CN111521624A - 产品尤其是食品的x射线检查的方法和装置 - Google Patents

产品尤其是食品的x射线检查的方法和装置 Download PDF

Info

Publication number
CN111521624A
CN111521624A CN202010370385.6A CN202010370385A CN111521624A CN 111521624 A CN111521624 A CN 111521624A CN 202010370385 A CN202010370385 A CN 202010370385A CN 111521624 A CN111521624 A CN 111521624A
Authority
CN
China
Prior art keywords
mapping
total
spectral values
spectral
products
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.)
Pending
Application number
CN202010370385.6A
Other languages
English (en)
Inventor
克里斯蒂安·布尔
马尔可·维克尔特
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.)
Wipotec GmbH
Original Assignee
Wipotec GmbH
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
Priority to DE102019111567.1 priority Critical
Priority to DE102019111567.1A priority patent/DE102019111567A1/de
Application filed by Wipotec GmbH filed Critical Wipotec GmbH
Publication of CN111521624A publication Critical patent/CN111521624A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02Food
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/083Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/083Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
    • G01N23/087Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays using polyenergetic X-rays
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/18Investigating the presence of flaws defects or foreign matter
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/03Investigating materials by wave or particle radiation by transmission
    • G01N2223/04Investigating materials by wave or particle radiation by transmission and measuring absorption
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/10Different kinds of radiation or particles
    • G01N2223/101Different kinds of radiation or particles electromagnetic radiation
    • G01N2223/1016X-ray
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/30Accessories, mechanical or electrical features
    • G01N2223/33Accessories, mechanical or electrical features scanning, i.e. relative motion for measurement of successive object-parts
    • G01N2223/3308Accessories, mechanical or electrical features scanning, i.e. relative motion for measurement of successive object-parts object translates
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/50Detectors
    • G01N2223/501Detectors array
    • G01N2223/5015Detectors array linear array
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/60Specific applications or type of materials
    • G01N2223/618Specific applications or type of materials food
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/60Specific applications or type of materials
    • G01N2223/633Specific applications or type of materials thickness, density, surface weight (unit area)
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/60Specific applications or type of materials
    • G01N2223/643Specific applications or type of materials object on conveyor
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/60Specific applications or type of materials
    • G01N2223/652Specific applications or type of materials impurities, foreign matter, trace amounts

Abstract

本发明涉及预定类型产品的X射线检查方法,该产品由第一和第二部分构成且具有不同吸收系数。X射线借助频谱分辨X射线探测器探测。X射线探测器为频谱分辨而给X射线量子分配预定数量能量通道并产生图像数据,其对于每个像素包含所选或所有能量通道的频谱值和/或一组或多组相邻能量通道的总频谱值。为将图像数据处理成总图,对各产品类型确定映射规范。每个映射规范如此构成,频谱值或总频谱值被映射到图像点的总图值。每个映射规范被如此确定,在总图中,存在不同总厚度的区域之间的总图值的平均距离大于将通过简单相加频谱值至总图点来产生的总图时的情况。或者如此选择映射规范,图像点的总图值是用于第一或第二部分的总厚度的值。

Description

产品尤其是食品的X射线检查的方法和装置
技术领域
本发明涉及产品尤其是食品的X射线检查的方法和装置。
背景技术
为了运动产品的X射线检查,通常采用行扫描探测器,其横向于待检产品运动方向设置。代替产品运动,也可使整个X射线检查装置或至少相关的 X射线探测装置相对于待检产品运动。待检产品借助探测由一个或多个X射线源产生的X射线的行扫描探测器被扫描,逐行产生的图像数据被转换为待检产品图像。为了生成图像,图像数据能被适当处理。如此生成的图像可通过图像处理被检查。尤其是,待检产品图像可以就是否存在或满足一个或多个预定特征被检查。例如食品如肉块可以就其中是否有不希望的异物如骨头碎片、加工设备金属碎屑、玻璃碎片、塑料、石头等被检查。
为此已知的是采用频域积分的行扫描探测器(非光谱探测器),其实际上探测由相关X射线源产生的X射线的X射线频谱的整个宽度。这样的行扫描探测器在例如200-800毫米或更大的总探测器宽度范围内具备在例如0.2 毫米范围内的较高位置分辨率。行扫描探测器此时可以成模块形式构成,其可以牵涉到分别仅很小的仅几个像素的间隙(例如每个模块边缘的1至2个像素),直至达到期望的扫描宽度。因此,利用这样的非频谱探测器,也可以探测很小的异物或污染。另外,这种探测器不需要冷却并且可廉价制造。
但这样的非频谱探测器因频域积分而仅产生灰度值。灰度值此时与X射线在穿透待检产品时的衰减相关。衰减在此又取决于产品厚度和材料性能。
这种传感器类型尤其适用于强烈吸收性的极小异物如金属碎片的探测。
由行扫描探测器生成的图像的对比度的改善可通过双能量法获得。此时采用两个行扫描探测器,它们的扫描图像被叠加。行扫描探测器此时采集穿透产品的X射线的不同频谱范围。这通过使用至少一个X射线滤波器来达成,其在射线路径中布置在其中一个非频谱探测器前方。但这种滤光器仅作为高通滤波器工作且还无法就期望的滤波器边缘而言充分灵活地制造。另外,它们也衰减期望频谱范围内的待探测X射线。通过分开采集不同的频谱范围,在各行扫描探测器的图像信号中包含有不同的信息。通过加权叠加(如加权图像数据符号正确地相加)可产生一个总图,其就某些异物材料的可识别性而言具有比单能量图像更高的对比度。但是,利用固定的X射线滤波器,只可针对一种或多种规定的材料改善对比度。因此,双能量法就其使用而言不太灵活,因为X射线滤波器与应用场合相关必须以合适方式来选择。
另外,被两个行扫描探测器采集的X射线的频谱范围大多重叠,从而在两个图像信号中的每一个中包含相同信息的一部分。为此无法获得最佳的对比度改善。
但双能量法允许在适当组合两种图像信号情况下隐去仅由两种材料构成的产品的产品区域。因此,例如在产品(即第二材料)之内的异物(即第一材料)的区域中的对比度可得以优化。但这仅适用于由唯一材料构成的基本均质的产品(或具有对于X射线的很相似的衰减性能的材料的组合),在该产品中含有由另一种材料构成的异物(具有对于X射线的不同的衰减性能)。
此外,近年来研发出频谱分辨行扫描探测器,其也能以模块形式连接。但是,这样的允许足够大的200-800毫米或更大的扫描宽度的频谱行扫描探测器当前仅以相对粗略的位置分辨率、即以相对大的例如0.8毫米的像素间距可供使用。这样的频谱行扫描探测器能够测量待探测X射线的例如在 20keV至160keV之间的整个频谱宽度。所述探测器为了频谱分辨而提供许多个如多达256个能量通道。这样的频谱行扫描探测器因此允许产生与能量通道数量对应的分图数量。
这样的行扫描探测器迄今在实践中大多被用来识别特定材料(例如EP 2 588 892B1),在这里,为此针对一个产品所确定的能谱借助“亮图能谱” (即在无产品时由探测器确定的频谱)被标准化。这样标准化频谱的自然对数此时对应于用于产品的能量相关吸收系数乘以产品厚度的乘积。如此针对未知产品所确定的能量相关吸收系数的频谱曲线可以与已知的产品数据做比较。通过这种方式,可以鉴定未知产品的材料。
在食品业中常有以下问题,要识别在期望产品中的产品污染(即不希望有的异物)。如果待检产品有厚度波动,则已知方法就以下疑问未提供可靠信息:一个或多个非频谱分辨探测器所产生的图像中的灰度值波动是由在不存在待探测异物的待检产品的厚度波动产生的,还是由具有不一样的X射线吸收的异物材料造成的。
此外,已知的产品X射线检查方法和装置通常仅提供灰度值图(其也适于双能量法),其所具有的对比度不足以用于可靠分析。
发明内容
鉴于此现有技术,本发明任务是提供一种产品尤其是食品的X射线检查方法,其改善产品中异物的识别和/或提供至少对由两个或以上的部分组成的产品的厚度或者对产品的一个或多个部分的总厚度的估算。另外,本发明任务是提供一种用于执行该方法的装置。
本发明利用权利要求1或11的特征完成该任务。由从属权利要求得到其它实施方式。
本发明源于以下认识,当频谱数据被适当组合时,频谱分辨X射线探测器有利地被用来识别产品中的异物。另外,当产品类型如食品类型(如肥瘦相间的肉)是已知时,可以从被探测的数据中获得关于产品厚度的信息。
根据本发明的方法,至少一个产品类型被限定,其所包含的产品由至少一个第一部分和一个第二部分构成,它们对于X射线具有不同的吸收系数。在食品业中的应用此时可以涉及肉块,其带有肉、脂肪和骨头。在此情况下大多期望的是,确定骨头的存在及其尺寸和位置。另外,通常也希望至少估算瘦肉部分和肥肉部分。但在食品业中,产品类型也可以是任何其它产品,其就类似的若干特性被检查。例如酸奶可被检查是否有异物如钢屑或塑料颗粒。显然,不仅可以检查散料,也可以通过相应方式检查任何类型产品,也有像谷物、(米)面粉等这样的散料。
属于至少一个产品类型的待检产品根据本发明用具有预定频谱宽度的X 射线被透射,透过产品的X射线借助频谱分辨X射线探测器被探测。X射线探测器具有预定数量的像素,在像素处频谱分辨地探测X射线。在此,为了频谱分辨,X射线量子依据其能量被分配给预定数量的能量通道。通过这种方式,X射线探测器产生图像数据,其针对每个像素包含用于所选的或所有的能量通道的频谱值和/或用于一组或多组相邻能量通道的总频谱值。
根据本发明,针对至少一个产品类型确定至少一个映射规范用于将图像数据处理成总图,在这里,每个映射规范如此设计,即,所有的频谱值与总频谱值被映射到总图的一个图像点的一个总图值,在这里,一个映射规范分别配属于所有像素或预定组的一个或多个像素。在X射线探测器具有不同的灵敏度时,一个映射规范未被对应配属于所有像素而是仅一组像素的变型总是有意义的。大多数情况下,这样的频谱分辨X射线探测器所具有的晶体用于探测X射线量子。该晶体在大多数情况下无法以对应于期望的探测器面或探测器长度的几何延伸尺寸被加工,从而在多个这种晶体组合成一个X射线探测器时,必须要补偿晶体的不同灵敏度。
在此要指出,X射线探测器能以行扫描探测器或面型探测器的形式构成。因为在食品业中通常存在需要在长达800毫米或以上的宽度范围检查运动产品的要求,故大多数情况下采用行扫描探测器,因为具有这种宽度的面型探测器过于昂贵。
根据本发明的第一变型,一个或多个映射规范被如此确定,即,在至少一个产品类型的一个产品的总图中,一个或多个部分相对于参考部分经历了与下述灰度值图相比的对比度提高,所述灰度值图通过简单相加所有的或所选的频谱值和所有的或所选的总频谱值至总图点来产生。换言之,在使用合适的映射规范情况下的频谱分析允许分别相比于采用仅产生简单灰度值图的非频谱分辨X射线探测器,改善对不同材料性能的产品区域的识别能力。
根据本发明的另一个变型,一个或多个映射规范被如此选择,即,一个图像点的总图值或是用于在透射方向上看的第一部分总厚度的值,或是用于第二部分总厚度的值。此发明变型尤其可有利地用于其产品恰好由两个部分组成的产品类型。
在此变型中,优选采用至少一个第一映射规范,其在一个已知产品类型的产品如含脂肪肉块的检查时提供关于瘦肉部分总厚度的信息。在此,总厚度是指在透射方向上看只由或基本由瘦肉构成的所有层厚之和。此外,至少一个第二映射规范被采用,其提供关于脂肪部分总厚度的信息。在此,至少一个第一或第二映射规范都不能提供关于产品总厚度的信息。但这可以通过将通过各自至少一个第一和各自至少一个第二映射规范所确定的用于各个部分的各自总厚度的值相加而被求出。
根据本发明的一个优选实施方式,至少一个映射规范是分级机,其给至少两个部分分配预定级别。在此,每个级别由一个数字目标值表示。例如在一个由肉和骨头构成的肉块中,骨头可以被视为不希望有的(等同于不希望有的异物),而肉部分被视为所期望的。
分级机此时可以尤其是人工神经元网络或支持向量机(Support VectorMachine)。
根据另一个实施方式,可以如此确定至少一个映射规范,即,每个频谱值或每个总频谱值被分配一个映射系数,且如此产生待检产品的总图,即,每个频谱值和每个总频谱值乘以所分配的映射系数并且乘积被相加。前述变型以分级机的监督式学习为前提,但该变型也允许非监督式学习。
另外,此变型允许在线性映射规范被如此确定时有利地产生双能图,即,从图像数据中生成双能图或多能图,做法是至少两组所选相邻能量通道的频谱值或相应的总频谱值分别乘以一个恒定的加权系数,并且乘积被相加。
在此,频谱分辨X射线探测器提供以下可能,被用来产生双能图的频谱范围可自由选择。在此,不仅可以任意选择频谱范围的宽度,也可以任意选择其位置。此外,也可以用唯一一个探测过程来多次分析唯一一组图像数据 (即待检产品图像),尤其在采用各种映射规范、即组合成双能图的各种频谱范围的情况下。因此可以产生总图,其关于某些材料的识别、尤其是由某些材料(例如钢、塑料、骨头等)构成的异物的识别得以优化。
根据另一个实施方式,至少一个映射规范可被如此确定,即,成组的相邻能量通道在频谱上不重叠,或者X射线探测器被如此操作或控制,即,图像信号仅包含用于不重叠的能量通道组的频谱值,或者已经包含用于不重叠的能量通道组的总频谱值。因此可以产生一个双能图,其通过完全不相交的频谱范围的组合产生。由此可以相比于用常见的非频谱分辨X射线探测器所产生的双能图产生更好的图像区域之间的对比度,该图像区域对应于在透射方向上具有不同材料组合的产品区域。
根据本发明的一个实施方式,至少一个映射规范可以借助机器学习方法被确定,其中,在学习模式中,分别由多个部分之一构成且具有不同厚度的多个训练产品借助频谱分辨X射线探测器被探测,并且为了确定每个映射规范,针对训练产品被探测的所有或所选的像素或相邻像素组的频谱值或总频谱值被用作映射规范的特征,而预定的级别值被用作映射规范的目标值,在这里,级别值针对所有由相同部分构成的训练产品是相同的。
该变型如此确定至少一个映射规范的性能,即,产生一个总图,其因分级而出现且因此可被理解为得分图(Score-Bild)。
根据另一个实施方式,代替针对由具有已知材料的部分构成的训练产品所获得的被探测的频谱值或总频谱值,可以采用模拟数据,在这里,模拟数据包含用于与能量相关的质量削弱系数(吸收系数等于质量削弱系数乘以材料密度)的已知值与适当所选厚度的乘积。
尤其以下情况建议这种做法:打算识别产品中的由已知材料如钢或某些塑料构成的异物并且对于该材料已经存在存储在检查装置本身中或在外部数据库中的用于与能量相关的吸收系数的数据。在该变型中,因此必须针对相关材料确定在X射线探测器能量通道的位置处(如各自区域中)的吸收系数。相关值必须分别乘以假定的材料厚度。这样的值对应于:在这种材料被透射时与各自亮图相关地被X射线探测器探测到的数值。
对于训练产品的厚度以及也对于产生模拟数据所用的厚度,优选采用覆盖如下区域的值,该区域在相关产品类型的产品检查时是实际预期的。
根据本发明的另一个实施方式,用于一个产品类型的至少一个映射规范被指定用于也借助机器学习方法来确定第一或第二部分的总厚度,在这里,在相应的学习模式中确定用于确定第一部分总厚度的至少一个第一映射规范和用于确定第二部分总厚度的至少一个第二映射规范,并且在学习模式中,由两个部分构成的多个训练产品借助频谱分辨X射线探测器被探测。为了确定至少一个第一映射规范而采用如下训练产品,其具有第一部分的相应不同的已知总厚度和第二部分的相同或不同的总厚度,且为了确定至少一个第二映射规范而采用如下训练产品,其具有第二部分的相应不同的已知总厚度和第一部分的相同或不同的总厚度。或者,为了确定至少一个第一和第二映射规范而可以采用如下训练产品,其具有第一部分的相应不同的已知总厚度和第二部分的相同或不同的已知总厚度。为了确定至少一个第一和第二映射规范,针对训练产品被探测的所有或所选的像素或相邻像素组的频谱值或总频谱值被用作映射规范的特征并且各自已知的总厚度被用作映射规范的目标值。
根据本发明的一个实施方式,多个产品类型可被限定,在此,每个产品类型所包括的产品分别由具有不同的X射线吸收系数的第一部分和至少一个第二部分构成。因此,在采用待检产品的相同图像数据情况下可以产生多个总图,其中,为了产生每个总图而采用一个映射规范用于各自另一产品类型。
附图说明
以下参照附图来详述本发明,附图示出了:
图1示出具有频谱分辨行扫描探测器的产品检查装置的一个实施方式的示意图;
图2示出由频谱分辨行扫描探测器的一个像素产生的示例性能谱;
图3示出用于加权根据图2的能谱的能量通道以产生双能图的加权分布;
图4示出用于加权根据图2的能谱的能量通道以产生得分图的加权分布;
图5示出由第一和第二材料构成的重叠产品和异物的双能灰度值图(图 5a)以及为了看到由第一材料构成的异物被优化的第一得分图(图5b)以及为了看到由第二材料构成的异物被优化的第二得分图(图5c);和
图6示出用于说明图像数据分析方法的表。
具体实施方式
图1示出用于产品102尤其是食品的X射线检查装置100的第一实施方式的示意图,其具有包含至少一个X射线源106的辐射产生装置104、X 射线探测装置108和呈行扫描探测器形式的频谱分辨X射线探测器114。
X射线源106产生扇状X射线116,其具有垂直于运动方向B的中心平面,在该运动方向上待检产品102运动穿过X射线116。X射线116在运动平面E内具有张角,张角被设计成待检产品102在其整个宽度范围被X 射线116透射。为了使产品102运动,可以设有输送装置(未示出)例如输送带。
行扫描探测器114包括一个探测器行122,其可以具有例如0.8毫米的离散位置分辨率(即像素间距)。探测器行122此时大致居中设置在一个支座126上,支座上也可装有散热体和其它部件。散热体也可以形成支座126。
行扫描探测器114可如图1所示设置在一个壳体128内,壳体可以设计成防辐射壳体。壳体128在其顶面即朝向X射线源106的一侧具有开口 130,开口允许X射线116朝向行扫描探测器114的像素行122进入壳体。
代替唯一的频谱分辨行扫描探测器114,也可以设置两个或以上的频谱分辨行扫描探测器。这可能在非频谱分辨行扫描探测器分别设计用于采集不同的最大频谱宽度时是有利的。例如其中一个频谱分辨行扫描探测器可以在 256个能量通道的频谱分辨情况下具有最大20keV至160keV的频谱宽度,并且另一个频谱分辨行扫描探测器可以也在256个能量通道分辨时具有最大20keV至80keV的频谱宽度,因此,另一频谱分辨行扫描探测器所具有的频谱分辨率是第一频谱分辨行扫描探测器的两倍。
行扫描探测器114所产生的图像数据信号被提供给分析控制装置132。分析控制装置132可以具有数据采集单元134和图像处理单元136。数据采集单元134被供以行扫描探测器114的图像数据信号。图像处理单元136 被设计用于进一步处理和分析图像数据。数据采集单元134也可以被设计用于其以合适方式尤其关于采样时刻控制行扫描探测器114。为此,数据采集单元134可以给行扫描探测器提供一个节拍信号,其中,通过行扫描探测器的图像数据采集可以利用节拍信号同步进行。
图像处理单元136可以通过以下方式处理由行扫描探测器114获得的图像数据。
图2举例示出了由频谱分辨行扫描探测器114针对某个像素提供的图像数据。在此情况下,整个被测的例如20keV至80keV的能量范围被分为规定数量的能量通道,在这里,每个能量通道具有规定的(通常恒定)频谱宽度,其通过整个被测频谱范围宽度除以能量通道数量如128个或256个能量通道而得到。行扫描探测器114对于每个能量通道提供一个频谱值,其在图2中用“计数”表示,因为这样的频谱分辨行扫描探测器一般计数单独光子,并且所记录的光子依据其能量被分配给某个能量通道。图2所示的曲线对应于由行扫描探测器114在X射线116射线路径中没有产品的情况下产生的典型亮图。当由某种材料或某种材料组合构成的一个产品位于通过像素被探测的X射线射线路径中时,该频谱以表征方式被改变。
这些频谱值借助图像数据信号作为图像数据被传输给分析控制装置 136。分析控制装置136可以通过各种方式分析所述图像数据。
例如行扫描探测器114的频谱分辨能力可被用来产生一个双能图。为此,分析控制装置136可以根据像素完成频谱值的任意加权。这样的加权可以如此实现,即,每个单独的能量通道被分配一个系数,该系数乘以各自的频谱值。由此也可在所选能量通道被分配系数零时获得频谱的清晰边界。
图3示出加权分布,其针对每个能量通道具有一个单独的加权系数。该分布针对在整个频谱的下侧区域和频谱的上区域处的多个能量通道分别规定了恒定加权,例如在下侧频谱区域中以系数1加权,而在上侧频谱区域中以系数-R加权。所有其它的能量通道以系数零被加权。如此加权的能量通道频谱值可以被相加以生成一个总频谱值,由此得到一个双能图。
如在前已描述地,也可以如此设计频谱分辨行扫描探测器114,即,它作出哪些能量通道在图像数据信号范围内被传输至分析控制装置136的预选。例如行扫描探测器114可以被人工设定或由分析控制装置136如下设定,即,它仅输出某些能量通道作为图像数据信号。也可以如此设计行扫描探测器114,即,它已经积分地输出所选的能量通道,即,所选能量通道的频谱值被相加。在此情况下,针对分析控制装置136出现用于行扫描探测器 114的图像数据处理的较低成本。
因此,非频谱分辨行扫描探测器114容许在采用灵活频谱情况下产生双能图。这可以通过简单分析行扫描探测器114的图像数据信号来确定,或者行扫描探测器114被如此控制,即,它已经提供相应的频谱受限图像数据或甚至总频谱值(见上)。
频谱分辨行扫描探测器114的频谱此时可被如此改变,即,在双能图中能更好地例如以更高对比度识别待检产品的某些产品特征。
借助唯一扫描所得到的图像数据的分析也可以如此进行,即,执行多次分析。尤其是,不同的双能图可以在采用频谱分辨行扫描探测器114的不同加权图像数据情况下被产生。例如行扫描探测器114的图像数据的频谱可以在分析中被如此选择(如通过相应加权),即,能以高对比度识别由某种材料如钢构成的异物。在另一个分析中,行扫描探测器114的图像数据的频谱可以被选择为不同,例如以便产生一个双能图,在双能图中能以高对比度识别出由不同材料如聚乙烯构成的异物。
以下说明可如何通过有利的图像分析来使用频谱图像数据所含的全部信息。
为此,首先执行学习阶段,在此该分析控制装置可被转入学习模式。在学习阶段中,至少一个映射规范被确定,其映射所有的或所选的频谱值与总频谱值到总图的一个图像点的一个总图值,或者其映射所有的或所选的频谱值与总频谱值到总图的一个图像点的一个总图值,其表示用于在透射方向上看的透射产品的一个部分的总厚度的值。
例如可以在学习阶段中将所记录的产品图像的各个像素以其所属256 个能量通道以如图6所示的表格形式排列。在此,所述像素形成行,所谓的观察。每个像素的能量通道形成列且被称为特征。
表的每一行、进而每个像素被分配一个级别值Y(目标值)。它可以根据应用在对比度优化情况下或是离散的级别名、或是级别识别号,或者在层厚确定情况下是层厚值、例如毫米计的层厚。为此,在学习阶段中知晓所述特征和级别值,且适于确定映射规范。
在用于可能有异物污染的待检产品的对比度优化的情况下,可以针对学习过程记录下最好具有各种厚度的第一部分(未被污染的产品)的多个图像。给该图像的像素分配一个级别值例如“产品”。另外,记录下其它部分的图像,它们具有不同于第一部分的吸收系数。所述像素也被分配一个级别值如“污染”。两个数据组被归纳在如图6所示的一个表中,该表因此包含至少两个不同的级别值Y。
根据另一个实施方式,可以为了学习借助X射线探测器仅探测部分1。为了至少另一个部分,可以在机器上存储测量数据或还有模拟数据并且将其用来创建根据图6的表。
元素周期表的所有元素的与能量相关的质量削弱系数的模拟数据(质量削弱系数=吸收系数除以密度)在数据库内可自由使用。从中可以确定分子的且进而还有材料组合的与能量相关的质量削弱系数。
所述数据可保持在机器上且与真实测量数据一起被用来确定映射规范。为了学习,只须在这种情况下用X射线探测器探测(扫描)未污染的产品(部分1),且潜在污染物(即其它部分)通过模拟数据作为其它行被提供给特征表。为此,潜在污染(一般是铁、不锈钢、塑料、玻璃)的质量削弱系数被乘以在工作温度下的污染平均密度及多个现实厚度,以人工生成污染物的吸收性能。这种做法的优点是,使用者只从其生产线中扫描足够数量的产品(最好具有其性能的横截面)以用于学习过程,即,须借助X射线探测器产生相应的频谱值,这是因为所需异物数据(污染数据)已经存在于机器上或通过模拟数据来产生。
在获得学习数据后,寻求一个映射规范,其在对比度改善情况下将特征依据其级别值Y变换为另一种表现形式、尤其是所谓的得分图。得分图相比于原图具有更好的性能。但映射规范也可以直接执行分级。
与此相关的改善性能例如是第一部分(如酸奶)相对于至少另一个部分 (如玻璃污染)的总图值间距,在说明书范围内也被称为对比度。目的是,另一(污染)部分在变换图中相对于第一部分被更清楚、即对比度更强地显示。在理想情况下,其中一个所述部分(大多是第一部分)被隐去,因此仅还能看到所有其它部分。
通过根据图6的表中的级别值,可以控制那些部分应该被隐去,因为该映射规范基于各不同的级别值完成级别间距的最大化。多个不同的部分可以被归总至一个级别值。
根据一个具体变型,为此给每个能量通道分配一个映射系数(加权系数)c。如此构成的乘积被相加,即借此形成特征的线性组合。
为了确定映射系数c,采用来自多变量统计学领域的方法,例如关联分析或判别分析。
在学习阶段中,映射系数c被确定,其在随后的生产阶段中被用来计算得分图(结果值)。在生产阶段中记录下多个图像,如此产生的特征(即能量通道的频谱值)用映射系数c来计算,由此新的级别值Y(结果值)被确定,即所谓的得分。在得分图中,各个部分之间的对比度、即总图值间距相比于原图被显著提高。在后的图像处理可以在得分图中明显更简单地(可靠且以更高灵敏度)区分这些部分。这特别是对于异物探测是有利的,因为减少了误探测并且也可靠识别出吸收少或弱的污染物。
图5示出了如图5a所示的可能是双能图的灰度值图与两个得分图的比较,从得分图中可以清楚看到(图5b和图5c)两种不同类型的污染物(由不同材料构成),其也可以在灰度级图中微弱看到。即,在此情况下并行采用两个不同的映射规范,以识别出各种污染物。
在另一个实施方式中,映射规范被理解为分级机,其在生产阶段中给每个像素分配一个级别。学习阶段现在用于训练分级机。为此,与上述变换相似地使用根据图6的表。作为分级机,可以例如采用支持向量机(SVM)。它搜索一个超平面,其尽可能最好地将通过所述特征(能量通道频谱值)来描述的两个级别即第一部分和另一部分相互分开。超平面在最简单情况下是一条将两组相互分开的直线。如果这些级别无法线性分开,则所述特征被转入一个较高维度的空间,它们在该空间内可被线性分开。在一个较高维度空间内的分离线被称为超平面。
在分级机情况下,映射规范不是能量通道变换到一个必须被进一步分析的狭义上的新图像值(得分),而是给每个像素(观察)直接分配一个级别归属 (结果值)。
在另一个实施方式中,采用人工神经元网(ANN)。在此,或是映射系数可被用作频谱值和/或总频谱值的预先系数,进而执行变换如上述的线性组合,或是ANN直接是分级机,其在生产阶段中给每个像素(观察)分配一个级别值。
在另一个实施方式中,能量通道变换为得分图借助系数分析尤其还有主成分分析来执行。这完成了依据数据组所含变量的特征(能量通道)变换,而没有考虑在学习过程中知道的级别值。
除了被理解为特征的能量通道的这些频谱值和/或总频谱值,也可以想到能量通道的任何相互组合和/或其自身组合。因此可能有利的是,例如能量通道被乘方,进而产生256个另外特征。也可以想到特征相互组合即所谓混合项。在以上公式中,所述通道不是仅以线性形式出现,而可以是任意阶次。另外,映射规范本身是线性的,其中该输入数据被预处理。这尤其在所述级别可被非线性分开但如以上概述地力求实现借助线性组合的变换时是有利的。
在层厚确定情况下,通常以(至少)两种参考材料进行学习过程。在此,第一部分的层厚在另一部分的层厚保持不变的情况下改变,随后反过来。对于每种参考材料配置,两个部分的层厚是已知的且在根据图6的表中被用作级别值Y。在一个有利实施方式中,对于该产品所包含的每个部分,确定一个单独模型。为此,针对每个部分提供一个自己的表,如图6所示。可以从层厚比例中确定第一部分与另一个部件的比例。一个实际例子在此是确定肉中脂肪份量,其通常被表示为精确测量值(CL值:chemical lean value)。
在创建了根据图6的特征表之后,又寻求一个映射规范,其给能量通道的频谱值和/或总频谱值分配至少其中一个部分的层厚。
在第一实施方式中,形成频谱值和/或总频谱值(多个能量通道的乘积也可行)的线性组合,即给每个特征分配一个映射系数c。
Y在以上公式中表示一个部分的层厚。
用于确定层厚的映射规范被理解为回归问题。映射系数c本身在第一实施方式中借助多次线性回归(O-PLS,普通偏最小二乘法)被确定。
在生产阶段中采用所找到的系数以借此预测层厚Y。
在另一个实施方式中,人工神经元网络(ANN)被用来基于频谱值和/或总频谱值估算层厚Y。
用于解决回归问题的其它常见方法是支持向量回归(SVR)或高斯过程回归(GPR)。
在另一个实施方式中,代替单独部分的层厚,直接确定产品中的这些部分的(质量)比例。在根据图6的表中,级别值现在是这些部分的(质量)比例,不再是从中确定(质量)比例的各个部分层厚。
附图标记列表
100 X射线检查装置
102 产品
104 辐射产生装置
106 X射线源
108 X射线探测装置
114 频谱分辨行扫描探测器
116 扇形X射线
118 像素行
120 像素行
122 像素行
124 支座
126 支座
128 壳体
130 开口
132 分析控制装置
134 数据采集单元
136 图像处理单元
200 X射线探测装置
B 运动方向

Claims (15)

1.一种预定产品类型的产品尤其是食品的X射线检查方法,其中,
(a)限定至少一个产品类型,其所包含的产品至少由第一部分和第二部分组成,它们具有针对X射线的不同的吸收系数,
(b)属于所述至少一个产品类型的待检产品被预定频谱宽度的X射线透射,
(c)透射过该产品的X射线借助频谱分辨X射线探测器被探测,其具有预定数量的像素并且在每个像素处以离散频谱分辨的方式探测X射线,其中,该X射线探测器为了频谱分辨而将X射线量子依据其能量分配给预定数量的能量通道并产生图像数据,该图像数据针对每个像素包含用于所选的或所有的能量通道的频谱值和/或用于一组或多组相邻能量通道的总频谱值,和
(d)为了将该图像数据处理成一个总图用于所述至少一个产品类型而确定至少一个映射规范,其中,每个映射规范被如下设计,即,所有的或所选的频谱值与总频谱值映射到总图的一个图像点的总图值,其中,一映射规范分别被指定给所有像素或预定组的一个或多个像素,和
(e)其中如此确定所述一个或多个映射规范,即,在所述至少一个产品类型的一个产品的总图中,一个或多个部分相对于一个参考部分经受相比于灰度值图的对比度提升,所述灰度值图通过简单相加所有的或所选的频谱值和所有的或所选的总频谱值至总图点来产生,或者
(f)其中所述一个或多个映射规范被如此确定,即,一个图像点的总图值体现在透射方向上看的所述至少一个第一或第二部分的总厚度的值。
2.根据权利要求1的方法,其特征是,所述至少一个映射规范体现为一个分级机,它给所述至少两个部分分配预定级别。
3.根据权利要求2的方法,其特征是,该分级机是人工神经元网或支持向量机。
4.根据权利要求1的方法,其特征是,所述至少一个映射规范被如此确定,即,每个频谱值或每个总频谱值被分配一个映射系数,并且如此产生待检产品的总图,即,每个频谱值和每个总频谱值被乘以所分配的映射系数并且这些乘积被相加。
5.根据权利要求4的方法,其特征是,如此确定所述至少一个映射规范,即,按照下述方式由图像数据产生双能图或多能图:至少两组所选的相邻能量通道的频谱值或相应的总频谱值被分别乘以一个恒定的加权系数并且这些乘积被相加。
6.根据权利要求5的方法,其特征是,所述至少一个映射规范被如此确定,即,相邻能量通道的所述组频谱不重叠,或者所述X射线探测器如此工作或控制,即,该图像信号仅包含用于未重叠的能量通道组的频谱值或者已包含用于未重叠的能量通道组的总频谱值。
7.根据权利要求1至4之一的方法,其特征是,用于至少一个产品类型的所述至少一个映射规范被确定用于借助机器学习方法来改善对比度,
(a)其中在学习模式中,分别由其中一个部分构成的且具有不同厚度的多个训练产品借助频谱分辨X射线探测器被探测,
(b)为了确定每个映射规范,
(i)针对训练产品所探测的所有的或所选的像素或成组相邻像素的所述频谱值或总频谱值被用作该映射规范的特征,和
(ii)预定的级别值被用作映射规范的目标值,其中,该级别值对于由相同部分构成的所有训练产品是相同的。
8.根据权利要求7的方法,其特征是,该映射规范体现为所有的或所选的频谱值和/或总频谱值的线性组合,其借助多变量分析方法、尤其是关联分析和判别分析被确定。
9.根据权利要求7或8的方法,其特征是,采用模拟数据来代替所探测的频谱值或总频谱值,所述频谱值或总频谱值是针对训练产品从具有已知材料的一个部分获得的,其中,所述模拟数据包含由用于与能量相关的吸收系数的已知值与适当所选的厚度构成的乘积。
10.根据权利要求1至4之一的方法,其特征是,用于所述至少一个产品类型的至少一个映射规范被确定用于借助机器学习方法确定第一部分或第二部分的总厚度,其中,
(a)在学习模式中确定至少一个用于确定第一部分总厚度的第一映射规范和至少一个用于确定第二部分厚度的第二映射规范,
(b)在学习模式中,由两个部分构成的多个训练产品借助频谱分辨X射线探测器被探测,
(i)其中为了确定所述至少一个第一映射规范而采用多个训练产品,它们具有第一部分的分别不同的已知的总厚度和第二部分的相同的或不同的总厚度,以及
(ii)其中为了确定所述至少一个第二映射规范而采用多个训练产品,它们具有第二部分的分别不同的已知总厚度和第一部分的相同或不同的总厚度,或者
(iii)其中为了确定所述至少一个第一和第二映射规范而采用训练产品,它们具有第一部分的分别不同的已知总厚度和第二部分的相同或不同的已知总厚度,
(c)其中为了确定所述至少一个或第二映射规范,
(i)针对训练产品所探测的所有的或所选的像素或成组相邻像素的频谱值或总频谱值被用作映射规范的特征,和
(ii)各已知总厚度被用作该映射规范的目标值。
11.根据权利要求10的方法,其特征是,该映射规范体现为回归问题并且最好借助多次回归或人工神经元网来构成。
12.根据前述权利要求之一的方法,其特征是,多个产品类型被限定,其中,每个产品类型所包含的产品分别由相同的第一和至少一个第二部分构成,这些部分具有对于X射线的不同吸收系数,并且在使用待检产品的相同图像数据情况下产生多个总图,其中,为了产生每个总图,一个映射规范被用于各自另一个产品类型。
13.一种预定产品类型的产品尤其是食品的X射线检查装置,具有:
(a)辐射产生装置,其具有用于产生具有预定频谱宽度的X射线的至少一个X射线源,
(b)频谱分辨X射线探测器,其具有预定数量的像素并且在每个像素以离散频谱分辨的方式探测透射过待检产品的X射线,其中,该X射线探测器为了频谱分辨而将X射线量子依据其能量分配给预定数量的能量通道并产生图像数据,该图像数据针对每个像素包含用于所选的或所有的能量通道的频谱值和/或用于一组或多组相邻能量通道的总频谱值,和
(c)分析控制装置,其被供应以由X射线探测器产生的图像数据并且设计用于执行根据前述权利要求之一的方法。
14.根据权利要求13的装置,其特征是,该分析控制装置能转入自学习模式,在该自学习模式中该分析控制装置执行根据权利要求5或6的机器学习方法。
15.根据权利要求13或14的装置,其特征是,该分析控制装置具有存储器或存储器区域,在其中存储至少一个用于至少一个产品类型、尤其是多个产品类型的映射规范。
CN202010370385.6A 2019-05-03 2020-05-05 产品尤其是食品的x射线检查的方法和装置 Pending CN111521624A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102019111567.1 2019-05-03
DE102019111567.1A DE102019111567A1 (de) 2019-05-03 2019-05-03 Verfahren und Vorrichtung zur Röntgeninspektion von Produkten, insbesondere von Lebensmitteln

Publications (1)

Publication Number Publication Date
CN111521624A true CN111521624A (zh) 2020-08-11

Family

ID=70483031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010370385.6A Pending CN111521624A (zh) 2019-05-03 2020-05-05 产品尤其是食品的x射线检查的方法和装置

Country Status (5)

Country Link
US (1) US20200348247A1 (zh)
EP (1) EP3734260A3 (zh)
JP (1) JP2020183954A (zh)
CN (1) CN111521624A (zh)
DE (1) DE102019111567A1 (zh)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2869975B2 (ja) * 1988-06-08 1999-03-10 株式会社島津製作所 放射線像受像装置
US6570955B1 (en) * 2002-01-08 2003-05-27 Cyberlogic, Inc. Digital x-ray material testing and bone densitometry apparatus and method
US20050058242A1 (en) * 2003-09-15 2005-03-17 Peschmann Kristian R. Methods and systems for the rapid detection of concealed objects
FR2953603A1 (fr) * 2009-12-09 2011-06-10 Commissariat Energie Atomique Procede et dispositif de reconnaissance d'un materiau a l'aide de sa fonction de transmission
FR2961904B1 (fr) 2010-06-29 2012-08-17 Commissariat Energie Atomique Procede d'identification de materiaux a partir de radiographies x multi energies
IT1405995B1 (it) * 2010-07-09 2014-02-06 Alta Lab S R L Sistema e metodo per la ispezione a raggi x e la identificazione della composizione chimica dei materiali
CN106461578B (zh) * 2015-04-20 2019-08-02 株式会社蛟簿 X射线检查用的数据处理装置、以及搭载有该装置的x射线检查装置
CN107533019B (zh) * 2015-10-23 2020-05-05 株式会社蛟簿 X射线装置、数据处理装置及数据处理方法
WO2017205914A1 (en) * 2016-05-30 2017-12-07 Southern Innovation International Pty Ltd Material characterisation system and method
CN109997029A (zh) * 2016-11-29 2019-07-09 莱特拉姆有限责任公司 对输送机上的异物进行探测的多能量x射线吸收成像
JP7079966B2 (ja) * 2017-03-17 2022-06-03 株式会社イシダ X線検出装置
CA3064559A1 (en) * 2017-05-22 2018-11-29 L3 Security & Detection Systems, Inc. Systems and methods for image processing

Also Published As

Publication number Publication date
EP3734260A3 (de) 2020-12-02
EP3734260A2 (de) 2020-11-04
JP2020183954A (ja) 2020-11-12
US20200348247A1 (en) 2020-11-05
DE102019111567A1 (de) 2020-11-05

Similar Documents

Publication Publication Date Title
Kotwaliwale et al. X-ray imaging methods for internal quality evaluation of agricultural produce
US6370223B1 (en) Automatic detection of bone fragments in poultry using multi-energy x-rays
US5428657A (en) X-ray monitoring system
US6788761B2 (en) Method and apparatus for transmitting information about a target object between a prescanner and a CT scanner
Makky et al. Development of an automatic grading machine for oil palm fresh fruits bunches (FFBs) based on machine vision
EP2430396B1 (en) Systems and methods for automated, rapid detection of high-atomic-number materials
Barbedo et al. Deoxynivalenol screening in wheat kernels using hyperspectral imaging
CN107430079B (zh) 从在不同能量级别拍摄的x射线图像确定对象的质量的方法
US8537968B2 (en) Method and apparatus for inspection of materials
RU2008147285A (ru) Способ досмотра грузов с использованием спирального сканирования
KR100785136B1 (ko) 육류 성질의 비침습적 측정을 위한 방법
US11016040B2 (en) Apparatus and method of processing data acquired in x-ray examination, and x-ray examination system equipped with the apparatus
Teoh et al. Image processing and analysis techniques for estimating weight of Chokanan mangoes
AU2002339180A1 (en) X-ray grading apparatus and process
Patel et al. Development and an application of computer vision system for nondestructive physical characterization of mangoes
CN111521624A (zh) 产品尤其是食品的x射线检查的方法和装置
Fulladosa et al. Effect of dry-cured ham composition on X-ray multi energy spectra
KR102045079B1 (ko) 테라헤르츠파를 이용한 검사 장치
JP7079966B2 (ja) X線検出装置
CN107192723B (zh) 使用x射线的被检查对象物的判定装置以及判定方法
CN111474191A (zh) X射线探测装置和产品尤其是食品的x射线检查装置
KR101121068B1 (ko) X선 스캐너를 이용한 목재의 강도 예측 방법
CN110133005A (zh) 用于通过基材料分解来评估多能量x射线图像的方法
JP2018155643A (ja) X線検出装置
Liu et al. ONGOING PROJECT RICE QUALITY AND PROCESSING

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