CN104990890B - 固体单粒无损检测与自动化分选系统及固体单粒分选方法 - Google Patents
固体单粒无损检测与自动化分选系统及固体单粒分选方法 Download PDFInfo
- Publication number
- CN104990890B CN104990890B CN201510355571.1A CN201510355571A CN104990890B CN 104990890 B CN104990890 B CN 104990890B CN 201510355571 A CN201510355571 A CN 201510355571A CN 104990890 B CN104990890 B CN 104990890B
- Authority
- CN
- China
- Prior art keywords
- seed
- solid
- grain
- transmission device
- sorting unit
- 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.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种固体单粒无损检测与自动化分选系统及固体单粒分选方法,该系统包括固体单粒进样装置、籽粒传送装置、光谱数据采集装置、籽粒分选装置、PLC控制部件以及上位机,固体单粒进样装置将待测籽粒放置到籽粒传送装置上,籽粒传送装置承载待测籽粒进行移动,光谱数据采集装置采集放置在所述籽粒传送装置上的固体籽粒的近红外透射光谱,籽粒分选装置对待测试籽粒进行分选,上位机建立固体籽粒类别鉴别模型,根据所述模型对待测籽粒进行鉴别,根据鉴别结果通知PLC控制部件控制籽粒分选装置进行分选。本发明采用近红外透射分析法进行对固体单粒的无损检测,并且实现了固体单粒进样、鉴别、分选流程的自动化,提高了分选效率和精度。
Description
技术领域
本发明涉及自动化检测技术领域,尤其涉及一种固体单粒无损检测与自动化分选系统及固体单粒分选方法。
背景技术
在农业、食品、药品等领域经常需要对固体籽粒进行分选。如,为了提升玉米、水稻、小麦、大豆等农作物种子的质量,需要筛选出种子中的杂质和异种种子;为了保证食品的安全,需要保证其原材料的质量,因此也需要对玉米等各类谷物进行筛选,保证食品安全;药品安全一直是公众十分关注的问题,对于固体药品颗粒,往往也需要进行鉴定和筛选,保证药品的质量。现有的基于生物化学的种子、药品质量检测方法会对样品造成损伤,而且成本高昂,用时较长。
近红外透射光谱分析技术拥有快速、无损、操作简单、成本低的优点,近年来在农作物种子的定量和定性分析、食品和药品的质量检测领域有着广泛的应用,取得了很大的成功。
近红外透射光谱检测种子主要有群体分析和单籽粒分析两种方式。在固体籽粒的质量的检测和筛选过程中,单粒无损分析技术更加实用,目前常用的单粒无损分析是漫反射光谱分析技术。
漫反射光谱分析技术只能采集到籽粒的表面部分信息。对于成分分布均匀的固体颗粒,漫反射光谱分析技术可以取得较好的效果,但是对于农作物种子等结构复杂的非均匀样品,漫反射光谱分析技术分析样品时分析光未能通过籽粒,不能采集固体单粒的内部信息,无法采集籽粒的整体信息,无法实现固体颗粒的内部成分分析;种子样品摆放位置、籽粒的姿态严重影响光谱采集质量,影响分析结果,并使分析模型无法稳定使用。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决或者减缓上述问题的固体单粒无损检测与自动化分选系统及固体单粒分选方法,实现了固体单粒进样、鉴别、分选流程的自动化,提高了分选效率和精度。
根据本发明的一个方面,提供了一种固体单粒无损检测与自动化分选系统,该系统包括:固体单粒进样装置、籽粒传送装置、光谱数据采集装置、籽粒分选装置、PLC控制部件以及分别与所述光谱数据采集装置和PLC控制部件相连接的上位机;
所述固体单粒进样装置,用于将待测籽粒放置到所述籽粒传送装置上;
所述籽粒传送装置,用于承载所述待测籽粒沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动;
所述光谱数据采集装置,用于采集放置在所述籽粒传送装置上的固体籽粒的近红外透射光谱,并将光谱数据上传到所述上位机;
所述籽粒分选装置,用于对所述籽粒传送装置上的固体籽粒进行分选;
所述PLC控制部件,与所述固体单粒进样装置、籽粒传送装置和籽粒分选装置连接,用于根据所述上位机的指令对所述固体单粒进样装置、籽粒传送装置和籽粒分选装置进行控制;
所述上位机,用于根据所述光谱数据采集装置上传的光谱数据建立固体籽粒类别鉴别模型,根据所述模型对待测籽粒进行定性鉴别,当待测籽粒移动到籽粒分选装置时,根据鉴别结果通知PLC控制部件控制籽粒分选装置进行分选。
可选的,所述固体单粒进样装置位于所述籽粒传送装置的上方,所述光谱数据采集装置以及所述籽粒分选装置依次设置在所述籽粒传送装置的转动方向上,所述籽粒传送装置依次沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动,以实现对放置在所述籽粒传送装置上的固体籽粒的光谱数据采集和分选。
可选的,所述固体单粒进样装置,包括传动部件、第一驱动部件和末端抓取部件,所述第一驱动部件与PLC控制部件连接,通过所述传动部件驱动所述末端抓取部件进行抓取。
可选的,所述籽粒传送装置包括第二驱动部件和圆形转盘,所述第二驱动部件与所述PLC控制部件连接,用于驱动所述圆形转盘沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动。
可选的,所述圆形转盘边缘等间隔的分布着圆形的孔洞,用于放置待测籽粒,所述孔洞的一侧设有用于调整孔洞大小的调整部件。
可选的,所述光谱数据采集装置包括近红外光源和光谱仪;
所述近红外光源和光谱仪设置在所述籽粒传送装置的上下两侧,所述近红外光源和光谱仪同轴设置。
可选的,所述籽粒分选装置包括分选刷,分选臂和第三驱动部件,所述第三驱动部件与所述PLC控制部件连接,通过所述分选臂驱动所述分选刷对待测籽粒进行分选。
根据本发明的另一个方面,提供了一种基于如上任一实施例所述的固体单粒无损检测与自动化分选系统的固体单粒分选方法,该方法包括:
当检测到固体单粒进样装置将待测籽粒放置到籽粒传送装置上时,上位机向PLC控制部件发送第一指令,以控制籽粒传送装置承载所述待测籽粒沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动;
光谱数据采集装置采集放置在所述籽粒传送装置上的固体籽粒的近红外透射光谱,并将该近红外透射光谱上传到所述上位机;
上位机根据预先建立的鉴别模型对接收到的近红外透射光谱进行定性鉴别;
当所述待测籽粒移动至所述籽粒分选装置时,上位机根据鉴别结果通知PLC控制部件控制所述籽粒分选装置进行分选。
可选的,所述方法还包括:预先建立不同类别固体籽粒的鉴别模型,具体为:
采集不同类别固体籽粒的近红外透射光谱;
对各个类别固体籽粒的近红外透射光谱进行数据预处理;
对预处理后的近红外透射光谱进行特征提取,得到各个类别固体籽粒的光谱特征;
根据所述各个类别固体籽粒的光谱特征建立不同类别固体籽粒的鉴别模型。
可选的,所述数据预处理的方法包括平滑滤波法、差分导数、数据中心化、标准化中至少一种;所述特征提取的方法包括主成分分析法、偏最小二乘分析法以及正交化线性判别分析法中至少一种。
本发明的有益效果为:
本发明提供的固体单粒无损检测与自动化分选系统及固体单粒分选方法,实现了进样、鉴别和分选各个过程的自动化,系统工作过程中不用人为干预,节省了人力和时间;采用近红外光谱漫透射分析方法,可以采集到固体籽粒完整的内部信息,克服了固体籽粒位置效应对光谱信号的影响,可以准确对固体籽粒的性质进行分析;提出了一整套光谱信号预处理、特征提取和鉴别模型建立方法,为固体籽粒的正确分选提供了保证。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提出的一种固体单粒无损检测与自动化分选系统的结构示意图;
图2为本发明实施例提出的一种基于固体单粒无损检测与自动化分选系统的固体单粒分选方法流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非被特定定义,否则不会用理想化或过于正式的含义来解释。
图1示出了本发明实施例的一种固体单粒无损检测与自动化分选系统的结构示意图。
参照图1,本发明实施例提出的固体单粒无损检测与自动化分选系统包括:固体单粒进样装置1、籽粒传送装置2、光谱数据采集装置、籽粒分选装置4、PLC控制部件5以及分别与所述光谱数据采集装置和PLC控制部件5相连接的上位机6;
所述固体单粒进样装置1,用于将待测籽粒放置到所述籽粒传送装置2上;
所述籽粒传送装置2,用于承载所述待测籽粒沿着从所述光谱数据采集装置到所述籽粒分选装置4的方向移动;
所述光谱数据采集装置,用于采集放置在所述籽粒传送装置2上的固体籽粒的近红外透射光谱,并将光谱数据上传到所述上位机6;
所述籽粒分选装置4,用于对所述籽粒传送装置2上的固体籽粒进行分选;
所述PLC控制部件5,与所述固体单粒进样装置1、籽粒传送装置2和籽粒分选装置4连接,用于根据所述上位机6的指令对所述固体单粒进样装置1、籽粒传送装置2和籽粒分选装置4进行控制;
所述上位机6,用于根据所述光谱数据采集装置上传的光谱数据建立固体籽粒类别鉴别模型,根据所述模型对待测籽粒进行定性鉴别,当待测籽粒移动到籽粒分选装置4时,根据鉴别结果通知PLC控制部件5控制籽粒分选装置进行分选。
本发明实施例,采用近红外光谱漫透射分析方法,可以采集到固体籽粒完整的内部信息,克服了固体籽粒位置效应对光谱信号的影响,可以准确对固体籽粒的性质进行分析,而且实现了进样、鉴别和分选各个过程的自动化,系统工作过程中不用人为干预,节省了人力和时间,提高了分选效率和精度。
其中,所述固体单粒进样装置1位于所述籽粒传送装置2的上方,所述光谱数据采集装置以及所述籽粒分选装置4依次设置在所述籽粒传送装置2的转动方向上,所述籽粒传送装置2依次沿着从所述光谱数据采集装置到所述籽粒分选装置4的方向移动,以实现对放置在所述籽粒传送装置上的固体籽粒的光谱数据采集和分选。
其中,所述固体单粒进样装置1,包括传动部件、第一驱动部件和末端抓取部件,所述第一驱动部件与PLC控制部件连接,通过所述传动部件驱动所述末端抓取部件进行抓取。
需要说明的是,传动部件的机械臂为螺纹传动,螺纹传动速度平稳、位置准确、可以产生较大的扭力、钢性较好;第一驱动部件为步进电机,电机体积较小,动力系统简单,维护方便,可以很容易地与计算机和PLC等控制器对接;末端抓取部件采用空气负压抓取的方式,对于大小和形状不一的固体籽粒有很好的抓取效果。
其中,所述籽粒传送装置2包括第二驱动部件和圆形转盘,所述第二驱动部件与所述PLC控制部件连接,用于驱动所述圆形转盘沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动。
进一步地,所述圆形转盘边缘等间隔的分布着圆形的孔洞,用于放置待测籽粒,所述孔洞的一侧设有用于调整孔洞大小的调整部件。
需要说明的是,第二驱动部件选用步进电机实现,籽粒传送装置2包括步进电机和圆形转盘。步进电机与所述PLC控制部件连接,驱动的圆形转盘沿着从光谱数据采集装置到籽粒分选装置的移动。
其中,所述光谱数据采集装置包括近红外光源31和光谱仪32;
所述近红外光源31和光谱仪32设置在所述籽粒传送装置2的上下两侧,所述近红外光源31和光谱仪32同轴设置。
需要说明的是,近红外光源为高强高效卤钨灯光源,光谱仪为微型便携式光谱仪或光纤光谱仪。系统工作过程中籽粒传送装置2将待测籽粒移到近红外光源31和光谱仪32之间的检测位置,固体籽粒、近红外光源、光谱仪三者同轴。
其中,所述籽粒分选装置包括分选刷,分选臂和第三驱动部件,所述第三驱动部件与所述PLC控制部件连接,通过所述分选臂驱动所述分选刷对待测籽粒进行分选。
本发明实施例中,籽粒分选装置4采用机械分选方式,根据实际需要实现籽粒的多类分选。将分选刷固定在分选臂上,分选臂固定在步进电机的转轴上,通过控制步进电机的正转和反转将籽粒移动到其所属的类别中。
PLC控制部件应用软件通过PLC控制单粒进样装置、籽粒传送转盘和分选装置,并从PLC中得到各部分的状态参数。
上位机6具有人机交互界面、各模块的驱动程序,负责统筹整个系统的运行。
本发明提出的固体单粒无损检测与自动化分选系统的工作流程具体为:固体单粒进样装置启动,将籽粒移送到籽粒传送装置上,固体单粒进样装置暂停工作;上位机检测到进样成功后,向籽粒传送装置发送指令,籽粒传送装置将固体籽粒移到近红外光源和光谱仪之间的检测位置;光谱仪采集固体籽粒的近红外透射光谱,将光谱数据传回到上位机;上位机根据预先建立的模型对籽粒的近红外透射光谱按照模型确定的方法进行预处理、特征提取和定性鉴别,然后当籽粒移动至分选装置时,上位机根据鉴别结果通过PLC控制部件控制籽粒分选装置按要求进行分选。
图2示出了本发明提出的一种基于固体单粒无损检测与自动化分选系统的固体单粒分选方法流程图。
参照图2,本发明提供的基于如上一实施例所述的固体单粒无损检测与自动化分选系统的固体单粒分选方法,该方法包括:
S11、当检测到固体单粒进样装置将待测籽粒放置到籽粒传送装置上时,上位机向PLC控制部件发送第一指令,以控制籽粒传送装置承载所述待测籽粒沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动;
S12、光谱数据采集装置采集放置在所述籽粒传送装置上的固体籽粒的近红外透射光谱,并将该近红外透射光谱上传到所述上位机;
S13、上位机根据预先建立的鉴别模型对接收到的近红外透射光谱进行定性鉴别;
S14、当所述待测籽粒移动至所述籽粒分选装置时,上位机根据鉴别结果通知PLC控制部件控制所述籽粒分选装置进行分选。
在本发明的另一实施例中,本发明提供的基于如实施例一所述的固体单粒无损检测与自动化分选系统的固体单粒分选方法,还包括图中未示出的步骤S10:预先建立不同类别固体籽粒的鉴别模型。
其中,步骤S10进一步包括如下图中未示出的步骤:
S101、采集不同类别固体籽粒的近红外透射光谱;
S102、对各个类别固体籽粒的近红外透射光谱进行数据预处理;
S103、对预处理后的近红外透射光谱进行特征提取,得到各个类别固体籽粒的光谱特征;
S104、根据所述各个类别固体籽粒的光谱特征建立不同类别固体籽粒的鉴别模型。本发明使用改进的支持向量机识别算法建立不同类别固体籽粒的鉴别模型,有效地提高了分选模型的正确率和稳健性。
需要说明的是,传统的支持向量机识别算法会将没有建立过模型的未知类别样本错误地识别为某一已知类别,发生误判。改进的支持向量机算法添加了距离阈值DT,当未知类别的样本与模型的距离D大于DT时,将该样本拒识,提高了模型的正确率。
其中,数据预处理的方法包括平滑滤波法和一阶差分导数中至少一种;特征提取的方法包括主成分分析法、偏最小二乘分析法以及正交化线性判别分析法中至少一种。
本发明实施例,在对各个类别固体籽粒的近红外透射光谱进行数据预处理过程中,本发明采用了训练集参数标准化方法,提高了模型的稳健性。其中,训练集参数标准化方法为:
对近红外透射光谱的光谱矩阵进行处理,对于一组光谱(数目为N)的某一波长i处的吸光度向量Ai(A={a1,a2,a3,…,aN}),Ai中的每个元素减去Ai的均值Mi后,除以Ai的标准差Stdi,依次处理每个波段的光谱数据。标准化处理可以消除多余信息,增大样品之间的差异,从而提高模型的稳健性和预测能力。
对当前待测籽粒的近红外透射光谱进行处理时,对某一波长i处的吸光度值减去Ai的均值Mi后,除以Ai的标准差Stdi,依次对当前待测籽粒的近红外透射光谱的每个波长的数据进行处理。
而且,本发明采用特征提取数据维度交叉验证自动确定方法,进行特征提取,有效地防止了过拟合问题。其中,数据维度交叉验证自动确定算法为:
将第一漫透射光谱(数目为N)随机分配成M等份,依次取出其中的1份作为测试集,剩余的M-1份作为训练集建立模型,依次增加数据的维度,取测试集正确率最高时的维度作为最优维度。
下面以一个具体的实施例来说明本发明的实际应用。该具体实施例中使用6个玉米品种进行测试,分别是农华032、洛单248、农大108、NH101、NH101海南2009、京玉16,测试结果如下:
一、分选准确率
使用本发明提供的固体单粒无损检测与自动化分选系统的光谱数据采集装置,采集两天的数据(2015-04-07和2015-04-08)作为建模集,每天每个品种分别采集80条光谱,母本40条、杂交40条;对每个品种的玉米种子分别建立纯度分选模型,使用建立的纯度分选模型进行玉米纯度分选测试,测试时每个品种的种子测试60粒左右,母本、杂交各30粒左右,其分选识别率如表1所示:
表1分选结果统计
实际分选的结果表明,6个玉米品种中,除了京玉16的母本和NH101海南2009的杂交识别率较低外,其他5个品种的识别率基本都在90%以上,其中农大108和农华032的识别率接近100%,识别率满足分选标准要求,分选效果较好,说明本发明提供的固体单粒无损检测与自动化分选系统的功能性测试结果合格,能够完成最初的设计功能。
二、模型稳定性
由表1的分选结果可以发现,2015-04-08建立的模型,在2015-04-10时,农华032、农大108和NH101的母本和杂交的识别率仍在90%以上,虽然京玉16的母本和NH101海南2009的杂交的识别率降到80%左右,但其母本和杂交的平均识别率仍在87%以上,模型的识别性能随时间变化不明显,模型稳定性较好。
三、系统运行速度
分选速度:目前一个分选流程(从一粒种子进样开始,到扫描完光谱,得到鉴别结果)约为3秒,系统的分选速度为3秒/粒,达到设计要求。
建模速度:建模样本集需要160条光谱(每天母本、杂交各40条建模光谱,两天共160条),建模算法时间消耗小于1秒,则整个建模的时长约为8分钟(160×3+1=481秒,8分钟)。
四、进样和分选准确性
由于玉米籽粒大小、形状不一,个别玉米籽粒会出现畸形或破碎的情况,影响进样和分选的准确性,产生进样的位置有偏差、分选时种子被扫得过远或过近等情况。为测试本发明提供的固体单粒无损检测与自动化分选系统的进样和分选的准确性,6个品种各随机选取100粒种子进行纯度分选实验,实验结果显示,平均每100粒种子中,会有2到3粒出现进样或分选不准确,进样和分选的准确性约为97%,满足要求。不同玉米品种情况不一致,有些品种的籽粒大小、形状比较统一,进样和分选的准确性接近100%,如农大108、洛单248等;有些品种则籽粒畸形和破碎的情况较多,进样和分选的准确性只有95%,如农华032、NH101等。
综上所述,本发明提供的固体单粒无损检测与自动化分选系统及固体单粒分选方法,具有以下有益效果:
1、实现了进样、鉴别和分选各个过程的自动化,系统工作过程中不用人为干预,节省了人力和时间。
2、采用近红外光谱漫透射分析方法,可以采集到固体籽粒完整的内部信息,克服了固体籽粒位置效应对光谱信号的影响,可以准确对固体籽粒的性质进行分析。
3、提出了一整套光谱信号预处理、特征提取和鉴别模型建立方法,为固体籽粒的正确分选提供了保证。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种固体单粒无损检测与自动化分选系统,其特征在于,所述系统包括固体单粒进样装置、籽粒传送装置、光谱数据采集装置、籽粒分选装置、PLC控制部件以及分别与所述光谱数据采集装置和PLC控制部件相连接的上位机;
所述固体单粒进样装置,用于将待测籽粒放置到所述籽粒传送装置上;
所述籽粒传送装置,用于承载所述待测籽粒沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动;
所述光谱数据采集装置,用于采集放置在所述籽粒传送装置上的固体籽粒的近红外透射光谱,并将光谱数据上传到所述上位机;
所述籽粒分选装置,用于对所述籽粒传送装置上的固体籽粒进行分选;
所述PLC控制部件,与所述固体单粒进样装置、籽粒传送装置和籽粒分选装置连接,用于根据所述上位机的指令对所述固体单粒进样装置、籽粒传送装置和籽粒分选装置进行控制;
所述上位机,用于根据所述光谱数据采集装置上传的光谱数据建立固体籽粒类别鉴别模型,根据所述模型对待测籽粒进行定性鉴别,当待测籽粒移动到籽粒分选装置时,根据鉴别结果通知PLC控制部件控制籽粒分选装置进行分选;
所述籽粒传送装置包括第二驱动部件和圆形转盘,所述第二驱动部件与所述PLC控制部件连接,用于驱动所述圆形转盘沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动;
所述圆形转盘边缘等间隔的分布着圆形的孔洞,用于放置待测籽粒,所述孔洞的一侧设有用于调整孔洞大小的调整部件
所述固体单粒进样装置,包括传动部件、第一驱动部件和末端抓取部件,所述第一驱动部件与PLC控制部件连接,通过所述传动部件驱动所述末端抓取部件进行抓取;所述传动部件的机械臂为螺纹传动,末端抓取部件采用空气负压抓取的方式。
2.根据权利要求1所述的系统,其特征在于,所述固体单粒进样装置位于所述籽粒传送装置的上方,所述光谱数据采集装置以及所述籽粒分选装置依次设置在所述籽粒传送装置的转动方向上,所述籽粒传送装置依次沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动,以实现对放置在所述籽粒传送装置上的固体籽粒的光谱数据采集和分选。
3.根据权利要求1或2所述的系统,其特征在于,所述光谱数据采集装置包括近红外光源和光谱仪;
所述近红外光源和光谱仪设置在所述籽粒传送装置的上下两侧,所述近红外光源和光谱仪同轴设置。
4.如权利要求1或2所述的系统,其特征在于,所述籽粒分选装置包括分选刷,分选臂和第三驱动部件,所述第三驱动部件与所述PLC控制部件连接,通过所述分选臂驱动所述分选刷对待测籽粒进行分选。
5.一种基于如权利要求1-4任一所述的固体单粒无损检测与自动化分选系统的固体单粒分选方法,其特征在于,所述方法包括:
当检测到固体单粒进样装置将待测籽粒放置到籽粒传送装置上时,上位机向PLC控制部件发送第一指令,以控制籽粒传送装置承载所述待测籽粒沿着从所述光谱数据采集装置到所述籽粒分选装置的方向移动;
光谱数据采集装置采集放置在所述籽粒传送装置上的固体籽粒的近红外透射光谱,并将该近红外透射光谱上传到所述上位机;
上位机根据预先建立的鉴别模型对接收到的近红外透射光谱进行定性鉴别;
当所述待测籽粒移动至所述籽粒分选装置时,上位机根据鉴别结果通知PLC控制部件控制所述籽粒分选装置进行分选。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:预先建立不同类别固体籽粒的鉴别模型,具体为:
采集不同类别固体籽粒的近红外透射光谱;
对各个类别固体籽粒的近红外透射光谱进行数据预处理;
对预处理后的近红外透射光谱进行特征提取,得到各个类别固体籽粒的光谱特征;
根据所述各个类别固体籽粒的光谱特征建立不同类别固体籽粒的鉴别模型。
7.根据权利要求6所述的方法,其特征在于,
所述数据预处理的方法包括平滑滤波法、差分导数、数据中心化、标准化中至少一种;
所述特征提取的方法包括主成分分析法、偏最小二乘分析法以及正交化线性判别分析法中至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510355571.1A CN104990890B (zh) | 2015-06-24 | 2015-06-24 | 固体单粒无损检测与自动化分选系统及固体单粒分选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510355571.1A CN104990890B (zh) | 2015-06-24 | 2015-06-24 | 固体单粒无损检测与自动化分选系统及固体单粒分选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104990890A CN104990890A (zh) | 2015-10-21 |
CN104990890B true CN104990890B (zh) | 2018-07-03 |
Family
ID=54302730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510355571.1A Expired - Fee Related CN104990890B (zh) | 2015-06-24 | 2015-06-24 | 固体单粒无损检测与自动化分选系统及固体单粒分选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104990890B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037001A (zh) * | 2017-06-15 | 2017-08-11 | 中国科学院半导体研究所 | 一种基于近红外光谱技术的玉米单倍体籽粒鉴别方法 |
CN110174357A (zh) * | 2019-04-12 | 2019-08-27 | 浙江大学 | 一种杂交秋葵种子分类鉴别装置和方法 |
CN112676194B (zh) * | 2020-12-10 | 2021-10-01 | 中国农业大学 | 种子分拣检测装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102179375A (zh) * | 2011-03-09 | 2011-09-14 | 中国科学院合肥物质科学研究院 | 一种基于近红外作物单籽粒成分无损检测筛选方法 |
WO2012038350A1 (en) * | 2010-09-20 | 2012-03-29 | Syngenta Limited | Improved method for obtaining substantially pure hybrid cereal seed and machine for use thereof |
CN102960096A (zh) * | 2012-11-13 | 2013-03-13 | 中国科学院合肥物质科学研究院 | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 |
CN103521465A (zh) * | 2013-10-29 | 2014-01-22 | 中国科学院半导体研究所 | 一种固体籽粒的自动检测与分选系统及方法 |
CN103706574A (zh) * | 2013-12-25 | 2014-04-09 | 中国科学院半导体研究所 | 一种固体籽粒自动分拣系统 |
CN104588329A (zh) * | 2014-11-28 | 2015-05-06 | 中国科学院半导体研究所 | 基于近红外漫透射光谱的种子自动鉴别分选装置 |
-
2015
- 2015-06-24 CN CN201510355571.1A patent/CN104990890B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012038350A1 (en) * | 2010-09-20 | 2012-03-29 | Syngenta Limited | Improved method for obtaining substantially pure hybrid cereal seed and machine for use thereof |
CN102179375A (zh) * | 2011-03-09 | 2011-09-14 | 中国科学院合肥物质科学研究院 | 一种基于近红外作物单籽粒成分无损检测筛选方法 |
CN102960096A (zh) * | 2012-11-13 | 2013-03-13 | 中国科学院合肥物质科学研究院 | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 |
CN103521465A (zh) * | 2013-10-29 | 2014-01-22 | 中国科学院半导体研究所 | 一种固体籽粒的自动检测与分选系统及方法 |
CN103706574A (zh) * | 2013-12-25 | 2014-04-09 | 中国科学院半导体研究所 | 一种固体籽粒自动分拣系统 |
CN104588329A (zh) * | 2014-11-28 | 2015-05-06 | 中国科学院半导体研究所 | 基于近红外漫透射光谱的种子自动鉴别分选装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104990890A (zh) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108474733B (zh) | 用于表征样品容器和样品的方法和装置 | |
US11313869B2 (en) | Methods and apparatus for determining label count during specimen characterization | |
US10746665B2 (en) | Methods and apparatus for classifying an artifact in a specimen | |
CN104990890B (zh) | 固体单粒无损检测与自动化分选系统及固体单粒分选方法 | |
EP3408648A1 (en) | Methods and apparatus for imaging a specimen container and/or specimen using multiple exposures | |
CN104990892B (zh) | 种子的光谱图像无损鉴别模型建立方法及种子鉴别方法 | |
CN102179375A (zh) | 一种基于近红外作物单籽粒成分无损检测筛选方法 | |
CN102830087A (zh) | 基于近红外光谱技术快速鉴别餐饮废弃油脂的方法 | |
CN107818298A (zh) | 用于机器学习物质识别算法的通用拉曼光谱特征提取方法 | |
CN104062262A (zh) | 一种基于近红外光谱的作物种子品种真实性鉴别方法 | |
CN102788794A (zh) | 基于多传感信息融合的叶菜类蔬菜叶片农药残留检测装置及方法 | |
CN105043998B (zh) | 一种鉴别玉米单倍体的方法 | |
CN102841072A (zh) | 基于近红外光谱鉴别转基因水稻和非转基因水稻的方法 | |
CN104345045A (zh) | 一种基于化学模式识别和近红外光谱的相似药材鉴别方法 | |
CN109685098B (zh) | 一种模糊簇间分离聚类的茶叶品种分类方法 | |
CN205762405U (zh) | 用于在线无损检测苹果霉心病设备的分选装置 | |
Shahin et al. | Lentil type identification using machine vision | |
CN107121408A (zh) | 食用植物油品种的快速无损鉴别方法 | |
Daskalov et al. | Performance of an automatic inspection system for classification of Fusarium Moniliforme damaged corn seeds by image analysis | |
CN104588329A (zh) | 基于近红外漫透射光谱的种子自动鉴别分选装置 | |
CN109937912A (zh) | 一种基于机器视觉的鸡蛋分类系统及方法 | |
CN109934297A (zh) | 一种基于深度学习卷积神经网络的水稻考种方法 | |
Ahmad et al. | Development of automatic grading machine prototype for citrus using image processing | |
CN103411929B (zh) | 一种稻米透明度检测方法 | |
CN102809635B (zh) | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180703 Termination date: 20200624 |