CN107209160A - 带有自动重量校准的基于视觉的分级 - Google Patents

带有自动重量校准的基于视觉的分级 Download PDF

Info

Publication number
CN107209160A
CN107209160A CN201680008885.7A CN201680008885A CN107209160A CN 107209160 A CN107209160 A CN 107209160A CN 201680008885 A CN201680008885 A CN 201680008885A CN 107209160 A CN107209160 A CN 107209160A
Authority
CN
China
Prior art keywords
food
weight
image
grade
shrimp
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
CN201680008885.7A
Other languages
English (en)
Other versions
CN107209160B (zh
Inventor
B·F·泰勒
R·S·拉佩尔
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.)
Laitram LLC
Original Assignee
Laitram LLC
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 Laitram LLC filed Critical Laitram LLC
Publication of CN107209160A publication Critical patent/CN107209160A/zh
Application granted granted Critical
Publication of CN107209160B publication Critical patent/CN107209160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • 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
    • B07C5/16—Sorting according to weight
    • B07C5/32—Sorting according to weight with associated check-weighing means
    • 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
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
    • 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
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0081—Sorting of food items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Sorting Of Articles (AREA)

Abstract

使用自动校准成像系统对诸如虾和鸡部件的食品进行分级的方法和设备。将被单个化的食品单独成像。根据每个食品的图像和图像到重量函数计算其估计重量。校准称重器在成像前或成像后单独或分批次对食品进行称重。将实际重量与估计重量进行比较，以调整图像到重量函数并改进重量估计。

Description

带有自动重量校准的基于视觉的分级
技术领域
本发明总体上涉及分级或尺寸测量，并且更具体地，涉及单体食品的基于视觉的分级。
背景技术
单独加工而未进一步细分的诸如虾和鸡部件的食品通常必须按尺寸或重量分拣成多个等级。例如，通常使用以下三种方法中的一种按照重量对有头部、无头部和去皮的虾进行分级：
A)人工，其中，在对于虾的重量进行视觉估计或在称重器上单独称重后将虾放置在合适的分级箱中；
B)使用诸如称重带的检重机，其中，虾在通过致动门输送到合适的分级箱中之前在覆盖带的称重器上每次通过一个；或者
C)使用基于虾的宽度将虾进行分拣的诸如辊间隙分级机的机械设备，其中，借助于相邻辊之间的发散的间隙，越大的虾在通过间隙落入顺序的分级箱前沿着倾斜辊前进越远。
所有这些方法都具有显著的缺点。如果对虾单独称重，则方法A极其耗时，并且如果视觉估计虾的尺寸，则方法A极不准确。方法B允许更快地称重各个虾，但是当各个虾被称重时，检重机的准确性受到影响，并且由于每次只能容纳一个虾，使得处理量有限。方法C允许更高的处理量，但是由于虾重量与辊间隙的相关性受到诸如辊速度和水流量的一些可控变量和诸如虾形状、质地和硬度的一些不可控变量的多个变量的影响而相对不准确。
发明内容
一种体现本发明的特征的用于对食品进行分级的方法，包括：(a)对一批单体食品进行单个化；(b)将食品中的每个成像，以产生食品中的每个的图像；(c)使用图像到重量函数来计算食品中的每个的估计重量；(d)对食品的样品进行称重，以产生样品中的被称重的食品的实际重量；(e)将估计重量与实际重量进行比较；(f)基于估计重量与实际重量的比较来调节图像到重量函数；和(g)将食品分级成多个等级。
在本发明的另一方面，一种分级系统，包括：产生一批食品中的每个的图像的成像系统以及根据图像计算食品中的每个的估计重量的控制器。控制器还计算图像到重量函数并基于食品的估计重量将食品中的每个分配至多个等级中的一个。分拣器基于分配给食品的等级将食品中的每个分拣到多个分级通路中的一个。位于分级通路中的每个中的校准称重器产生处于等级中的每个的食品的实际重量。控制器基于等级中的每个的估计重量与实际重量的比较来调节图像到重量函数。
附图说明
图1是体现本发明的特征的基于视觉的分级系统的一种型式的俯视平面图；
图2是体现本发明的特征的基于视觉的分级系统的包括校准通路的另一型式的俯视平面图；
图3是图2或图1的分级系统的运行的流程图；以及
图4是体现本发明的特征的基于视觉的分级系统的在成像前执行称重的又一型式的框图。
具体实施方式
图1示出了用于将诸如鸡部件和虾的单体食品分拣成各种等级的分级系统9的一种型式。为了简化说明，使用对虾的分级作为示例。供料罐12中的一批原料虾10在一个或多个(在本示例中为四个)单个化输送机16上被输送至成像系统14，一个或多个单个化输送机16将虾18形成为在各个传送通道20上的单个纵列。传送通道输送机将被单个化的虾18通过成像系统14并经由输出通道输送机24输送到包括分级箱22的下游分级通路21。
成像系统包括一个或多个相机26以及在相机的视场中照亮虾18的一个或多个光源28。相机26产生被单个化的虾18的图像。数字图像29被发送至具有图像处理能力的控制器30。控制器30使用提供从图像到重量的转换因子的图像到重量函数将被成像的虾中的每个的二维(2D)投影面积或相机像素数转换为估计重量。根据估计重量，控制器30将每个虾分配至分级箱22中的一个。每个分级箱是估计重量位于预定重量范围或等级内的虾的终点。为了提高重量估计的准确性，三维(3D)成像技术可用于估计每个虾的体积，对于均匀质量密度的虾，体积直接正比于重量。实现3D成像的一种方法是通过将侧视相机或激光幕传感器添加到成像系统14，以检测位于传送输送机20上的虾18的第三维度，即厚度或高度。可替代地，以一定角度错开的成对相机可用于将虾立体地成像。或者，作为另一示例，线扫描激光系统可用作相机，以产生每个虾的3D图像。此外，可以使用一个或多个相机重新构建每个虾的3D形貌，以对投影在虾上的平行或相交的激光线的失真进行成像和分析。
无论使用2D、3D还是用于估计每个虾的重量的一些其它方法，基于视觉的重量分级具有其它优点。可以检测并测量除重量以外的属性。虾是完整的还是缺失其食用部分中的一小部分、虾具有尾节附接还是具有过多喉肉、以及虾是否有残留壳(例如，可以用感测UVc荧光的相机检测)都是成像系统可以确定的其它属性的示例。
在成像系统14下游的分拣器31中通过诸如螺线管致动式空气喷嘴的推出致动器32实现分拣，推出致动器32将被成像的虾34从传送通道20的侧部推出到分级通道24上。控制器30通过推出控制线36上的推出信号控制推出致动器32，以将每个虾转移至其被指定的终点箱22。根据成像系统14下游的传送输送机20的速度的先验知识，控制器30获知何时对致动器32通电，以便将每个虾34分拣至合适的箱。控制器30也可以通过控制线37调节传送输送机20的速度。诸如不可识别的成像物品、虾粒、具有残留壳或附肢的虾、邻接虾以及不符合所选质量或尺寸标准的虾的不合格品38被输送离开传送输送机20的端部至返回输送机40上。邻接虾由于未被单个化而不合格，但是其是以其它方式可接受的，邻接虾在拣选工位42处被从其它不合格品中拣选出来并且通过诸如输送机或槽的再循环器44或工厂操作员返回至供料罐12。全部不合格品46被从分级系统9移除。
由于运送至输出分级通路21中的一个的每个虾的估计重量和质量是已知的，所以控制器30可以跟踪、趋势分析和显示通过分级系统9的总处理量、每个等级或质量类别的处理量、以及每个等级的平均尺寸和方差。可由用户通过控制器30设定每个等级范围的边界和目标平均值以及初始或手动调节的图像到重量函数。重量变化和质量度量可以与用户定义的统计过程控制限值进行实时比较，以修改操作符(operators)并在超出极限值时采取校正控制动作。可以基于客户指定的过程控制限值和诸如基于尺寸的虾成本和产品价格的经济考虑来优化重量和质量分拣标准，从而用分级的虾供应更有利可图的订单。多个输出通道24可由控制器30配置，以处理单个等级，从而适应集中在某些尺寸范围的高处理量。
虾的估计重量受到由于自然原因或由于诸如物理压缩、水分损失和增加的处理造成的虾生理学变化的影响。因此，使用将图像与估计重量相关的固定的图像到重量函数使得估计中的误差会随着虾生理学的变化而改变。为了最小化这种估计误差，控制器根据被称重的每个虾或一批次虾连续或周期性地调节图像到重量函数。图像到重量函数的数学域由图像尺寸范围的元素组成。分配给图像到重量函数的域的每个元素是在诸如多项式公式的转换公式中使用的一个或多个转换系数的集合，以将虾的图像尺寸转换成估计重量。对于三次多项式(Ax3+Bx2+Cx+D)，该集合将包括四个转换系数A、B、C、D，其中，A、B和C乘以图像尺寸x的相应幂，D是常数项。对于图像尺寸和估计重量之间的纯线性关系，该集合将包括对应于在前一句的多项式中A＝B＝D＝0时的系数C的单个转换值。转换系数的集合数目等于域中的元素数目。例如，如果对所有虾尺寸使用具有相同转换系数集合的相同转换公式，则域仅包括一个元素：虾尺寸的整个范围。在这种情况中，图像到重量函数是可调节的常数。作为另一示例，如果每个等级中的所有虾都使用具有相同系数集合的相同转换公式，但转换公式或不同的转换系数可以因等级而异，则图像到重量函数的域的元素是等级本身。因此，如果有五个等级(五个域元素)，则将有定义图像到重量函数的转换系数的五个可独立调节的集合。也可以具有比等级更多或更少的域元素。换言之，可调节的转换公式不必与等级一致。在这种情况中，虾图像尺寸的整个范围被分成与等级不一致的连续图像尺寸范围，每个尺寸范围构成图像到重量函数的域的元素。并且相应的转换公式或转换系数的集合被分配给这些尺寸范围(域元素)中的每个。因此，在这种情况中，图像到重量函数由用于每个尺寸范围的转换系数的可调节集合组成。控制器30也可以使用诸如线性插值的插值技术，以改进重量估计。例如，假设图像到重量函数具有五个等级(按增量顺序为G1、G2、G3、G4、G5)的域并且用于每个等级的转换公式仅包括单个转换系数(C1、C2、C3、C4、C5)。图像的尺寸在G3级中部的虾的估计重量被使用系数C3计算。但是，图像的尺寸在G3级下半部的虾的估计重量可以通过使用在系数C2和C3的值之间插入的转换系数来估计。以这种方式，插值可用于增强由可调节的图像到重量函数提供的估计。转换公式可以产生绝对重量估计或对标称估计重量值的偏差。除了通过转换公式表示外，图像到重量函数也可以在用于连续的图像尺寸范围或像素计数的图像到重量函数值的查找表中实现。并且图像到重量函数值可以是绝对值或与标称值的偏差。
如图1所示，每个分级通路21具有相关联的校准称重器48，校准称重器48可以是例如称量斗或称重带。分拣至每个分级箱22的虾50通过校准称重器48单独称重或作为在箱中积聚的一批次虾进行称重。校准称重器48测量每个虾或一批次虾的实际重量，并通过数据线51将这些重量值发送至控制器30。控制器将每个虾或一批次虾的实际重量与该虾或构成该批次的虾的估计重量进行比较。根据该数据，控制器30计算针对用于估计被成像的虾的重量的该等级的更新的图像到重量函数。当分级箱22中的每个批次完成时，控制器30清空箱以释放该批次并开始接受新的批次。为了确认虾抵达给定的分级箱22，诸如在每个箱上游的低分辨率相机或激光幕传感器52的合适且成本有效的装置可以通过信号线54向控制器30发出虾已抵达的信号。以这种方式，在图像到重量函数的自动调节中不使用未到达其指定终点箱的虾。并且那些丢失的虾被与其它不合格品38一起被输送离开传送输送机的端部。
图2中的分级系统55除了仅在成像系统20下游使用单个校准称重器56外，类似于图1的分级系统。单个校准称重器56与具有校准箱60的校准通路58相关联。控制器30基于可配置的调度或事件驱动通过校准线62致动校准通路致动器64，以将符合诸如所选择的等级或图像到重量函数的域的元素的可配置批次标准的虾从传送通道18转移至校准通路58。在校准称重器56测量每个虾或一批次虾的实际重量后，重量值通过数据线66被发送给控制器30。随后，控制器30将每个虾或一批次虾的实际重量值与估计重量进行比较，以计算可以是通用(适用于所有虾)或针对符合批次标准的虾更新的图像到重量函数。当校准批次68完成时，箱60被清空并准备好用于新的校准批次。控制器30可以根据循环调度将合格的虾转移至校准通路58，或者可以根据通过将包括更多虾的那些批次调度成被更频繁地校准的自定义顺序来转移它们。通过这种方法，仅虾的总处理量的一小部分必须被转移至单个校准通路58，从而产生充足数目的图像估计重量和实际重量数据对，从而使得能频繁、准确地更新图像到重量函数。并且由于图2所示的型式仅使用一个校准称重器56，所以它可以具有比在图1所示的多级通路21中使用的低质量校准称重器48更高的质量，从而提供更低成本、更高性能的解决方案。
图2还示出了与分级箱22中的一个相关联的视频显示器65。显示系统可包括用于显示所有分级箱的信息的单个显示器、用于每个分级箱的专用显示器、或与相邻分级箱相关联的共用显示器。显示系统向操作员通知箱中的虾的如由控制器30所确定的各种情况，控制器30通过信号线67将显示数据发送至显示器65。当视频显示器与如在图2中的校准称重器56或者与图1的系统9中的校准称重器48一起使用时，视频显示器可以直接从校准称重器接收重量数据。特定于箱或全局显示的信息的示例是：(1)报警条件；(2)虾的数目；(3)每磅的虾计数；以及(4)均匀比(一批次中N个最大的虾的总重量与N个最小虾的总重量的比值，其中，N是表示通常高达批次中虾的总数的10％的整数)。关于不合格图像的信息(例如，诸如腿、松散的壳、触须、尾鳍、海藻和其它外来材料的无价值材料的图像；脱水、患病或异常的虾的图像；具有黑点的虾的图像；附有喉部的虾肉的图像；未正确清洁的虾的图像；虾片或破碎或缺损的虾的图像；具有残留的壳或头部的未正确剥离的虾的图像)也可以被显示在与返回输送机40相关联的显示器上。
图3的流程图示出了基本工艺。首先，将虾单个化70，使得它们可以被单独成像72。根据每个虾的图像，用图像到重量函数估计74它的重量。基于每个虾的估计重量，给每个被成像的虾分配76终点箱。随后，虾被输送78至它的指定终点箱。将终点箱中的每个虾或已知数目的虾称重80。将测得的实际重量与虾到虾或批次到批次的估计重量进行比较82。取决于比较，调节84图像到重量函数。例如，如果实际重量超过估计重量，则调节图像到重量函数，以增大由用于对应的域元素的转换公式提供的估计重量。可以作出调节的一种方式是使用线性回归曲线拟合用附加实际重量信息重新计算转换系数的集合。如果图像到重量函数存储在用于图像像素计数的连续范围的图像到重量值的查找表中，则可以基于附加重量信息重新计算各个图像到重量值。如果估计重量等于实际重量，则不作出图像到重量函数的调节。
分级系统的替代型式如图4所示。在这种布置中，虾在成像前被称重。虾以隔开的批次86输送至确定每个批次的实际重量的校准称重器88。随后，将该批次中的虾在单个化器90中单个化并输送至成像系统92，成像系统92产生各个被单个化的虾99中的每个的图像。与图1和图2所示的控制器相同的控制器使用该图像和图像到重量函数估计每个被单个化和成像的虾94的重量。控制器将每个虾分配给它的被指定的下游分级通路(未在图4中示出)，并计数每个批次的虾的数目。在将每个批次86中的各个虾94的累计估计重量与该批次的实际重量进行比较后，控制器调节图像到重量函数，以改进后续的重量估计。

Claims (25)

1.一种用于对食品进行分级的方法，包括：
对一批单体食品进行单个化；
将所述食品中的每个成像，以产生所述食品中的每个的图像；
使用图像到重量函数计算所述食品中的每个的估计重量；
对所述食品的样品进行称重，以产生所述样品中的被称重的食品的实际重量；
将所述估计重量与所述实际重量进行比较；
基于所述估计重量与所述实际重量的比较来调节所述图像到重量函数；
将所述食品分级成多个等级。
2.根据权利要求1所述的方法，其中，所述方法包括通过按照所述估计重量将所述食品中的每个分拣至校准称重器来将所述食品分级成所述多个等级，一个所述校准称重器对应于所述等级中的一个。
3.根据权利要求2所述的方法，其中，所述方法包括在所述校准称重器中单独或分批次称重所述食品。
4.根据权利要求1所述的方法，其中，所述食品的所述样品是全部所述食品的子集。
5.根据权利要求1所述的方法，其中，所述方法包括在对所述食品进行单个化前对所述食品的所述样品进行称重。
6.根据权利要求1所述的方法，其中，将所述食品中的每个的所述估计重量单独或分批次与所述实际重量进行比较。
7.根据权利要求1所述的方法，其中，所述方法进一步包括对所述单体食品进行计数。
8.根据权利要求1所述的方法，其中，所述方法进一步包括在校准周期期间将在所选估计重量范围内的食品转移至校准称重器。
9.根据权利要求1所述的方法，其中，所述方法进一步包括检测未被单个化的食品，并将所述未被单个化的食品再循环回待单个化的一批食品中。
10.根据权利要求1所述的方法，其中，所述食品的所述图像是二维或三维图像。
11.根据权利要求1所述的方法，其中，所述食品的所述图像是将所述食品的二维图像和第三测量维度组合的复合三维图像。
12.根据权利要求1所述的方法，其中，所述图像到重量函数对于所述多个等级中的每个是可调节的。
13.根据权利要求1所述的方法，其中，所述图像到重量函数对于与所述等级不一致的估计食品重量的范围是可调节的。
14.根据权利要求1所述的方法，其中，所述方法进一步包括显示与所述等级中的每个相关联的信息。
15.根据权利要求1所述的方法，其中，所述方法进一步包括除去不能够识别为可接受食品的东西。
16.一种分级系统，包括：
成像系统，所述成像系统产生一批食品中的每个的图像；
控制器，所述控制器根据所述食品的所述图像和图像到重量函数计算所述食品中的每个的估计重量，并且基于所述食品的所述估计重量将所述食品中的每个分配至多个等级中的一个；
分拣器，所述分拣器基于分配给所述食品的等级将所述食品中的每个分拣到多个分级通路中的一个；
位于所述分级通路中的每个中的校准称重器，所述校准称重器产生处于所述等级中的每个的食品的实际重量；
其特征在于，所述控制器基于所述等级中的每个的所述估计重量与所述实际重量的比较来调节所述图像到重量函数。
17.根据权利要求16所述的分级系统，其中，位于每个分级通路中的所述校准称重器产生分拣至所述分级通路的所述食品中的每个的实际重量。
18.根据权利要求16所述的分级系统，其中，位于每个分级通路中的所述校准称重器产生分拣至所述分级通路的一批次食品的实际重量。
19.根据权利要求16所述的分级系统，其中，所述分级系统进一步包括单个化器，所述单个化器对所述一批食品进行单个化，以便输送至所述成像系统。
20.根据权利要求19所述的分级系统，其中，所述分级系统进一步包括再循环器，所述再循环器将未被单个化的食品再循环回所述单个化器，以便进行单个化。
21.根据权利要求16所述的分级系统，其中，所述控制器对分配给所述等级中的每个的所述食品进行计数。
22.根据权利要求16所述的分级系统，其中，所述分级系统进一步包括显示系统，所述显示系统显示与所述分级通路中的每个相关联的信息。
23.一种分级系统，包括：
成像系统，所述成像系统产生一批食品中的每个的图像；
控制器，所述控制器根据所述食品的所述图像和图像到重量函数计算所述食品中的每个的估计重量，并且基于所述食品的所述估计重量将所述食品中的每个分配至多个等级中的一个；
分拣器，所述分拣器基于分配给所述食品的等级将所述食品中的每个分拣到多个分级通路中的一个；
校准通路，所述校准通路包括校准称重器，所述分拣器在校准周期期间将处于所选估计重量范围内的食品分拣至所述校准称重器，其中，所述校准称重器产生处于所述所选估计重量范围内的一批次食品的实际重量；
其特征在于，所述控制器通过将被分拣至所述校准通路的所述食品的所述实际重量与所述估计重量进行比较来调节所述图像到重量函数。
24.根据权利要求23所述的分级系统，其中，所述估计重量范围与所述等级中的一个相一致。
25.一种分级系统，包括：
校准称重器，所述校准称重器确定一批次食品的实际重量；
单个化器，所述单个化器对由所述校准称重器称重的所述一批次食品进行单个化；
成像系统，所述成像系统产生被单个化的食品中的每个的图像；
控制器，所述控制器根据所述食品的所述图像和图像到重量函数计算所述食品中的每个的估计重量，并且基于所述食品的所述估计重量将所述食品中的每个分配至多个等级中的一个；
分拣器，所述分拣器基于分配给所述食品的等级将所述食品中的每个分拣到多个分级通路中的一个；
其特征在于，所述控制器通过将所述食品的所述实际重量与所述估计重量进行比较来调节所述图像到重量函数。
CN201680008885.7A 2015-02-05 2016-02-03 带有自动重量校准的基于视觉的分级 Active CN107209160B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562112490P 2015-02-05 2015-02-05
US62/112,490 2015-02-05
PCT/US2016/016393 WO2016126835A1 (en) 2015-02-05 2016-02-03 Vision-based grading with automatic weight calibration

Publications (2)

Publication Number Publication Date
CN107209160A true CN107209160A (zh) 2017-09-26
CN107209160B CN107209160B (zh) 2020-08-11

Family

ID=56564644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680008885.7A Active CN107209160B (zh) 2015-02-05 2016-02-03 带有自动重量校准的基于视觉的分级

Country Status (6)

Country Link
US (1) US9886752B2 (zh)
EP (1) EP3253502B1 (zh)
CN (1) CN107209160B (zh)
DK (1) DK3253502T3 (zh)
MX (1) MX2017010093A (zh)
WO (1) WO2016126835A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107993203A (zh) * 2017-11-27 2018-05-04 吉林省艾斯克机电股份有限公司 一种家禽胴体影像分级方法及其分级系统
CN108906660A (zh) * 2018-06-27 2018-11-30 大族激光科技产业集团股份有限公司 一种激光打标产品的自动检测分拣装置
CN109848066A (zh) * 2019-02-28 2019-06-07 南京林业大学 青梅分选装置及方法
CN115103595A (zh) * 2020-03-04 2022-09-23 莱特拉姆有限责任公司 虾加工系统

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9266148B2 (en) * 2014-06-27 2016-02-23 Key Technology, Inc. Method and apparatus for sorting
CA2980977A1 (en) * 2015-03-27 2016-10-06 Unitec S.P.A. Assembly for handling fruit and vegetable products
NL2015008B1 (nl) * 2015-06-22 2017-01-24 De Greef's Wagen- Carrosserie-En Machb B V Sorteersysteem voor het sorteren van producten en werkwijze daarvoor.
US9999906B2 (en) * 2016-06-29 2018-06-19 John Bean Technologies Corporation Sorter
JP6426672B2 (ja) * 2016-08-30 2018-11-21 ファナック株式会社 ワーク仕分けシステムおよび方法
EP3538886B1 (en) * 2016-11-14 2023-04-26 Marel Iceland EHF A system and a method for processing meat pieces
CN106719236B (zh) * 2017-03-20 2022-12-06 广东何氏水产有限公司 一种鱼类分选暂养打包装置
EP3681293A4 (en) * 2017-09-05 2021-08-18 Laitram, LLC INDIVIDUALIZATION AND SEPARATION SYSTEM FOR A SHRIMP PROCESSOR
CN108246652A (zh) * 2018-02-05 2018-07-06 格润智能光伏南通有限公司 一种硅胶检测装置
JP2020038170A (ja) * 2018-09-05 2020-03-12 株式会社イシダ 包装検査装置、生産システム、制御方法、および制御プログラム
WO2020121341A1 (en) * 2018-12-14 2020-06-18 Skaginn Hf. System and method for generating vision and weighing information for grading devices
AU2020218834A1 (en) * 2019-02-06 2021-09-23 Marel Salmon A/S Food processing device and method
CN114364465B (zh) * 2019-07-15 2024-08-20 卡宾普兰特国际股份有限公司 用于分批处理多个物品的方法及系统
ES2928771T3 (es) * 2020-02-27 2022-11-22 Pixxize Gmbh Sistema y procedimiento para registrar el peso de animales
EP4319560A1 (de) * 2021-04-06 2024-02-14 Nordischer Maschinenbau Rud. Baader Gmbh + Co Kg Verfahren und vorrichtung zur erkennung von fehlstellen in der oberfläche gewölbter artikel
NO20220528A1 (en) * 2022-05-09 2023-11-10 Optimar As System and method for estimating weight of biomass
IL293023B2 (en) * 2022-05-15 2023-11-01 Freezem Cryogenics Ltd System and method for dosing insects
CN115069592B (zh) * 2022-07-25 2022-11-11 青岛锐智智能装备科技有限公司 一种用于称重式分级机的自动化控制系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4975863A (en) * 1988-06-16 1990-12-04 Louisiana State University And Agricultural And Mechanical College System and process for grain examination
US5383561A (en) * 1992-12-29 1995-01-24 Ishida Co., Ltd. Weight checker-sorter
JPH10137695A (ja) * 1996-11-14 1998-05-26 Kubota Corp 選果装置
CA2280364A1 (en) * 1999-08-16 2001-02-16 Daniel J. Kenway Grading system for particulate materials especially cereal grains
CN1940555A (zh) * 2006-09-04 2007-04-04 江苏大学 一种农产品内外品质检测方法及装置
CN101912847A (zh) * 2010-08-02 2010-12-15 扬州福尔喜果蔬汁机械有限公司 基于dsp机器视觉的水果分级系统及方法
CN101957313A (zh) * 2010-09-21 2011-01-26 吉林大学 鲜玉米果穗质量的计算机视觉检测分级方法及装置
CN102947858A (zh) * 2010-04-08 2013-02-27 帕斯科数码有限责任公司（商业用为奥姆尼克斯有限责任公司） 包括重叠边缘对比的图像质量评价

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2964181A (en) 1956-05-17 1960-12-13 Peelers Company Grading and separating device
JPS5919577A (ja) * 1982-07-22 1984-02-01 株式会社マキ製作所 果実そ菜類の選別方法と装置
US5201259A (en) * 1987-11-12 1993-04-13 Lamb-Weston, Inc. Food processing apparatus
US4979418A (en) * 1987-11-12 1990-12-25 Lamb-Weston, Inc. Food processing apparatus
CA1251863A (en) 1988-02-29 1989-03-28 Kevin Mccarthy Fish sorting machine
JPH0458373A (ja) 1990-06-28 1992-02-25 Hitachi Plant Eng & Constr Co Ltd 貝類の等階級選別方法及びその装置
US5244100A (en) 1991-04-18 1993-09-14 Regier Robert D Apparatus and method for sorting objects
US5526437A (en) 1994-03-15 1996-06-11 Key Technology, Inc. Integrated food sorting and analysis apparatus
US5659624A (en) 1995-09-01 1997-08-19 Fazzari; Rodney J. High speed mass flow food sorting appartus for optically inspecting and sorting bulk food products
JP3587745B2 (ja) 1999-09-08 2004-11-10 株式会社ニチレイ 甲殻類の剥ぎ残し殻の検出排除方法及び装置
SE0102395D0 (sv) 2001-07-04 2001-07-04 Bomill Ab A new method
ATE360192T1 (de) 2002-02-13 2007-05-15 Marel Hf Batch-verfahren mit rückmeldekorrektur
US20050137744A1 (en) * 2003-12-19 2005-06-23 Johnson Food Equipment, Inc. Method and apparatus for product separation and processing
US8869990B2 (en) * 2007-02-07 2014-10-28 Scanvaegt International A/S Method and system for processing of food items
EP2174552A1 (en) 2008-10-09 2010-04-14 Cabinplant A/S A method of processing shrimps and a shrimp processing plant
US8647121B1 (en) * 2008-10-17 2014-02-11 Yottamark, Inc. Food item grading
BE1018917A3 (nl) 2009-02-24 2011-11-08 Pattyn Packing Lines Nv Inrichting voor het afscheiden van een vooraf bepaalde hoeveelheid stukgoederen.
WO2010142413A1 (en) 2009-06-08 2010-12-16 Marel Hf A system and method for sorting of items prior to processing
NZ603252A (en) 2010-05-07 2014-11-28 Marel Hf Fat/meat grading method and system
DE102010024784B4 (de) 2010-06-23 2022-03-31 Baumer Inspection Gmbh Multisensorielle Anordnung für die optische Inspektion und Sortierung von Schüttgütern
EP2670538A1 (en) 2011-02-02 2013-12-11 Laitram, LLC System and method for grading articles and selectively mixing graded articles
EP2653413A1 (en) * 2012-04-19 2013-10-23 Marel Iceland EHF A conveyor system and a method for producing a sequence of discrete food items from plurality of incoming food objects
CA2833488C (en) 2012-12-19 2020-07-28 Laitram, L.L.C. Shrimp processing system and methods
CN203018326U (zh) 2012-12-21 2013-06-26 浙江大学 一种基于机器视觉技术的对虾品质检测分级装置
US9314206B2 (en) * 2013-11-13 2016-04-19 Memphis Technologies, Inc. Diet and calories measurements and control

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4975863A (en) * 1988-06-16 1990-12-04 Louisiana State University And Agricultural And Mechanical College System and process for grain examination
US5383561A (en) * 1992-12-29 1995-01-24 Ishida Co., Ltd. Weight checker-sorter
JPH10137695A (ja) * 1996-11-14 1998-05-26 Kubota Corp 選果装置
CA2280364A1 (en) * 1999-08-16 2001-02-16 Daniel J. Kenway Grading system for particulate materials especially cereal grains
CN1940555A (zh) * 2006-09-04 2007-04-04 江苏大学 一种农产品内外品质检测方法及装置
CN102947858A (zh) * 2010-04-08 2013-02-27 帕斯科数码有限责任公司（商业用为奥姆尼克斯有限责任公司） 包括重叠边缘对比的图像质量评价
CN101912847A (zh) * 2010-08-02 2010-12-15 扬州福尔喜果蔬汁机械有限公司 基于dsp机器视觉的水果分级系统及方法
CN101957313A (zh) * 2010-09-21 2011-01-26 吉林大学 鲜玉米果穗质量的计算机视觉检测分级方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗艳: "基于机器视觉技术的对虾规格检测方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107993203A (zh) * 2017-11-27 2018-05-04 吉林省艾斯克机电股份有限公司 一种家禽胴体影像分级方法及其分级系统
CN108906660A (zh) * 2018-06-27 2018-11-30 大族激光科技产业集团股份有限公司 一种激光打标产品的自动检测分拣装置
CN108906660B (zh) * 2018-06-27 2021-03-16 大族激光科技产业集团股份有限公司 一种激光打标产品的自动检测分拣装置
CN109848066A (zh) * 2019-02-28 2019-06-07 南京林业大学 青梅分选装置及方法
CN115103595A (zh) * 2020-03-04 2022-09-23 莱特拉姆有限责任公司 虾加工系统
CN115103595B (zh) * 2020-03-04 2024-01-26 莱特拉姆有限责任公司 虾加工系统

Also Published As

Publication number Publication date
DK3253502T3 (da) 2022-02-28
US9886752B2 (en) 2018-02-06
US20160232656A1 (en) 2016-08-11
MX2017010093A (es) 2018-03-23
EP3253502B1 (en) 2021-12-22
WO2016126835A1 (en) 2016-08-11
EP3253502A1 (en) 2017-12-13
EP3253502A4 (en) 2018-08-29
CN107209160B (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN107209160A (zh) 带有自动重量校准的基于视觉的分级
CA2833488C (en) Shrimp processing system and methods
US9622492B2 (en) Shrimp processing system and methods
EP2440064A1 (en) A system and method for sorting of items prior to processing
AU2020218834A1 (en) Food processing device and method
CN104596423A (zh) 一种基于图像的烟梗外形结构检测方法及装置
EP3139753B1 (en) Apparatus and method for tracing with vision
Sabanci et al. Weight estimation of wheat by using image processing techniques
US9861112B2 (en) Batching with vision
CN110018164A (zh) 一种基于立体成像的鸡胸肉木质化等级分级方法及装置
CN115311505A (zh) 基于云服务大数据平台的蚕茧分类方法及收购系统
Dalai et al. A Vision based Smart Multihead Weighing Machine for Automated Food Packager System
Dibet Garcia Gonzalez et al. Automated vision system for cutting fixed-weight or fixed-length frozen fish portions
US11607712B2 (en) Feedback correction for grading systems
US20240037771A1 (en) A method and a system for determining a weight estimate of a food item
Judal et al. Role of machine vision system in food quality and safety evaluation
EP2547462A1 (en) Device and method for processing small, lightweight objects
WO2023219514A1 (en) System and method for estimating weight of biomass
TH137862A (th) ระบบและวิธีการการเข้ากระบวนการกุ้ง (Shrimp Processing System and Methods)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant