CN108885169B - 谷类的精磨度评价方法及其装置 - Google Patents
谷类的精磨度评价方法及其装置 Download PDFInfo
- Publication number
- CN108885169B CN108885169B CN201780018893.4A CN201780018893A CN108885169B CN 108885169 B CN108885169 B CN 108885169B CN 201780018893 A CN201780018893 A CN 201780018893A CN 108885169 B CN108885169 B CN 108885169B
- Authority
- CN
- China
- Prior art keywords
- grain
- image
- bran
- wavelength component
- pixels
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02B—PREPARING GRAIN FOR MILLING; REFINING GRANULAR FRUIT TO COMMERCIAL PRODUCTS BY WORKING THE SURFACE
- B02B7/00—Auxiliary devices
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
Abstract
本发明提供能够抑制糠部分与胚乳部分之间的误识别,而且没有个人差异的谷类的精磨度评价方法及其装置。谷类的精磨度评价方法具备:染色步骤,使用染色液对谷粒进行染色;照射步骤,对谷粒照射光;图像获取步骤,获取被照射光的谷粒的图像;以及精磨度判别步骤,针对构成由图像获取步骤获取到的谷粒一粒的图像的多个像素的每个,基于预先决定的基准来区分是与糠部分对应还是与胚乳部分对应,并在与糠部分对应的像素存在规定数以上或者规定比例以上时,判别为与由多个像素构成的图像对应的谷粒是有残留糠的精磨不良粒。
Description
技术领域
本发明涉及谷类的精磨度评价方法及其装置。
背景技术
以往,已知若去除谷粒的外皮而制成精白粒则会提高消化吸收、口感。在米粒的情况下,通过将作为原料的糙米供给给精米机进行精磨(精白)来进行除糠,从而加工成精白米。而且,将糙米加工成精白米时的成品率,即精加工精白米相对于糙米的重量比例在产品上有所显示。该成品率也与精白米的白的程度具有关联。即,随着精米逐渐变多,米粒的重量减少(重量减少去除糠层的量。将此时的糠的去除比例称为成品率、或精磨程度、或精白程度。以下,统称为“精磨度”),另一方面若从糙米去除糠层,则随着接近胚乳部(向白米过渡),米粒表面的颜色的白(以下,称为“白度”)增加。
在将糙米加工成精白米时的精白的程度能够通过这些精磨度和白度来进行评价。然而,根据精米机的种类、性能或精米方法,有时即使是相同的精磨度,白度也会不同,或者即使是白度相同,精磨度也会不同。认为该差异是由碎米率、糠层的剥离程度所引起的。
作为评价糙米的糠层的剥离程度的方法,已知作为化学评价的方法的利用新MG试剂(以下,称为“NMG染色液”)的米粒的染色法,已经在研究机构、精米工厂等实施。该试剂将糙米的果皮,将种皮部染成绿色,将糊粉层染成蓝色,并将胚乳部染成粉色。
然而,由于该评价方法依赖于人的目视来评价糠层的剥离程度的微妙的差异,所以未必获得准确的评价。
因此,开发了专利文献1所记载的米粒的加工精度判定方法。该方法具备:(A)使用NMG染色液对米粒进行染色的染色步骤;(B)将米粒供给给测量部的移送步骤;(C)在测量部对米粒照射光的照射步骤;(D)检测来自被照射的米粒的反射光以及透过光中的至少一个光的光量的光量检测步骤;以及(E)基于在光量检测步骤中检测出的光量来运算米粒的精磨度的运算步骤。
该方法具备使用NMG染色液对米粒进行染色的染色步骤和光量检测步骤,从而与米粒表面的性状或米粒个体的颜色无关,总是根据精白加工的程度也就是精磨度使米粒呈现颜色。因此,能够通过单一的光量测量进行准确的米粒的精磨度判定。
然而,在上述专利文献1中,通过由分光测量部检测出的红色光量和绿色光量这两个检测光,或者由分光测量部检测出的红色光量和蓝色光量这两个检测光(也就是由两个波长定义的二维的光)来计算精磨程度。因此,有可能进行糠的附着的误识别。具体而言,通过对米粒进行精磨加工来进行除糠,并从米粒表面剥落糠。该糠片若再次附着在胚乳部上,则尽管已通过精磨去除糠,但被除糠的胚乳部的部分有可能被误识别为“果皮部、种皮部或者糊粉层部”。
专利文献1:日本特开平4-95756号公报
鉴于上述问题,针对通过精磨去除糠的谷粒,期望抑制糠部分与胚乳部分之间的误识别。另外,期望提供没有个人差异的谷类的精磨度评价方法及其装置。
发明内容
本发明是为了解决上述课题的至少一部分而完成的,例如,可以作为以下方式来实现。
根据本发明的第一方式,提供谷类的精磨度评价方法。该方法具备:染色步骤,使用染色液对谷粒进行染色;照射步骤,对谷粒照射光;图像获取步骤,获取被照射光的谷粒的图像;以及精磨度判别步骤,针对构成由图像获取步骤获取到的构成谷粒一粒的图像的多个像素的每个,基于预先决定的基准来区分是与糠部分对应还是与胚乳部分对应,并在与糠部分对应的像素存在规定数以上或者规定比例以上时,判别为与由多个像素构成的图像对应的谷粒是有残留糠的精磨不良粒。
根据第一方式,通过对构成谷粒一粒的图像的多个像素的每个进行评价,能够实现准确的精磨度评价。
根据本发明的第二方式,在第一方式中,图像获取步骤具备针对构成谷粒的图像的多个像素的每个,获取R波长成分、G波长成分、B波长成分的步骤。将R波长成分、G波长成分以及B波长成分包括在内而设定基准。
根据第二方式,利用与人的目视接近的RGB表色系统颜色空间来判别精磨度。因此,即使在胚乳部上附着剥落的糠片,也不会被误识别为“果皮、种皮部或者糊粉层部”,能够进行准确的精磨度评价。另外,能够实现没有个人差异的谷类的精磨度评价方法。
根据本发明的第三方式,在第二方式中,谷类的精磨度评价方法具备:RGB表色系统数据获取步骤,针对对于精磨度已知的谷粒的样本利用与染色步骤、照射步骤以及图像获取步骤相同的方法获取到的图像,按照每个像素获取包括R波长成分、G波长成分和B波长成分的RGB表色系统数据;三维颜色空间创建步骤,在将R、G、B的各表色轴设为正交坐标的三维颜色空间上标绘在该RGB表色系统数据获取步骤中获取到的RGB表色系统数据;以及基准设定步骤,将在三维颜色空间中由判别函数定义的面设定为基准。在精磨度判别步骤中,针对构成由图像获取步骤获取到的谷粒一粒的图像的多个像素的每个,使用判别函数来区分是与糠部分对应还是与胚乳部分对应。
根据本发明的第四方式,在第一~第三任意一个方式中,谷类的精磨度评价方法在精磨度判别步骤的后期阶段还具备按照多等级对精磨不良粒进行分级的等级评价步骤。
根据本发明的第五方式,提供谷类的精磨度评价装置。该谷类的精磨度评价装置具备:拍摄装置,获取使用染色液进行了染色的谷粒的表面的图像;以及运算装置,根据由该拍摄装置获取到的谷粒的图像来运算谷粒的精磨度。运算装置具备精磨度判别部,精磨度判别部针对构成由拍摄装置获取到的谷粒一粒的图像的多个像素的每个,基于预先决定的基准来区分是与糠部分对应还是与胚乳部分对应。
根据本发明的第六方式,在第五方式中,精磨度判别部在与糠部分对应的像素存在规定数以上或者规定比例以上时,判别为与由多个像素构成的图像对应的谷粒是有残留糠的精磨不良粒。
根据本发明的第七方式,在第五或者第六方式中,拍摄装置针对构成谷粒的图像的多个像素的每个,获取R波长成分、G波长成分、B波长成分。将R波长成分、G波长成分以及B波长成分包括在内而设定基准。
根据本发明的第八方式,在第七方式中,运算装置具备:RGB表色系统数据获取部,针对构成由拍摄装置获取到的一粒谷粒的图像的多个像素的每个,获取包括R波长成分、G波长成分和B波长成分的RGB表色系统数据;三维颜色空间创建部,在将R、G、B的各表色轴设为正交坐标的三维颜色空间上标绘由RGB表色系统数据获取部获取到的RGB表色系统数据;基准设定部,将在三维颜色空间中由判别函数定义的面设定为基准。精磨度判别部针对构成由拍摄装置获取到的谷粒一粒的图像的多个像素的每个,使用判别函数来区分是与糠部分对应还是与胚乳部分对应。
根据本发明的第九方式,在第五~第八任意一个方式中,运算装置还具备按照多等级对精磨不良粒进行分级的等级评价部。
附图说明
图1是表示用于实施根据本发明的一个实施方式的精磨度评价方法的米粒的判别装置的结构的示意性说明图。
图2是用于实施根据本发明的一个实施方式的米粒的精磨度评价方法的流程图。
图3是用于实施现有的米粒的精磨度评价方法的流程图。
图4是用于实施根据本发明的一个实施方式的米粒的精磨度评价方法的测量流程图。
图5是图像获取以及运算处理所涉及的详细的运算流程图。
图6是在三维颜色空间上对按照每个像素获取到的R波长成分、G波长成分以及B波长成分进行标绘的图。
图7是米粒的精磨度评价的运算结果的一个例子。
图8是将米粒的精磨度评价的运算结果显示在显示部的一个例子。
具体实施方式
以下,参照附图对用于实施本发明的方式进行说明。图1是表示用于实施按照本发明的一个实施方式的精磨度评价方法的米粒的判别装置的结构的示意性说明图。附图标记1是在使用染色液对米粒进行染色的染色工序(S3)中使用的器具。附图标记2是用于观察染色后的米粒的颜色(在后述的照射工序(S7)、图像获取工序(S8)中使用)的拍摄装置。附图标记3是基于由拍摄装置2拍摄到的图像来运算米粒的精磨度(在精磨度运算工序(S9)中使用)的判别装置(运算装置)。
在染色工序中使用的器具1可以具备试管架4、被试管架4支承的试管5、吸水用的滤纸6和将试剂计量并注入到试管5的移液器(未图示)。作为拍摄装置2,例如能够使用将文字、照片、图画等原图转换为数字图像数据的市面上出售的扫描仪。另外,作为判别装置3,例如能够采用便携式的平板终端、笔记本型的通用个人计算机。拍摄装置2和判别装置3经由电缆7以能够进行数据通信的方式连接。
若详述拍摄装置2的结构,则拍摄装置2通常具备主体8、被配置在主体8的上表面的具有玻璃的图像读取部9和覆盖图像读取部9的开闭盖10。在主体8的内部具备朝向图像读取部9照射光的光源和接受来自被拍摄物的反射光以及透过光中的至少一方的扫描用的受光部(均未图示)。光源例如可以是白色荧光灯、白色LED等。受光部例如可以是彩色CCD线性传感器等。
在图像读取部9中容易转动且容易散落的被拍摄物(米粒等零散状物等)被收容在底面透明的专用的试样盘11上,连同该试样盘11一起载置于图像读取部9。由此,被拍摄物的操作变得容易。并且,由于在每次测量图像读取部9时都不需要清扫,所以便利性变好。试样盘11具备透明的底面部11a、围绕底面部11a的四周的直立壁11b~11e和一对把手11f、11f。收容在试样盘11中的米粒不必严格地整齐排列,以分散成米粒彼此不重叠的程度的状态被收容即可。这是因为经由图像读取部9由受光部获取到的图像之后经判别装置3中的图像处理,能够使多个米粒整齐排列。
判别装置3具备主体部12和显示部13。主体部12具备图像处理部、特征提取部和比较运算部。这些功能通过由CPU执行主体部12中安装的规定程序来实现。图像处理部对由拍摄装置2拍摄的米粒的拍摄数据进行图像处理。特征提取部提取与米粒的色彩有关的光学信息、与外形有关的形状信息等。比较运算部将在特征提取部中提取的各信息与用于判别品质而预先存储的阈值等进行比较。显示部13显示在比较运算部中获得的结果。
判别装置3还具备精磨度判别部、RGB表色系统数据获取部、三维颜色空间创建部和基准设定部。这些功能部也通过由CPU执行主体部12中安装的规定程序来实现。精磨度判别部针对构成由拍摄装置2获取到的米粒一粒的图像的多个像素的每一个,基于预先决定的基准来区分是与糠部分对应还是与胚乳部分对应。RGB表色系统数据获取部按照构成由拍摄装置2获取到的一粒米粒的图像的多个像素的每个像素,获取包括R波长成分、G波长成分和B波长成分的RGB表色系统数据。三维颜色空间创建部在将R、G、B的各表色轴设为正交坐标的三维颜色空间上标绘由RGB表色系统数据获取部获取到的RGB表色系统数据。基准设定部将三维颜色空间中由判别函数定义的面设定为用于判别精磨度的基准。由此,能够以与人的目视接近的准确度更精度良好地判别如现有技术文献所示的利用由两个波长区域定义的二维的光难以判别的微妙的色彩。
此外,上述米粒的拍摄装置并不限于上述的扫描方式,例如可以是日本特开2008-298695号公报所公开的使米粒一粒一粒流下来并获取图像的形式。在本实施方式中,使用图1那样的扫描方式的谷粒扫描仪2(株式会社佐竹制,型号:RSQI10B)。
以下,参照图2对按照利用上述结构的装置的本发明的一个实施方式的米粒的精磨度评价方法进行说明。
图2是用于实施按照本发明的一个实施方式的米粒的精磨度评价方法的流程图。此外,图3是用于实施现有的米粒的精磨度评价方法的流程图,与图2对比来进行说明。
<NMG原液制成工序(S1)>
步骤S1是在含有亚甲蓝和伊红的色素中添加代替甲醇的安全且放心的溶剂来制成NMG原液的工序。关于安全且放心的代替甲醇的溶剂,本申请发明人经过深入研究后着眼于用作双组份体系溶液的溶解度的标准的溶解参数(SP值)。已知甲醇的溶解参数(SP值)为14.5~14.8,通过将该值作为指标来制成安全且放心的溶剂,能够使用代替溶剂。作为代替溶剂,可以使用以溶解参数SP值为13~18的范围,优选为14~16的范围的方式进行了浓度调整的溶剂(甲醇除外)。
例如在制成安全且放心的溶剂时使用乙醇的情况下,如果将80%的乙醇和20%的水混合,则溶解参数(SP值)为14.8。另外,在制成安全且放心的溶剂时使用异丙醇(IPA)的情况下,若将72.5%的IPA和27.5%的水混合,则溶解参数(SP值)为14.8。如果将它们作为含有亚甲蓝和伊红的色素的溶剂来利用,则成为几乎与甲醇一致的呈色基准。与此相对,图3的步骤S10是现有的NMG原液的制成工序,可知在含有亚甲蓝和伊红的色素中作为溶剂添加了甲醇原液。
<NMG原液稀释工序(S2)>
步骤S2是对通过步骤S1制成的NMG原液进行稀释的工序。在NMG原液中,由于浓度过浓,所以可以利用前述的制成原液时的溶剂作为稀释液来制成染色液。混合比例如可以是原液:稀释液=1:3。与此相对,图3的步骤S11是现有的NMG原液的稀释工序,可知使用甲醇原液作为稀释液对NMG原液进行了稀释。可知由于使用甲醇原液作为稀释液,所以稀释液的操作比本实施例更危险。
<染色工序(S3)>
步骤S3是对米粒添加通过步骤S2制成的染色液来进行染色的工序。向图1所示的试管5预先分别投入5g的精白米。在该试管5中加入5ml通过步骤S2制成的染色液,并振荡1~2分钟,从而进行米粒的染色。与此相对,图3的步骤S12、S13是对米粒添加现有的染色液来进行染色的工序。作为染色的步骤S13的前工序,通过设定好对米粒进行水洗的步骤S12,有能够去除粉状的糠粉或容易使染色液渗入到米粒的作用。另一方面,根据该步骤S12(水洗工序),染色液渗入至米粒的内部而产生染色不均,使糠容易剥离。因此,优选省略该步骤S12。
<米粒表面清洗工序(S4)>
步骤S4是废弃步骤S3中使用过的染色液并清洗米粒表面的工序。在进行米粒表面的清洗时,可以使用在稀释工序S2中使用过的稀释液来清洗2~3次。由此,染色液不会渗入到米粒的中心部,对米粒整体均匀地进行染色。与此相对,在现有例的图3的清洗米粒表面的步骤S14中,由于在清洗表面时使用水,所以染色液渗入至内部而产生染色不均,使糠容易剥离。因此,在清洗时,优选像本实施例这样使用稀释液。
<风干工序(S5)>
步骤S5是对在步骤S4中清洗过的米粒进行风干的工序。在清洗米粒后,在图1所示的滤纸6上取出米粒并进行风干,之后进行利用了米粒的判别装置的呈色判定。图3的步骤S15与图2的风干工序(步骤S5)相同。
图4是用于使用图1所示的米粒的判别装置3来实施米粒的精磨度评价方法的测量流程图。
<将米粒供给给测量部的供给工序(S6)>
首先,在步骤S6中,将经过染色及风干的工序的米粒供给给拍摄装置2的测量部(图像读取部9)。具体而言,首先,在试样盘11上配置经过染色及风干的工序的米粒。接下来,通过用手握住把手11f、11f来振荡试样盘11等,试样盘11上的米粒被分散成米粒彼此不重叠的程度。接着,将试样盘11载置于图像读取部9。
<照射光的照射工序(S7)>
然后,通过关闭拍摄装置2的开闭盖10来完成测量准备后,在步骤S7中从内置在主体8中的光源朝向图像读取部9进行光的照射。
<图像获取工序(S8)>
在照射光之后,在步骤S8中在图像读取部9中获取米粒的图像。
<米粒的精磨度运算工序(S9)>
然后,在步骤S9中进行基于得到的米粒的图像来运算米粒的精磨度的运算处理。该运算处理例如由判别装置3进行。
图5是上述图像获取以及运算处理所涉及的详细的运算流程图。在图1的拍摄装置2中,扫描图像读取部9上的米粒来进行图像的获取处理(步骤S20)。此时的图像由受光部获取。接下来,为了从图像去除成为噪声的背景部分而进行二值化处理(步骤S21)。由于认为二值化处理结束的图像的受光灵敏度有偏差,所以例如由亮度修正电路对米粒的图像进行亮度调整(颜色修正)(步骤S22)。
然后,在彩色CCD线性传感器等中在获取图像时按照每个像素以规定的波长分辨率被分光并被接受,所以将它们作为RGB表色系统数据而进行R波长成分、G波长成分以及B波长成分的获取(步骤S23)。
接下来,针对构成一粒米粒的图像的各像素,基于获取到的R波长成分、G波长成分以及B波长成分和预先决定的基准来区分各像素的像素值是与糠部分(换言之为果皮、种皮部以及糊粉层)对应还是与胚乳部分(换言之为淀粉层)对应。即,区分各像素的像素值是表示与淀粉层对应的粉色,还是表示与果皮或种皮部对应的绿色或者与糊粉层对应的蓝色。作为其一个方式,在本实施方式中,使用作为预先决定的基准的线性判别函数Z来进行线性判别(步骤S25)。
以下,对设定线性判别函数Z的方法进行说明。首先,针对精磨度已知的多个米粒的样本的每个,按照构成一粒米粒的图像的多个像素的每个像素,获取包括R波长成分、G波长成分和B波长成分的RGB表色系统数据。利用与上述的步骤S1~S8相同的方法来获取这些图像。接下来,在将R、G、B的各表色轴设为正交坐标的三维颜色空间上标绘获取到的RGB表色系统数据。
例如,针对淀粉层在米粒的整体上完全露出的一粒样本,将构成该样本的图像的多个像素各自的RGB像素值与有关该精磨度的属性(即,与淀粉层对应的像素)建立关联,并在颜色空间上进行标绘。另外,针对淀粉层在米粒的整体上完全没有露出的一粒样本,将构成该样本的图像的多个像素各自的RGB像素值与有关该精磨度的属性(即,与果皮、种皮部或者糊粉层对应的像素)建立关联,并在颜色空间上进行标绘。可以对具有相同属性的多个米粒进行这样的标绘。
图6是通过上述的步骤获得的标绘图。能够基于该标绘图的各标绘和已知的精磨度(也就是上述的属性)的对应关系,通过由线性判别函数Z定义的平面来界定由与淀粉层对应的粉色的标绘构成的第一组和由与果皮或种皮部对应的绿色的标绘或者由与糊粉层对应的蓝色的标绘构成的第二组。线性判别函数Z由下式1表示。
[数1]
Z=a×(R波长的值)+b×(G波长的值)+c×(B波长的值)+A…(式1)
(其中,a、b、c为系数,A为常量。)
在式1中,预先设定系数a、b、c以及常量A,以便能够基于上述的各标绘与已知的精磨度的对应关系来界定上述的第一组和第二组。如果在式1中代入关于精磨度未知的样本(即,评价对象的米粒)的图像的R波长成分、G波长成分以及B波长成分的像素值,则根据通过线性判别函数Z计算的值的正负,能够容易确定评价对象的像素的属性(即,属于第一组还是属于第二组)。这样设定的线性判别函数Z被存储在判别装置3所具备的存储器中,并被设定为用于评价精磨度的基准。
可以使用任意的判别函数来代替线性判别函数Z。另外,可以以任意的决定提供基准。例如,可以使用将R、G、B各自的像素值和有关其精磨度的属性建立对应的映射来代替线性判别函数Z。
此处返回到图5进行说明。若进行了线性判别,则接下来,对通过线性判别判定出属性的像素数按照每个属性进行计数,计算每一粒米的残留糠面积(换言之,与糠部分对应的像素数)(图5的步骤S26)。接着,对每一粒米,进行残留糠面积相对于米的整体面积(换言之,米粒一粒的图像的全部像素数)的比例是规定值以上还是小于规定值的判别(步骤S27)。图7是米粒的精磨度评价的运算结果的一个例子,图7的(a)是几乎没有糊粉层的附着的正常粒(良好粒)的评价结果。图7的(b)是背沟皮以及糊粉层占有的占有面积较高的异常粒(不良粒)的评价结果。
根据图5的步骤S27的判别结果,在判断为被判别为与果皮或者种皮部对应的绿色的像素或者与糊粉层对应的蓝色的像素(即,被判别为与淀粉层对应的粉色的像素以外的像素)的数量小于全部像素数的30%的情况下(例如,图7的(a)),评价为正常粒(良好粒),并移至图5的步骤S28。接下来,在判断为被判别为与果皮或者种皮部对应的绿色的像素或者与糊粉层对应的蓝色的像素(即,被判别为与淀粉层对应的粉色的像素以外的像素)的数量为全部像素的30%以上的情况下(例如,图7的(b)),评价为异常粒(不良粒),并移至图5的步骤S29。一粒米的大小在某一程度上一致的情况下,构成一粒米的图像的像素的数量也在某一程度上一致。在这种情况下,可以代替像素数的比例而基于像素数来进行上述步骤S27~29的判断。例如,可以在被判别为与糠部分对应的像素的像素数小于30个的情况下,评价为正常粒。
然后,在图5的步骤S30中,针对这一群米粒的全部确认是否评价了精磨度。接下来,在步骤S31中,针对成为对象的一群米粒,进行残留糠粒数相对于整体粒数的比(%)的计算。以下,基于该粒数比(%)来进行米的等级评价。
在图5的步骤S32中,进行等级评价。对于该等级评价,例如在中国国内评价中国产的米的情况下,作为成为对象的一群米粒的等级,可以参照中国国家标准来进行。例如,可以以如下方式决定(定义)等级,即,背沟有皮且此外没有糠附着的粒有85%以上的为二级品,背沟有皮且糠附着面积小于粒总面积的五分之一的粒有80%以上的为三级品,背沟有皮且糠附着面积小于粒总面积的三分之一的粒有75%以上的为四级品。另外,对于没有残留糠的正常粒占多数的一级品,作为其评价,可以决定(定义)为背沟无皮或有皮不成线且此外没有糠附着的粒有90%以上。
基于以上的等级评价,在图5的步骤S33中,基于决定而在图1的显示部13进行显示。
图8是将米粒的精磨度评价的运算结果显示在显示部13的一个例子。根据图8的评价的显示,详细地对米粒表面的呈色状态进行图像显示。具体而言,定量显示淀粉层所占的占有面积和糊粉层所占的占有面积,并且还显示背沟有无皮。例如,在图8的No.1中,显示为“淀粉层为98%,糊粉层为2%,背沟无皮,等级为一级品”。由此,能够不依赖人的主观而定量评价米粒的精磨度。即,能够提供没有个人差异的精度良好的米粒的精磨度评价方法。同样地对于图8的No.3~No.5所示的内容,显示为“背沟有皮,糊粉层的附着比例比较高,等级为二级品~四级品”,不管谁看到都能容易明白。进而,根据将米粒在消费者中流通时的分级,供给一级品的高品质米的生产者(农户)获得高收入,供给二级品~四级品的低品质米的生产者(农户)为低收入。这样,与人通过目视评价精磨度时相比,在本实施方式中实施完全不会产生个人差异的米粒的精磨度评价。
如上所述,根据本发明的一个实施方式,在运算工序(步骤S9)中具备:RGB表色系统数据获取步骤,针对构成由图像获取工序(步骤S8)获取到的米粒的图像的多个像素的每个,获取R波长成分、G波长成分、B波长成分;三维颜色空间创建步骤,在将R、G、B的各表色轴设为正交坐标的三维颜色空间上标绘在RGB表色系统数据获取步骤中获取到的RGB表色系统数据;基准设定步骤,将在三维颜色空间中由判别函数定义的面设定为基准;以及精磨判别步骤,基于通过基准设定步骤创建的基准,针对多个像素的每个区分是糠部分还是胚乳部分,并在糠部分的像素存在规定数以上时,判别为该米粒是有残留糠的精磨不良粒。因此,能够利用与人的目视接近的三维颜色空间来计算精磨程度。结果即使剥落的糠片再次附着在胚乳部上,也不会被误识别为“果皮、种皮部或者糊粉层部”,能够实现准确的精磨度评价。另外,与人通过目视进行评价的情况相比,能够实现没有个人差异的米粒的精磨度评价方法。
上文中,对本发明的实施方式进行了说明,但上述的发明的实施方式是用于便于理解本发明的实施方式,并不限定本发明。本发明在不脱离其主旨的情况下,能够进行变更、改进,并且在本发明中包含其等同方式。另外,在能够解决上述的课题的至少一部分的范围或者起到至少一部分效果的范围内,能够任意组合或者省略权利要求书以及说明书中记载的各构成要素。
工业上的可利用性
本发明除了米粒之外,还能够应用于麦子、玉米、豆类等谷类的精磨度评价方法。
Claims (4)
1.一种谷类的精磨度评价方法,具备:
染色步骤,使用染色液对谷粒进行染色;
照射步骤,对所述谷粒照射光;
图像获取步骤,获取被照射所述光的谷粒的图像;以及
精磨度判别步骤,针对构成由所述图像获取步骤获取到的谷粒一粒的图像的多个像素的每个,基于预先决定的基准来区分是与糠部分对应还是与胚乳部分对应,并在与糠部分对应的像素存在规定数以上或者规定比例以上时,判别为与由所述多个像素构成的所述图像对应的谷粒是有残留糠的精磨不良粒,
所述图像获取步骤具备针对构成所述谷粒的图像的多个像素的每个获取R波长成分、G波长成分、B波长成分的步骤,
将所述R波长成分、所述G波长成分以及所述B波长成分包括在内而设定所述基准,
所述谷类的精磨度评价方法具备:RGB表色系统数据获取步骤,针对对于精磨度已知的谷粒的样本利用与所述染色步骤、所述照射步骤以及所述图像获取步骤相同的方法获取到的图像,按照每个像素获取包括R波长成分、G波长成分和B波长成分的RGB表色系统数据;
三维颜色空间创建步骤,在将R、G、B的各表色轴设为正交坐标的三维颜色空间上标绘在所述RGB表色系统数据获取步骤中获取到的所述RGB表色系统数据;以及
基准设定步骤,将在所述三维颜色空间中由线性判别函数Z定义的面设定为所述基准,
所述线性判别函数Z由下式表示,
Z=a×(R波长的值)+b×(G波长的值)+c×(B波长的值)+A,
其中,a、b、c为系数,A为常量,a、b、c、A从已知的样本中求出,
在所述精磨度判别步骤中,针对构成由所述图像获取步骤获取到的谷粒一粒的图像的所述多个像素的每个,根据通过所述线性判别函数Z计算的值的正负来区分是与所述糠部分对应还是与所述胚乳部分对应,
通过计算针对所述糠部分的像素数来求出残留糠面积,
通过进行所述残留糠面积相对于谷粒的整体面积的比例是规定值以上还是小于规定值的判别,来评价谷粒是正常粒还是异常粒。
2.根据权利要求1所述的谷类的精磨度评价方法,其中,
在所述精磨度判别步骤的后期阶段还具备按照多等级对精磨不良粒进行分级的等级评价步骤。
3.一种谷类的精磨度评价装置,具备:
拍摄装置,获取使用染色液进行了染色的谷粒的表面的图像;以及
运算装置,根据由所述拍摄装置获取到的谷粒的图像来运算该谷粒的精磨度,
所述运算装置具备精磨度判别部,所述精磨度判别部针对构成由所述拍摄装置获取到的谷粒一粒的图像的多个像素的每个,基于预先决定的基准来区分是与糠部分对应还是与胚乳部分对应,
所述精磨度判别部在针对所述糠部分的像素存在规定数以上或者规定比例以上时,判别为与由多个像素构成的所述图像对应的谷粒是有残留糠的精磨不良粒,
所述拍摄装置针对构成所述谷粒的图像的多个像素的每个,获取R波长成分、G波长成分、B波长成分,
将所述R波长成分、所述G波长成分以及所述B波长成分包括在内而设定所述基准,
所述运算装置具备:
RGB表色系统数据获取部,针对构成由所述拍摄装置获取到的一粒谷粒的图像的多个像素的每个,获取包括R波长成分、G波长成分和B波长成分的RGB表色系统数据;
三维颜色空间创建部,在将R、G、B的各表色轴设为正交坐标的三维颜色空间上标绘由所述RGB表色系统数据获取部获取到的RGB表色系统数据;
基准设定部,将在所述三维颜色空间中由线性判别函数Z定义的面设定为所述基准,
所述线性判别函数Z由下式表示,
Z=a×(R波长的值)+b×(G波长的值)+c×(B波长的值)+A,
其中,a、b、c为系数,A为常量,a、b、c、A从已知的样本中求出,
所述精磨度判别部针对构成由所述拍摄装置获取到的谷粒一粒的图像的所述多个像素的每个,根据通过所述线性判别函数Z计算的值的正负来区分是与所述糠部分对应还是与所述胚乳部分对应,
通过计算针对所述糠部分的像素数来求出残留糠面积,
通过进行所述残留糠面积相对于谷粒的整体面积的比例是规定值以上还是小于规定值的判别,来评价谷粒是正常粒还是异常粒。
4.根据权利要求3所述的谷类的精磨度评价装置,其中,
所述运算装置还具备按照多等级对精磨不良粒进行分级的等级评价部。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016070431 | 2016-03-31 | ||
JP2016-070431 | 2016-03-31 | ||
PCT/JP2017/010305 WO2017169758A1 (ja) | 2016-03-31 | 2017-03-15 | 穀類の搗精度評価方法及びその装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108885169A CN108885169A (zh) | 2018-11-23 |
CN108885169B true CN108885169B (zh) | 2021-03-02 |
Family
ID=59965238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780018893.4A Active CN108885169B (zh) | 2016-03-31 | 2017-03-15 | 谷类的精磨度评价方法及其装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6765643B2 (zh) |
CN (1) | CN108885169B (zh) |
WO (1) | WO2017169758A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112912713B (zh) * | 2018-10-30 | 2023-08-01 | 夏普株式会社 | 系数确定装置、色素浓度计算装置以及系数确定方法 |
JP7404849B2 (ja) * | 2019-12-18 | 2023-12-26 | 株式会社サタケ | 粒状物の検出方法及び該方法に使用する光学式選別機 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0495756A (ja) * | 1990-08-06 | 1992-03-27 | Shizuoka Seiki Co Ltd | 米粒の加工精度判定方法 |
JP2005043260A (ja) * | 2003-07-23 | 2005-02-17 | Satake Corp | 米粒の外観検査装置 |
JP2005221235A (ja) * | 2004-02-03 | 2005-08-18 | Satake Corp | 精米の糠量判定方法 |
JP2005291869A (ja) * | 2004-03-31 | 2005-10-20 | Satake Corp | 精白米の残留糠測定方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004125675A (ja) * | 2002-10-04 | 2004-04-22 | Satake Corp | 無洗米の品質評価方法 |
JP3862091B1 (ja) * | 2005-09-30 | 2006-12-27 | 株式会社ケット科学研究所 | 穀粒判定装置、穀粒判定方法及び穀粒判定システム |
EP2832458B1 (en) * | 2012-03-27 | 2018-10-10 | Satake Corporation | Optical type granule sorting machine |
US9014434B2 (en) * | 2012-11-26 | 2015-04-21 | Frito-Lay North America, Inc. | Method for scoring and controlling quality of food products in a dynamic production line |
-
2017
- 2017-03-15 JP JP2018508982A patent/JP6765643B2/ja active Active
- 2017-03-15 CN CN201780018893.4A patent/CN108885169B/zh active Active
- 2017-03-15 WO PCT/JP2017/010305 patent/WO2017169758A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0495756A (ja) * | 1990-08-06 | 1992-03-27 | Shizuoka Seiki Co Ltd | 米粒の加工精度判定方法 |
JP2005043260A (ja) * | 2003-07-23 | 2005-02-17 | Satake Corp | 米粒の外観検査装置 |
JP2005221235A (ja) * | 2004-02-03 | 2005-08-18 | Satake Corp | 精米の糠量判定方法 |
JP2005291869A (ja) * | 2004-03-31 | 2005-10-20 | Satake Corp | 精白米の残留糠測定方法 |
Non-Patent Citations (1)
Title |
---|
NMG染色米の光学画像によるとう精度の数値化と精米品質;劉洪津 等;《農業機械学会誌》;20021231;第64卷(第6期);第111-117页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2017169758A1 (ja) | 2017-10-05 |
JP6765643B2 (ja) | 2020-10-07 |
JPWO2017169758A1 (ja) | 2019-02-07 |
CN108885169A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahajan et al. | Image acquisition techniques for assessment of legume quality | |
Neuman et al. | Wheat grain colour analysis by digital image processing I. Methodology | |
WO2007068056A1 (en) | Stain assessment for cereal grains | |
FR2801673A1 (fr) | Procede de mesure du degre et de l'homogeneite de calcination des alumines | |
US20110007151A1 (en) | Imaging Method For Determining Meat Tenderness | |
Manickavasagan et al. | Wheat class identification using monochrome images | |
McGoverin et al. | Classification of maize kernel hardness using near infrared hyperspectral imaging | |
US20110128373A1 (en) | Determining Meat Tenderness | |
CN108885169B (zh) | 谷类的精磨度评价方法及其装置 | |
Ayustaningwarno et al. | Surface color distribution analysis by computer vision compared to sensory testing: Vacuum fried fruits as a case study | |
TWI704334B (zh) | 穀物的精米度評價方法及染色液的製造方法 | |
Payman et al. | Development of an expert vision-based system for inspecting rice quality indices | |
CN110108649A (zh) | 基于太赫兹光谱技术的油料作物品质的快速无损检测方法 | |
Aredo et al. | Predicting of the Quality Attributes of Orange Fruit Using Hyperspec-tral Images | |
CN109100350A (zh) | 一种面粉麸星检测方法 | |
CN109781730A (zh) | 一种快速识别垩白米的方法 | |
Shi et al. | Application of spectral features for separating homochromatic foreign matter from mixed congee | |
Chherawala et al. | Food grading/sorting based on color appearance trough machine vision: The case of fresh cranberries | |
CN107403181B (zh) | 基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法 | |
Fan et al. | Identification of milled rice varieties using machine vision | |
Duckett et al. | Color grading of cotton Part I: spectral and color image analysis | |
KR102412798B1 (ko) | 쌀 도정도 판별용 칼라 코드 조성물 및 이를 이용한 쌀 도정도 판별 방법 | |
Chen et al. | Detection of DLBCL by pixel purity index and iterative linearly constrained minimum variance into hyperspectral imaging analysis | |
Carstensen et al. | Creating surface chemistry maps using multispectral vision technology | |
Minz et al. | Machine vision technology in food processing industry: Principles and applications—A review |
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 |