可以设定使多个一次分选部、单个二次分选部以及单个三次分选部并列的结构等各种变化。

接着，参照图2，针对所述一次分选部3A的各构成部件进行说明。一次分选部3A具备：滑槽4，其作为从水平位置以约60度的角度倾斜配置的输送单元；滞留罐5，其用于使谷粒等粒状物滞留；振动加料器6，其用于将来自滞留罐5的粒状物搬送至滑槽4；光学检测部7(7a、7b)，其被设置成夹着从滑槽4下端落下的粒状物的落下轨迹的上下；喷射嘴8，其设置在更下方；合格品回收桶9，其位于该喷射嘴8下方且与所述滑槽4的同一倾斜线上，接收未受来自喷射嘴8的喷射风而直接沿着落下轨迹落下的粒状物；次品回收桶10，其与该合格品回收桶9并列，受来自喷射嘴8的喷射风来从正常的粒状物回收次品粒；以及辅助次品回收桶11，其用于回收没有成功受来自喷射嘴8的喷射风，而撞击周围的部件并弹回的次品粒。

在所述一次分选部3A中，为了使粒状物以较大宽度以带状滑走，以没有沟部的平板形状形成所述滑槽4的形状为佳。并且，为了防止来自滑槽4的粒状物的溢流，并且，为了防止分选对象的粒状物在滑走滑槽4的过程中从底面浮起，也可以与底面隔预定间隔地设置滑槽盖4a。

振动加料器6采用如下结构：使加料器槽6a支撑在支撑部6b上，使电磁驱动线圈6c等振动装置动作，由此可以将粒状物供应给滑槽4。

通过被各箱体12a、12b围绕来形成光学检测部7a、7b。在位于谷粒落下轨迹的上侧的箱体12a内有：可见光用的CCD摄像头13a、近红外光用的NIR摄像头14、由荧光灯等构成的可见光源15a、15b、由卤素灯等构成的近红外光源16a以及与光学检测部7b相对用的背景17a。另一方面，在位于谷粒落下轨迹的下侧的箱体12b内有：可见光用的CCD摄像头13b、由荧光灯等构成的可见光源15c、15d、由卤素灯等构成的近红外光源16b以及与光学检测部7a相对用的背景17b、17c。并且，在箱体12a、12b的谷粒落下轨迹侧，嵌有由透明玻璃构成的窗部件18a、18b。

经由副罐19、空气管20、电磁阀21，从管路22向所述喷射嘴8供应来自图外的空气压缩机的空气。所述副罐19暂时滞留来自空气压缩机的空气，通过设置该副罐19，即使在从喷射嘴8消耗的空气量较多的情况下，也不会发生空气不足情况。

在机壳2前方的倾斜壁设置通过气缸23可上下方向旋动的前面门24，由此，能够容易地进行清扫等维修作业，另一方面，在该前面门24的下方设置被由触控面板构成的操作盘以及监视器兼用的液晶显示器25以及电源开关26，由此，通过在操作员眼睛的高度位置设置液晶显示器25以及电源开关26，能够容易地进行机械操作。

接着，针对二次分选部3B的结构进行说明。作为与所述一次分选部3A不同的点，列举滑槽4的形状，二次分选部3B用的滑槽4形成用于使谷粒在分割成多个列状的状态下滑走的多个沟部。作为该沟部的剖面形状，可以适当采用U字状、V字状、凹字状等。其余的结构与所述一次分选部3A大致相同。图2的符号27是次品接收口，符号28是合格品接收口，符号29是辅助次品接收口，符号30是样品取出部。

并且，参照图3以及图4，针对信号处理单元的结构进行说明。所述可见光用的CCD摄像头13a、13b以及NIR摄像头14与对通过摄像头取得的图像进行二值化处理的信号处理部31电连接，并且，从该信号处理部31开始与储存二值化处理过的图像并增加必要处理的CPU以及存储器部32电连接。并且，CPU以及存储器部32与所述液晶显示器25电连接。

参照图4，所述信号处理部31具备：临时储存图像数据的图像数据取得机构33；储存针对取得的图像数据决定合格品或次品的阈值数据的阈值数据储存存储器34；对取得的图像数据执行二值化处理的二进制计算机构35；以及判别合格品或次品的合格品/次品判别机构36。另一方面，所述CPU以及存储器部32具备：根据需要储存来自所述图像数据取得机构33的数据的图像数据储存存储器37；阈值数据计算机构38，其根据储存在该图像数据储存存储器37中的图像数据，来执行本发明的主要处理并计算阈值；以及操作信号接收机构39，其用于接收所述液晶显示器25的触摸操作信号，或将处理后的图像数据输出至监视器。

从所述信号处理部31内的合格品/次品判别机构36开始与喷射器驱动电路40电连接，该喷射器驱动电路40与根据该驱动电路40的信号从该喷射器喷嘴8喷射空气的电磁阀21电连接。

针对上述结构的光学式粒状物分选机的作用进行详细的说明。

图5是表示信号处理部的作业顺序的流程图，在该图5中，从步骤101至103为止是操作员将预先准备的合格品、次品以及异物的各自的样品送至滑槽后，使分选机学习合格品、次品以及异物相关的各三维色彩分布模式的合格品模式/次品模式学习工序程，从步骤104至108为止是自动计算所述合格品模式和次品模式的边界的阈值的阈值计算工序，步骤109是操作员微调整在所述阈值计算工序中算出的阈值的阈值决定工序。

(合格品模式/次品模式学习工序)

在该模式学习工序中，因为是分选前的准备作业，因此喷射嘴8不动作。当作业开始时，首先，在步骤101中，熟练操作员将预先分选准备的合格品样品从滞留罐5向滑槽4上流入，并且通过CCD摄像头13a、13b、NIR摄像头14拍摄从滑槽4下端落下的合格品样品。接着，经由图像数据取得机构33向图像数据储存存储器37输入通过CCD摄像头13a、13b以及NIR摄像头14拍摄到的合格品样品的多个图像数据，并将该图像显示在液晶显示器25的监视器上。如果合格品样品的图像数据取得结束，接着，针对熟练操作员预先分选准备的次品样品(含异物样品)，进行与上述相同的作业来进行次品样品(含异物样品)的图像数据的取得。

接着，进入步骤102，针对显示在液晶显示器25上的样品，再度通过操作员的目视在图像上指定合格品、次品以及异物。接着，进入步骤103，将被指定的合格品样品图像视为一个区域，并且将次品样品图像也视为一个区域，将其在三维颜色空间(在实施例中是R、G、B各轴的颜色空间)上进行多次绘制。由此，依序形成图6所示的RGB颜色空间上的集合体。

(阈值计算工序)

当进入步骤104时，大致分类为由合格品涉及的点(图6的黑点)形成的合格品群集51(集合体)以及由次品涉及的点(图6的灰点)形成的次品群集52(集合体)(参照图6)，在步骤105中，算出合格品群集51/次品群集52的每个群集的多变量数据的统计量。

可以通过重心向量或方差协方差矩阵(variance-covariancematrix)的运算来进行该统计量的计算。例如，重心向量的运算式通过下述式(1)来表示。

[式1]

$\begin{array}{c}\stackrel{\‾}{\mathrm{\χ}}=(\stackrel{\‾}{{\mathrm{\χ}}_1},\stackrel{\‾}{{\mathrm{\χ}}_2},\mathrm{...},\stackrel{\‾}{{\mathrm{\χ}}_n})\\ \stackrel{\‾}{{\mathrm{\χ}}_i}=\frac{1}{S}{\mathrm{\σ}}_{k=1}^S{\mathrm{\χ}}_{ik}\end{array}\mathrm{...}\left(1\right)$

其中，S：样品数

此外，方差协方差矩阵的运算式通过下述式(2)来表示。

[式2]

$c_{ij}=\frac{1}{S}{\mathrm{\σ}}_{K=1}^S({\mathrm{\χ}}_{ik}-\stackrel{\‾}{{\mathrm{\χ}}_i})({\mathrm{\χ}}_{jk}-\stackrel{\‾}{{\mathrm{\χ}}_j})\mathrm{...}\left(2\right)$

接着，求出来自合格品/次品的每个群集的重心向量的马哈拉诺比斯平方距离(Mahalanobissquaredistance)。在此，马哈拉诺比斯平方距离成为多变量数据值的函数，马哈拉诺比斯平方距离的运算式通过下述式(3)来表示。

[式3]

$D_m^2={(\mathrm{\α}-\stackrel{\‾}{{\mathrm{\α}}_m})}^t{A}^{-1}(\mathrm{\α}-\stackrel{\‾}{{\mathrm{\α}}_m})\mathrm{...}\left(3\right)$

其中，m：群集的下标

A：方差协方差矩阵

α_m：群集m的重心向量

接着，求出各群集(cluster)之间的边界面(interface)(步骤106)。当决定该边界面时，将多变量数据的值分类到马哈拉诺比斯平方距离最小的群集，来对多变量空间内的所有多变量数据的值决定所属的群集。接着，决定通过图6的符号m所示的边界面。

接着，选择合格品群集51与次品群集52的重心间距离为最远的欧几里德距离(Euclideandistance)，寻找灵敏度有效范围较广的边界面(步骤107)。此时，当将合格品群集的重心向量设为P(Xp1,Xp2,Xp3,…Xpn)，将次品群集的重心向量设为Q(Xq1,Xq2,Xq3,…Xqn)时，其之间的欧几里德平方距离通过下述式(4)来表示。

[式4]

$d^2={\mathrm{\σ}}_{i=1}^n{(X_{p1}-X_{q1})}^2\mathrm{...}\left(4\right)$

接着，求出各群集间的边界面(步骤107)。当决定该边界面时，将多变量数据的值分类到欧几里德平方距离最大的群集，来决定通过图6的符号u所示的边界面。

接着，当使上述马哈拉诺比斯距离成为最小的边界面的平面m的方程式通过下述式(5)来表示，使上述欧几里德距离成为最大的边界面的平面u的方程式通过下述式(6)来表示时，

[式5]

m：a₁x+b₁y+c₁z＝d₁…(5)

[式6]

u：a₂x+b₂y+c₂z＝d₁…(6)

得到图6所示的两个特殊的平面m以及平面u。然后，旋转图6的相关图，使在这些不同的两个平面m与平面u交叉而视为线段的位置与视线方向(视线向量)一致(图5的步骤108)。由此，可以求出从三维颜色空间向二维颜色空间减少维度的最佳阈值，因此能够提供一种使信号处理大幅简化且操作员容易使用的光学式粒状物分选机。

通过下述式(7)，求出上述式(5)的平面m与上述式(6)的平面u交叉的线段L(参照图6)。

[式7]

P＝A+te…(7)

其中，A：通过交线L的点

e：交线的方向向量

t：介质参数

然后，当通过两个平面m、平面u的法线向量的外积(exteriorsubstance)计算来求出交线的方向向量e时，就成为下述式(8)。

[式8]

e＝[b1c2-c1b2c1a2-a1c2a1b2-b1a2]…(8)

在此，设成

Xe＝b1c2-c1b2

Ye＝c1a2-a1c2

Ze＝a1b2-b1a2

然后，交线L通过的点P就成为下述式(9)。

[式9]

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(两个平面平行。)。……(9)

当通过如上方式求出交线L时，就可以变换成将视点置于交线L上的最佳二维显示面中的RGB相关图(参照图7)。

(阈值决定工序)

如上所述，操作员根据图7的二维空间上的交线L，来决定合格品和次品的判别阈值(图5的步骤109)。由此，可以求出从图6的三维颜色空间向图7的二维颜色空间减少维度的最佳阈值，就能够提供一种大幅简化信号处理，且操作员容易设定最佳阈值，容易使用的光学式粒状物分选机。以上是正式驱动光学式粒状物分选机前的阈值设定作业。

(分选作业)

在上述阈值设定作业后，进行原料的指定(谷粒、粒状物、谷粒品种等)、流量(目标流量的设定)的调整、分选物的灵敏度(从被分选物是否将异物(玻璃、石头)、着色粒(不良粒、白米、淡焦米)设成分选和去除对象)的调整、喷射器的延时调整等，之后，向滞留罐5供给原料，选择由触摸面板构成的操作盘的分选开关。由此，开始分选作业开始的程序，从图4的阈值储存存储器34读入判定如上所述设定的合格品或次品的阈值。然后，通过CPU以及存储器部32，以阈值为基准来判定合格品或次品。

当在该状态下启动振动加料器6时，向滞留罐5供给的原料被供给给滑槽4上，从该滑槽4下端落下后由光学检测部7a、7b进行检测。

此时，流过光学检测部7a、7b间的原料，通过CCD摄像头13a、13b、NIR摄像头14拍摄其图像，并将该拍摄数据经由图像数据取得机构33一次存储在图像数据储存存储器37中。接着，如上述合格品模式/次品模式学习工序以及阈值计算工序所述，原料在三维颜色空间上绘制后，转换成二维颜色空间。即，要分选、判定的粒状物是图7的粒状物A或粒状物B。

另一方面，当示意性地表示储存在阈值数据储存存储器34中的当前阈值时，是图7的交线L，在图7上交线L成为边界线，边界线L上方表示合格品区域，边界线L下方表示次品区域。

在图7中，如果粒状物A进入边界线L上方的合格品区域，则图4的合格品/次品判别机构36判定成“粒状物A为合格品”，不从喷射器驱动电路41发出去除信号，而将其作为合格品被合格品接收口9(参照图2)回收。另一方面，当粒状物B进入边界线L下方的次品区域，则图4的合格品/次品判别机构36判定成“粒状物B为次品”，从喷射器驱动电路41对电磁阀21发送去除信号，通过从喷射嘴8发出的高压空气喷射风从正在流下的原料中去除，作为次品从次品接收口27(参照图2)回收。

另外，也可以将图6以及图7中的合格品群集视为次品群集，并将次品群集视为合格品群集来进行相反的设定。通常，与合格品相比，次品相对于原料的占有比率非常小，因此可以通过来自喷射嘴8的高压空气的喷射风来进行分选/去除。然而，当与次品相比合格品相对于原料的占有比率非常小时，将合格品的粒状物视为次品，通过来自喷射嘴8的高压空气的喷射风来进行分选/去除的分选效率较佳。这就是所谓的“逆向操作”，目前在色彩分选机中编有其控制机构，考虑原料粒状物中的次品粒混入率等，操作员能够适度地进行设定。即使将图6以及图7的合格品群集视为次品群集，将次品群集视为合格品群集，仅通过进行阈值数据储存存储器34的数据改写就能够容易地进行设定。当操作员设定了“逆向操作”时，合格品受到来自喷射嘴8的高压空气的喷射风，被次品接收口27回收，另一方面，次品不受来自喷射嘴8的高压空气的喷射风，而被合格品接收口9直接回收。

如以上的说明所示，在本发明中，由于根据每个粒状物的颜色信息来判别是否成为分离对象物的判别单元具备：三维颜色分布数据生成部、马哈拉诺比斯距离边界面生成部、欧几里德距离边界面生成部以及阈值决定部，因此在三维颜色分布数据生成部中，将粒状物的R、G以及B的光的各波长成份绘制于三维颜色空间上来生成粒状物样品的三维颜色分布整体，接着，在马哈拉诺比斯距离边界面生成部中，设定通过马哈拉诺比斯距离算出的边界面，大致分割成合格品群集区域和次品群集区域两个群集，并且，在欧几里德距离边界面生成部中，求出合格品群集区域以及次品群集区域的各重心位置，并且将通过欧几里德距离算出的各重心位置间的距离最远的边界面设定成三维颜色分布整体，在阈值决定部中，求出所述马哈拉诺比斯距离的边界面与所述欧几里德距离的边界面的交线，将该交线视为决定是否设成分离对象物的阈值。因此，将在三维颜色空间上绘制的粒状物样品，通过马哈拉诺比斯距离边界面大致分成合格品群集区域和次品群集区域，接着，通过欧几里德距离边界面寻找灵敏度有效范围较广的边界面，并且，可以通过阈值决定部来算出二维颜色空间上的阈值，从而能够提供一种操作员有效利用接近人眼的RGB三维颜色空间信息就容易地进行灵敏度设定，并可大幅简化信号处理的光学式粒状物分选机。

另外，本发明的色彩分选机，并不局限于上述实施方式，可以采用各种设计变更。例如，作为输送单元采用了滑槽，但该滑槽也可以是上下两段、上下三段等多个段结构，作为输送单元也可以采用带式运送机等结构。此外，作为将分离对象物从连续的流动中排除的排除单元，采用喷射高压空气的高速空气式喷射嘴，但也可以采用将分离对象物从连续的流动中排除的气缸等推进式排除单元来取代该高速喷射嘴。

如以上说明所示，本发明提供一种有效利用接近人眼的RGB三维颜色空间信息来容易地进行灵敏度设定，并且可大幅简化信号处理的新型且实用的光学式粒状物分选机。

本发明可以应用于将米、麦类、豆类、坚果类等谷粒、颗粒、珠粒等树脂片、医用品、矿石类、砂石粒等细小的物品、由其他粒状物构成的原料分选成合格品和次品，或者排除混入原料中的异物等的光学式粒状物分选机。

符号说明

1光学式粒状物分选机

2机壳

3A一次分选部

3B二次分选部

4滑槽

5滞留罐

6振动加料器

7光学检测部

8喷射嘴

9合格品回收桶

10次品回收桶

11辅助次品回收桶

12箱体

13CCD摄像头

14NIR摄像头

15可见光源

16近红外光源

17背景

18窗部件

19副罐

20空气管

21电磁阀

22管路

23气缸

24前面门

25液晶显示器

26电源开关

27次品接收口

28合格品接收口

29辅助次品接收口

30样品取出部

31信号处理部

32CPU以及存储器部

33图像数据取得机构

34阈值数据储存存储器

35二进制计算器构

36合格品/次品判别机构

37图像数据储存存储器

38阈值数据计算机构

39操作信号接收机构

40喷射器驱动电路

51合格品群集

52次品群集

Claims (2)

1.一种光学式粒状物分选机，其具备：输送单元，其以成为连续流动的方式输送包括合格品、次品以及异物的粒状物；检查单元，其检查由该输送单元输送的所述粒状物；判别单元，其根据由该检查单元检查出的每个粒状物的颜色信息来判别是否设成分离对象物；以及排除单元，其从连续流动中排除由该判别单元判别出的分离对象物，其特征在于，

所述检查单元具备：对所述粒状物进行光照明的照明部；以及检测通过所述粒状物的光或从所述粒状物反射的光的光检测部，

另一方面，所述判别单元具备：

三维颜色分布数据生成部，其将由所述光检测部检测出的所述粒状物的R、G以及B的光的各波长成份绘制在三维颜色空间上，来生成粒状物样品的三维颜色分布数据；

马哈拉诺比斯距离边界面生成部，其对由该三维颜色分布数据生成部生成的三维颜色分布数据设定通过马哈拉诺比斯距离算出的边界面，区分成包括较多合格品的第一合格品群集区域和包括较多次品以及异物的第一次品群集区域；

欧几里德距离边界面生成部，其求出由该马哈拉诺比斯距离边界面生成部形成的第一合格品群集区域以及第一次品群集区域的各重心位置，并且设定通过欧几里德距离算出的该各重心位置间的距离最远的边界面，区分成第二合格品群集区域以及第二次品群集区域；以及

阈值决定部，其求出通过所述马哈拉诺比斯距离算出的边界面与通过所述欧几里德距离算出的边界面的交线，并决定是否将该交线决定为分离对象物的判别阈值。

2.一种光学式粒状物分选机，其具备：输送单元，其以成为连续流动的方式输送包括合格品、次品以及异物的粒状物；检查单元，其检查由该输送单元输送的所述粒状物；判别单元，其根据由该检查单元检查出的每个粒状物的颜色信息来判别是否设成分离对象物；以及排除单元，其从连续流动中排除由该判别单元判别出的分离对象物，其特征在于，

所述检查单元具备：对所述粒状物进行光照明的照明部；以及检测通过所述粒状物的光或从所述粒状物反射的光的光检测部，

另一方面，所述判别单元具备：

三维颜色分布数据生成部，其将由所述光检测部检测出的所述粒状物的R、G以及B的光的各波长成份绘制在三维颜色空间上，来生成粒状物样品的三维颜色分布数据；

学习/存储部，其将操作员预先准备的合格品、次品以及异物的各样品送至输送单元，由所述光检测部检测所述各样品来生成三维颜色分布数据，并且当在图像上显示该样品时，通过目测分类成合格品、次品以及异物中的某一个，并与三维颜色分布数据对应地进行学习；

马哈拉诺比斯距离边界面生成部，其对由该学习/存储部生成的三维颜色分布数据设定通过马哈拉诺比斯距离算出的边界面，区分成包括较多合格品的第一合格品群集区域和包括较多次品以及异物的第一次品群集区域；

欧几里德距离边界面生成部，其求出由该马哈拉诺比斯距离边界面生成部形成的第一合格品群集区域以及第一次品群集区域的各重心位置，并且设定通过欧几里德距离算出的该各重心位置间的距离最远的边界面，区分成包括较多合格品的第二合格品群集区域和包括较多次品以及异物的第二次品群集区域；

阈值决定部，其求出通过所述马哈拉诺比斯距离算出的边界面与通过所述欧几里德距离算出的边界面的交线，并决定是否将该交线决定为分离对象物的判别阈值；以及

合格品/次品判别部，其在将原料送至所述输送单元来进行分选动作时，当判断为在所述三维颜色分布数据上生成的数据不属于通过所述阈值决定部决定的阈值时，将该粒状物视为分离对象物。