CN1289214C - 包含有机材料的物体的拣选方法 - Google Patents

包含有机材料的物体的拣选方法 Download PDF

Info

Publication number
CN1289214C
CN1289214C CNB028134877A CN02813487A CN1289214C CN 1289214 C CN1289214 C CN 1289214C CN B028134877 A CNB028134877 A CN B028134877A CN 02813487 A CN02813487 A CN 02813487A CN 1289214 C CN1289214 C CN 1289214C
Authority
CN
China
Prior art keywords
character
signal
multivariable
variation
separation
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 - Lifetime
Application number
CNB028134877A
Other languages
English (en)
Other versions
CN1524019A (zh
Inventor
B·勒夫奎斯特
J·普拉姆尼尔森
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.)
Bomill AB
Original Assignee
Bomill AB
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 Bomill AB filed Critical Bomill AB
Publication of CN1524019A publication Critical patent/CN1524019A/zh
Application granted granted Critical
Publication of CN1289214C publication Critical patent/CN1289214C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/34Sorting according to other particular properties
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/12Circuits of general importance; Signal processing
    • G01N2201/129Using chemometrical methods

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Sorting Of Articles (AREA)
  • Extraction Or Liquid Replacement (AREA)
  • Separation Of Solids By Using Liquids Or Pneumatic Power (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)

Abstract

一种从异质群体中拣选一批物体中的物体的方法被提供。待被拣选的该批物体具有固有的变化,并且具有比原来固有变化小的变化的至少一个类别从所述批被分离。这个较小的变化表示关于所述批内物体的任何有机材料的组分性质。所述方法包括步骤:将待被分离的每个所述物体分配成拣选装置中分离的物体;将所述分离的物体暴露于来自至少一个能量源的能量;借助至少一个传感器从所述分离的物体的至少一个点记录第一多变量信号;借助先前在所述第一多变量信号和所述组分性质之间对所述群体的子集进行的多变量校准方法来预测或分等第二信号,其表示单变量变化的至少一个性质变量的大小;以及根据来自所述至少一个点的所述第二信号的至少一个的性质变量的大小,将所述分离的物体从所述拣选装置分离到所述至少一个收集类别。

Description

包含有机材料的物体的拣选方法
技术领域
本发明涉及一种拣选(sorting)物体的方法。更具体而言,本发明涉及这样的方法,其通过从拣选装置分离关于物体的任何有机材料的不同组分的性质(quality)的至少一个收集类别,从异质群体中拣选一批(bulk)物体中的物体。
背景技术
存在根据外部属性如长度、大小和密度来拣选物体的许多方法。
例如,在谷粒的清选中,常常使用这样的机器,其被设计成根据核的宽度而筛选出杂质,如过大或过小的材料,或是分等(classify)谷粒,例如制麦芽用的大麦。另外的重力分选台被用于根据颗粒的密度来拣选粒状材料。
亦存在这样的用于粒状材料的清选机器,其根据粒状材料的颜色来去除杂质。在这些机器中,理想地一个接一个地使待被清选的材料下落到自由大气中。在其下落期间,用光来照亮物体。通过使用滤光器在可见和/或红外(IR)区中波长的1-3个预选带处检测从每个物体反射、透射或发射的光。这些带被预选以给出一个信号,其对应于待被去除物体的已知拣选特征,例如变色(discolouration)。此外,在这些方法中,滤光器被选择以使在想要和不想要的物体之间存在透射、反射或发射光的基本差异。
一种用于农业产品的光学拣选设备被展示于US 4 063 041中,其具有背景装置,用于比较待被拣选的物体的颜色和/或亮度。为了提供用于光学检测器的可调基准,背景装置是动态可变的。在GB 2 091 415以及US 4 203 522中,待被清选的物体被类似地放置在适当背景的前面。
在US 4 421 772中,展示了一种用于识别土地种子(ground seed)的植物学组分部分的方法,其中使用了用于荧光显微镜的照明系统。在US 4 866 283中也利用了荧光,用于检查并清选豆形果实(bean)、坚果和豆类(pulse),例如花生,其中激光感应发光被用于检测杂质。检查系统包括激励装置,用于照亮物体以使其产生荧光辐射。由物体产生的特定特征读数被比较于基准读数以获得所述物体的一个特定特征的指示。以这种方式,通过确定预定波长处的荧光,所述系统从物体流中识别并去除非所需或被损坏的物体,例如沾染了黄曲霉素的花生。
在暴露于长波紫外线辐射之后借助荧光对黄曲霉素的检测亦已在US 4 535 248中被实现。
在GB 2 060 166中,通过利用有两个滤波器的装置来区分两种材料之间的差异。在该装置中,两种不同材料的混合物被馈送经过测试区,有两个交替频率的光脉冲被导入该测试区中。这两个频率对应于由每种材料反射的光的振幅峰值的特征频率,当所反射的脉冲具有特定关系时,所反射的光脉冲被评价以提供用于两种材料的物理分离的拒绝信号(rejection signal)。
在现有技术中没有应在实际拣选之前进行多变量校准的指示,所述多变量校准描述待被拣选的物体的组分的异质性。
在这种传统方法中,所反射、透射或发射的光被记录(register)。最多三个波长被分析,一个处于可见光区而两个处于IR区。这样,仅参照来自一到三个波长的记录即可确定物体的特点。
此外,在假定照到每个滤波器的光将从物体上同一个明确的点并且/或者以同一个角度被反射时,几个(>3)波长的同时测量不能借助这样的滤波器设置来进行。
种子色拣选器(colour sorter specific)的物体的去除也不行,这是因为所使用的空气喷射器亦从其下落线去除了待被去除的物体附近的几个物体。这样,所去除的小部分的纯度是低的,并且与被选择用于去除的物体的数量相比,在最好的情况下它包含2-3倍的非选择物体。
此外,那些被去除的物体附近的物体被影响并被带出其下落线,其位置由此不能被识别。这意味着任何这些物体的拣选更加不精确并且将色拣选器的应用限制于杂质百分比低的清选任务。
生物起源的物体以及包括有机材料的许多人造物体的群体的固有特性在于它们显示出一个或几个不同组分性质的变化。与杂质相比,这种固有变化或异质性是群体的综合特性。这样,存在不能通过一个、两个或三个波长来确定的几个类型的性质或特性。
发明内容
本发明的目的是实现一种拣选物体的方法,由此排除上述问题。
本发明进一步的目的是提供一种方法,其中参照其一个或多个组分的性质中的异质性来对将被拣选的物体的总群体进行分等。
本发明的另一个目的是提供一种方法,其将允许对异质群体未动的物体的识别并将其拣选成两个或多个类别,每个都比原始的未拣选的材料均匀。
本发明的再一个目的是提供一种方法,由此可在一个过程中测量、评价有机材料并将其拣选成较有用且有价值的类别。
本发明的又一个目的是提供一种高拣选能力的方法,其适合于拣选大批材料,如用于工业生产的原材料或半成品,而不影响工业过程的正常生产进程。
为了实现这些目的,本发明提供了一种从异质群体中拣选一批物体中的物体的方法。待被拣选的这批物体具有固有的变化。具有比原来固有变化小的变化的至少一个类别从所述批被分离,并且这个较小的变化表示关于所述批内物体的任何有机材料的组分的性质。
就这一点而言,术语“有机材料”属于从生命有机体得到的物质和包含共价键碳原子以及由其形成的组织、结构等的化学物质。当然,本发明的方法亦可被用于分等和拣选无机物体。
本发明的方法包括以下步骤:
(a)在拣选装置中将待被分离的每个所述物体分配组分分离的物体;
(b)将所述分离的物体暴露于来自至少一个能量源的能量中;
(c)借助至少一个传感器从所述分离的物体的至少一个点记录第一多变量信号;
(d)借助先前在所述第一多变量信号和所述组分的性质之间对所述群体的子集进行的多变量校准方法来预测或分等第二信号,该第二信号表示单变量变化的至少一个性质变量的大小;以及
(e)根据来自所述至少一个点的所述第二信号的至少一个性质变量的大小,将所述分离的物体从所述拣选装置分离为所述至少一个收集类别。
附图说明
在附图中
图1示出对第一多变量信号进行的无监督预处理的实例;
图2示出从样品中的单独麦粒获得的光谱的实例;
图3示出对样品中的所述粒获得的第二信号的分布曲线;
图4示出根据两个无监督的(未知的)性质变量的组合将样品分等成三个类别(A、B和C)的实例;
图5示出爆米花粒(popcorn berry)的近红外透射光谱的实例;
图6示出对爆米花粒分等的结果,在依照发明方法进行拣选之后所获得的三个类别(A、C和E)的主成分分析。
具体实施方式
本发明提供了一个新概念,即通过采用例如生物起源的有机材料的固有异质特性来进行分析。本发明是基于以下观察:包括有机材料的物体常常显示出通常为大量特定能量处的电磁辐射的其吸收的大变化。例如,粒状材料中的大量单颗粒已通过使用新的分析技术来分析。发明者惊奇地发现,在这样的材料中颗粒之间的大变化可被用来拣选成较均匀的类别。当然,这种固有变化并不被获得为表示杂质的材料的颜色差异,或者对1-3个固定波长处所反射、透射或发射的光强度的变化有贡献的差异。
这种多变量变化反映了表征每个物体的已知和/或未知的性质参数的固有变化。这些性质参数不能被直接关联于依照目前技术水平表达的读数。
例如对所透射、反射和/或发射的电磁辐射的同时测量通常是在一个或多个所选辐射区中的大数量能量处完成的,因此可为每个物体而记录光谱。不同光谱之间的不同波长处的强度变化被用于拣选物体。所反射、透射或发射的辐射的不同水平然后对应于不同变量。每个光谱中的不同能量水平处的大量强度值针对每个物体而被进一步处理成仅一个信号,其被用于将物体拣选成不同类别。这样,典型地,大量不同值,至少四个单一强度值,被减小成用于拣选物体的信号。该技术被用于拣选物体以使类别中物体之间的固有变化被减小和/或最小化。这个较小的固有变化可例如通过以下来实现:将在不同能量水平处记录的大量吸收值减小成几个性质变量,该参数描述待被拣选的材料的固有变化。这些性质变量以这样的方式被选择,即它们描述一组基准物体的光谱的尽可能高的部分或特定部分。
更具体而言,发明方法被设计成借助拣选装置将异质群体中的物体拣选成关于物体的任何有机材料的不同组分的性质的至少两个收集类别。至少一个收集类别显示出比原始的未拣选的群体小的变化。
就这一点而言,组分性质是一种特别、独特或本质的特征,其可被限定或者可保持未限定。这样,相对于其特性,异质性可以是未知的,即尚未归于单个性质参数或两个或多个的组合。与去除群体的一个偶然的非所需物体的目前技术水平相比,本发明利用了群体组分性质的综合异质性来拣选。
如在本发明中所使用的,组分性质可以是物体之间化学组分的变化,即性质和数量上的变化。然而,它亦可以是派生的特性,如可湿性(wetability)、气味、热塑性、可碾性,或者物体的特定类别导致以下的潜力:在处理后种子的好的烘焙性质,在爆制之后爆米花的大体积,塑性物体的特定强度,没有爆裂趋势的药丸,在可可豆的处理后巧克力的较少苦味等。这样,组分性质可以是化学性质、结构性质、感觉性质或功能性质。当然,这些组分性质可被组合,因为例如好的烘焙性质仅可部分地从蛋白质含量得到。
每种机器系统可结合发明方法而被用作拣选装置,其被设计成以这样的方式来安排物体:与上述色拣选器相比,它们可依照特定的指令而被系统地组织并且以高精度从其位置被去除,而不影响相邻的物体。
依照本发明,在拣选装置中每个待被分离的物体首先被分配成分离的物体,然后每个分离的物体被暴露于从至少一个能量源发射的能量。所发射的能量可以是电磁辐射和/或声波。
任何电磁辐射或声波可被单独或组合使用,如紫外光、可见光、近红外光、红外光、荧光、超声波、微波或核磁共振。
优选地,能量源发射这样的能量,其借助来自物体的反射、透射或发射而产生一个具有待被拣选的材料的异质性方面的高选择性的响应。
为了确保高拣选能力,用来记录和分析数据的时间可被调节成对于特定类型物体的分配和/或拒绝的最佳速度,这是发明方法的重要方面。这样,记录来自待被拣选的物体的任何点的第一多变量信号不应进行比20-30ms长的时间段,优选为5ms。
第一多变量信号是借助至少一个传感器从每个分离的物体的至少一个点记录的。该传感器可以是单变量或多变量的,被构建分别用于一个波长的测量或多于一个波长的同时测量,作为四个或多个波长中的每个的单个强度或者是四个或多个波长的和。当分离的物体静止时或当它在传感器下移动时均可进行记录。如果有必要,可使用几个传感器以获得对物体性质的满意的相关。
例如,如果仅使用一个传感器,则它具有将多于三个波长的所反射和/或透射和/或发射的电磁辐射和/或声波记录为单个强度或强度之和的能力。在本发明方法中,用于每个物体的第一多变量信号然后被处理成用于精确拣选的信号。
每个所记录的第一多变量信号都反映了表征每个物体的已知或未知性质参数的变化。由于大多数性质是复杂的,多变量途径被用于将所检测的信号转换成拣选信号。这是通过被转变成(即减小成)第二单变量信号的——从物体的至少一个点测量的——每个第一多变量信号完成的。
借助第一多变量信号和组分的性质之间的多变量校准方法来预测或分等这种第二单变量信号。基于至少四个变量的该校准先前已针对群体子集而被进行,并且描述了待被拣选的批的组分的异质性。则第二信号表示单变量变化的至少一个性质变量的大小。当第二信号表示多于一个变量的大小时,这些变量可以是单独预测或单独分等或者组合分等和预测的变量。
在该预测和分等步骤之前,优选地借助有监督或无监督的预处理来变换第一多变量信号。
当组分性质是限定的组分性质时,通过使用有监督的多变量方法来进行多变量校准。在第一多变量信号的这个数学处理中,许多物体的组分性质应是已知的。第一多变量信号被分解以说明群体的组分性质,并且例如借助部分最小平方回归来建立回归模型。组分性质可被用于监督在寻找第一多变量信号中的相关信息的过程中的算法。该模型然后被应用于待被拣选的新物体的新近获得的第一多变量信号,并且讨论中的组分性质被预测。组分性质的预测的大小然后被用于拣选。
待在依照本发明的方法中使用的有监督的方法的实例是部分最小平方(PLS)回归、多线性回归(MLR)、主成分回归(PCR)、神经网络和N路(way)PLS。
这样,当组分性质被限定时,第一多变量信号被直接用于给定性质参数的预测。从群体的子集获得的第一多变量信号(例如光谱)被分解以说明性质参数,并且例如通过PLS回归来建立回归模型。该模型然后被应用于作为待被拣选的物体的第一多变量信号的新近获得的光谱,并且讨论中的性质参数被预测。性质参数的预测的大小然后被用于拣选(见图3)。可以以这种方式进行拣选,该拣选基于已知参数,例如图3中的蛋白质含量。
当组分性质是未指定类型,即未指明类型时,通过使用无监督的多变量方法来进行多变量校准。以这种方式,数学处理将第一多变量信号减小成几个基本结构(underlying structure)。这样,光谱中的变化被利用而无需限定组分性质(没有监督)并且无需直接链接到经分析或已知的组分性质。
主成分分析(PCA)、SIMCA、PARAFAC和TUCKER是无监督多变量方法的实例,其可在依照本发明的方法中使用。
这样,当组分的性质未被限定时,通过例如PCA来分析第一多变量信号(例如光谱)。潜在变量被获得,其被用作用于拣选的新的单变量变量。
当然,潜在变量或几个潜在变量的组合仅在它们说明异质批(bulk)数量中的变化时被使用,并且提高了在给定应用中的性质。
当说明变化的最可能的和时,并且当性质被提高时,该校准模型(潜在变量或潜在变量的组合)被应用于来自待被分等的物体的第一多变量信号以便拣选。可以以这种方式进行拣选,该拣选基于未知参数,例如第三和第四潜在变量。
然而,第一多变量信号可包含与组分性质不相关的一些信息。这样,优选的是,在应用校准方法之前预处理这个第一多变量信号,从而构建较简单和鲁棒的校准模型。当然,该预处理也必须在预测和分等之前进行。
当组分的性质未被限定时,对第一多变量信号进行无监督的预处理。无监督预处理的实例是求导、一阶和二阶(或更高阶)导数、标准正常变量(SNV)和乘法散射校正(MSC)。图1示出范围850-1050mn内NIT光谱的实例,其分别被表示为原始、经校正的MSC、1.der和2.der。
当组分的性质被限定时,对第一多变量信号进行有监督或无监督的预处理。组分的性质然后可被用于引导预处理以消除来自第一多变量信号的无关信息。有监督的预处理的实例是直接正交化(DO)和正交信号校正(OSG)。
实例
现在将参照以下实例来进一步描述或说明本发明。然而,应指出,这些实例不应以任何方式被理解成限制本发明。
实例1.参照其蛋白质含量来拣选麦粒。
在批样品中已发现单个麦粒中的蛋白质含量有实质的变化。北欧小麦的样品的烘焙性质典型地在各个粒之间具有8-16%的变化。
一批量的烘焙小麦从商用仓库被取出并依照本发明被拣选成三个类别。该批量以以下方式被馈给拣选装置的分配器:每个单独的粒获得固定的位置并且所述单独的粒以它们被相互离散分离的方式被固定。分配器中的每个粒然后被暴露于来自钨灯的光。在暴露之前,通过具有1100nm处的截止界限的硅滤波器来过滤所述光,并且通过使用二极管阵列分光计来记录1100和1700nm之间的反射光。来自样品的单麦粒(wheat kernel)光谱的光谱的典型实例在图2中被示出。
10nm的带宽是足够的,并且每个带内的计数被记录。对于每个粒,从1100和1700nm之间的60个带获得的信号被作为第一多变量信号。然后借助无监督方法MSC来预处理该第一多变量信号,光谱散射由此被消除。
在拣选之前,借助Kjeldahl分析(AACC方法46-12,被调节成单个种子)来确定样品的蛋白质含量,并且通过使用有监督的多变量方法PLSR在经预处理的第一多变量信号和蛋白质含量之间建立校准模型。该模型然后被用于预测第二信号,其表示样品中每个粒的蛋白质含量。分布曲线被示出于图3中,所述批量中的粒数相对于第二信号而被画出,该第二信号由此表示蛋白质含量。
该批量然后基于第二信号的大小被拣选成三个类别(如图3中所示分别为A、B和C),并且所述类别被收集在三个分离的容器中。其含量被称重并获得以下分布:A:26%、B:38%和C:36%。样品从原始的未分开的批量中并且从拣选后所获得的三个类别中的每个获取。借助Kjeldahl方法对这四个样品分析蛋白质,其结果在以下的表1中被示出。
          表1
  蛋白质含量
未分开的样品     12.3%
    类别A类别B类别C     10.2%12.0%14.4%
这样,依照本发明,进入的小麦可被拣选成有不同蛋白质含量的两个或多个类别。这些类别适合于不同用途,如饼干粉、蛋糕粉、面包粉和/或用于糕点的粗粒小麦粉。
实例2.依照其烘焙性质来拣选麦粒。
已知的是,例如就块体积(loaf volume)而言,小麦的不同样品显示出不同的烘焙性质。
正常烘焙小麦的子样品从商用仓库被取出并且被馈给拣选装置的分配器。每个单独粒的第一多变量信号然后如在实例1中被记录。没有第一多变量信号的预处理被应用并且每个单独粒的光谱被记录。
在拣选之前,通过对来自子样品中单独粒的第一多变量信号使用无监督的多变量方法主成分分析来建立校准模型。首先的两个无监督性质变量然后被组合于用于拣选的第二单变量信号。
依照第二单变量信号将粒分等成三个类别的实例在图4中被示出。
拣选装置被设置成基于所组合的第二信号的大小将正常烘焙小麦的取出的批量分离成三个类别(如图4中所示的A、B和C)。所述类别被收集在三个分离的容器中。
来自每个类别的样品被碾磨并被测试烘焙性质。发现来自类别B的面粉给出与来自未拣选批量的面粉相同的烘焙结果。然而,来自类别C的面粉在烘焙之后产生30%的块体积的增加。另一方面,与来自类别B的面粉相比,类别A的碾磨给出具有差烘焙结果的面粉。此外,发现类别A比未拣选的批量软并且具有比其低的蛋白质含量。这样的小麦材料将较适合于饼干生产以及穆斯林产品或饲料(feed)的生产。
实例3.参照爆制性能的拣选。
爆米花的爆制性能被相关于每个粒吸收能量例如微波炉内的微波的能力。该性能后面的变量迄今没有被完全已知。
正常爆米花粒的子样品被馈给拣选装置。如在实例1中,单独的粒被分配到固定位置中然后被暴露于来自钨灯的光。该光以以下方式被选择:可借助二极管阵列来记录850和1050nm之间的透射光。2nm的带宽被使用,吸收率被记录,并且对于分配器中的每个粒,来自850和1050之间的100个带的信号被用作第一多变量信号。单独粒的典型光谱在图5中被示出。
使用无监督的2.导数方法来预处理该第一多变量信号。然后如在实例2中,无监督的多变量校准模型被建立。第一无监督的性质变量被直接用作用于拣选的第二单变量信号。
通过使用爆米花的相同批量的较大样品来进行拣选,所述样品被分成成5个类别(A、B、C、D和E),每个类别被收集在容器中。来自类别A、C和E的样品被测试爆制性能并亦如以上所述被分析。类别A、C和E中的光谱的主成分分析在图6中被示出。
在微波爆制测试中,类别C中的所有粒被适当地爆制。然而,类别A中平均6个粒中仅1个并且类别E中平均8个粒中仅1个产生爆米花,即这些类别中的粒的主要部分保持没有被爆制。
由此可通过依照发明方法的拣选而获得爆制性能较均匀的类别。

Claims (12)

1.一种从异质群体中拣选在具有固有变化的一批物体中的物体的方法,该方法通过以下来进行拣选:从所述批中分离具有比所述固有变化小的变化的至少一个类别,其表示关于所述物体的任何有机材料的组分的性质,其特征在于所述方法包括以下步骤:
(a)在拣选装置中将待被分离的每个所述物体分配成分离的物体;
(b)将所述分离的物体暴露于来自至少一个能量源的能量中;
(c)借助至少一个传感器从所述分离的物体的至少一个点记录第一多变量信号;
(d)借助先前在所述第一多变量信号和所述组分的性质之间对所述群体的子集进行的多变量校准方法来预测或分等第二信号,该第二信号表示单变量变化的至少一个性质变量的大小;以及
(e)根据来自所述至少一个点的所述第二信号的至少一个性质变量的大小,将所述分离的物体从所述拣选装置分离为所述至少一个收集类别。
2.如权利要求1的方法,其特征在于,在步骤(d)之前,所述第一多变量信号借助预处理来变换。
3.如权利要求1的方法,其特征在于,所述组分的性质是任意组分的性质。
4.如权利要求3的方法,其特征在于,所述校准方法基于多变量方法。
5.如权利要求1的方法,其特征在于,所述组分的性质是特定组分的性质。
6.如权利要求5的方法,其特征在于,所述校准方法基于多变量方法。
7.如权利要求1-6中任何一个的方法,其特征在于,所述组分的性质是单独或组合的化学性质、结构性质、感觉性质或功能性质。
8.如权利要求1的方法,其特征在于,所述发射的能量是电磁辐射和/或声波
9.如权利要求8的方法,其特征在于,所述电磁辐射和/或声波是单独或组合的紫外光、可见光、近红外光、红外光、荧光、超声波、微波或核磁共振。
10.如权利要求1-6中任一个的方法,其特征在于,在所述分离的物体的任何点处,所述第一多变量信号被记录比20-30ms少的时间段。
11.如权利要求10的方法,其特征在于,所述第一多变量信号被记录比5ms少的时间段。
12.如权利要求1-6中任一个的方法,其特征在于,所述第一多变量信号被作为透射、反射或发射的能量而记录。
CNB028134877A 2001-07-04 2002-07-03 包含有机材料的物体的拣选方法 Expired - Lifetime CN1289214C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
SE0102395A SE0102395D0 (sv) 2001-07-04 2001-07-04 A new method
SE01023951 2001-07-04

Publications (2)

Publication Number Publication Date
CN1524019A CN1524019A (zh) 2004-08-25
CN1289214C true CN1289214C (zh) 2006-12-13

Family

ID=20284736

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB028134877A Expired - Lifetime CN1289214C (zh) 2001-07-04 2002-07-03 包含有机材料的物体的拣选方法

Country Status (11)

Country Link
US (1) US7202434B2 (zh)
EP (1) EP1401589B1 (zh)
JP (1) JP4146335B2 (zh)
CN (1) CN1289214C (zh)
AT (1) ATE279996T1 (zh)
AU (1) AU2002319986C1 (zh)
BR (2) BRPI0210794B1 (zh)
CA (1) CA2451867C (zh)
DE (1) DE60201684T2 (zh)
SE (1) SE0102395D0 (zh)
WO (1) WO2003004179A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8436268B1 (en) * 2002-08-12 2013-05-07 Ecullet Method of and apparatus for type and color sorting of cullet
UA79247C2 (en) * 2004-06-01 2007-06-11 Volodymyr Mykhailovyc Voloshyn Method and device (variants) of separation of raw material by lumps
ATE542419T1 (de) 2004-08-26 2012-02-15 Monsanto Technology Llc Automatischer samenprobennehmer und verfahren zum probennehmen, testen und vermehren von samen
US7703238B2 (en) 2004-08-26 2010-04-27 Monsanto Technology Llc Methods of seed breeding using high throughput nondestructive seed sampling
BRPI0615232A2 (pt) 2005-08-26 2011-05-10 Monsanto Technology Llc mÉtodo automatizado de alto rendimento para determinar a composiÇço de Ácido graxo de uma semente, para a triagem de alto rendimento de sementes oleaginosas e para avolumar uma quantidade de sementes tendo uma caracterÍstica de Ácido graxo desejada
US8028469B2 (en) 2006-03-02 2011-10-04 Monsanto Technology Llc Automated high-throughput seed sampler and methods of sampling, testing and bulking seeds
US7998669B2 (en) 2006-03-02 2011-08-16 Monsanto Technology Llc Automated contamination-free seed sampler and methods of sampling, testing and bulking seeds
WO2009085851A2 (en) * 2007-12-20 2009-07-09 Mks Instruments, Inc. Systems and methods for sorting irregular objects
US20100230330A1 (en) * 2009-03-16 2010-09-16 Ecullet Method of and apparatus for the pre-processing of single stream recyclable material for sorting
CA2760697C (en) 2009-05-03 2017-10-17 Monsanto Technology Llc Systems and processes for combining different types of seeds
BE1018793A3 (nl) 2009-06-17 2011-09-06 Best 2 N V Werkwijze voor het onderscheiden en sorteren van producten waarbij de concentratie van een bestanddeel van deze producten wordt bepaald.
WO2012012411A2 (en) 2010-07-20 2012-01-26 Monsanto Technology Llc Automated systems for removing tissue samples from seeds, and related methods
GB201015791D0 (en) * 2010-09-20 2010-10-27 Syngenta Ltd Improved method and machine for use thereof
US9574997B2 (en) 2010-10-15 2017-02-21 Syngenta Participations Ag Method for classifying seeds, comprising the usage of infrared spectroscopy
US8714362B2 (en) 2011-11-22 2014-05-06 Key Technology, Inc. Sorting apparatus
US9027759B2 (en) 2011-11-22 2015-05-12 Key Technology, Inc. Sorting apparatus
US9463493B1 (en) 2012-03-01 2016-10-11 General Mills, Inc. Method of producing gluten free oats
US20150314332A1 (en) * 2012-11-30 2015-11-05 Technological Resources Pty. Limited Sorting mined material
MX2017010093A (es) 2015-02-05 2018-03-23 Laitram Llc Clasificación con calibración automática de peso basada en la visión.
US11278937B2 (en) * 2015-07-16 2022-03-22 Sortera Alloys, Inc. Multiple stage sorting
JP7054093B2 (ja) * 2016-06-21 2022-04-13 ソレク ニュークリア リサーチ センター 複数の固相物体を識別するxrfアナライザ、その仕分けシステムおよび仕分け方法
US11376636B2 (en) 2018-08-20 2022-07-05 General Mills, Inc. Method of producing gluten free oats through hyperspectral imaging
WO2023278687A1 (en) * 2021-07-02 2023-01-05 Provenance Health, Inc. Ai methods for analysis and recommendation of cannabis compositions

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB993063A (en) * 1962-04-30 1965-05-26 Gunsons Sortex Ltd Photoelectric sorting machine
GB2025038B (en) * 1978-06-28 1982-11-24 Gunsons Sortex Ltd Method and apparatus for sorting agricultural products
SE439545B (sv) * 1978-11-01 1985-06-17 Forenede Bryggerier As Sett for styrning av en separationsprocess utford pa fron eller kernor
GB2060166B (en) * 1979-10-09 1984-03-21 Ag Electron Inc Sorting device and method
GB2091416B (en) 1981-01-19 1984-10-17 Gunsons Sortex Ltd Sorting objects
GB2091415B (en) * 1981-01-19 1985-03-20 Gunsons Sortex Ltd Sorting objects
US4535248A (en) * 1984-08-24 1985-08-13 The United States Of America As Represented By The Secretary Of Agriculture Method for detecting aflatoxin in almonds
US4863041A (en) * 1985-10-29 1989-09-05 Bailey Roger F Optical sorting apparatus
US4866283A (en) * 1988-08-12 1989-09-12 Southwest Research Institute Optical inspection of food products
US5379764A (en) * 1992-12-09 1995-01-10 Diasense, Inc. Non-invasive determination of analyte concentration in body of mammals
JP2699850B2 (ja) * 1993-12-28 1998-01-19 日本電気株式会社 復調装置
US6871169B1 (en) * 1997-08-14 2005-03-22 Sensys Medical, Inc. Combinative multivariate calibration that enhances prediction ability through removal of over-modeled regions
US6410872B2 (en) * 1999-03-26 2002-06-25 Key Technology, Inc. Agricultural article inspection apparatus and method employing spectral manipulation to enhance detection contrast ratio

Also Published As

Publication number Publication date
JP2004533324A (ja) 2004-11-04
CA2451867A1 (en) 2003-01-16
US20040251177A1 (en) 2004-12-16
CN1524019A (zh) 2004-08-25
DE60201684T2 (de) 2005-10-13
SE0102395D0 (sv) 2001-07-04
ATE279996T1 (de) 2004-11-15
DE60201684D1 (de) 2004-11-25
WO2003004179A8 (en) 2004-05-13
WO2003004179A1 (en) 2003-01-16
CA2451867C (en) 2009-11-10
US7202434B2 (en) 2007-04-10
EP1401589A1 (en) 2004-03-31
AU2002319986B2 (en) 2008-01-03
AU2002319986B8 (en) 2003-01-21
BRPI0210794B1 (pt) 2021-01-05
AU2002319986C1 (en) 2008-06-19
EP1401589B1 (en) 2004-10-20
BR0210794A (pt) 2004-08-17
JP4146335B2 (ja) 2008-09-10

Similar Documents

Publication Publication Date Title
CN1289214C (zh) 包含有机材料的物体的拣选方法
AU2002319986A1 (en) A method of sorting objects comprising organic material
US8563934B2 (en) Method and detection system for detection of aflatoxin in corn with fluorescence spectra
AU2002341470B2 (en) Sorting grain during harvesting
Tallada et al. Detection of fungus-infected corn kernels using near-infrared reflectance spectroscopy and color imaging
US9574997B2 (en) Method for classifying seeds, comprising the usage of infrared spectroscopy
CN1484761A (zh) 分析农产品的方法和装置
Lunadei et al. Image-based screening for the identification of bright greenish yellow fluorescence on pistachio nuts and cashews
Nielsen et al. Development of nondestructive screening methods for single kernel characterization of wheat
CN116993527B (zh) 一种生猪饲料生产数据优化采集监测方法
KR100433263B1 (ko) 근적외선 흡수스펙트럼을 이용한 곡물 1립 비파괴 분석방법
Serranti et al. Hyperspectral imaging and its applications
Pavino et al. Towards a routine application of vibrational spectroscopy to the detection of bone fragments in feedingstuffs: Use and validation of a NIR scanning microscopy method
KR102418869B1 (ko) 근적외선 분광법을 이용한 밀의 품질 평가 방법
Foroozani et al. Classification of wheat varieties by PLS-DA and LDA models and investigation of the spatial distribution of protein content using NIR spectroscopy.
RU2708159C1 (ru) Способ разделения зерна мукомольно-крупяных культур по показателю стекловидности
CN113959980A (zh) 物料质量快速检测分选设备和中药物料生产系统
RU2734496C2 (ru) Устройство для разделения зерна пшеницы и риса по показателю стекловидности
Taylor et al. Sorting capability and grain recovery of deoxynivalenol contaminated wheat is affected by calibration and vitreous kernel settings from near-infrared transmittance technology
Chaloupková et al. Particle size distribution analysis of pine sawdust: comparison of traditional oscillating screen method and photo-optical analysis
KR101922448B1 (ko) 근적외선 분광기를 이용한 이탈리안 라이그라스 및 페러니얼 라이그라스 종자의 초종판별 방법
RU2734498C2 (ru) Устройство для разделения зерна тритикале и ржи по показателю стекловидности
Figorilli et al. Olive Fruit Selection through AI Algorithms and RGB Imaging. Foods 2022, 11, 3391
Vollmann et al. Utilising NIRS for Qualitative and Non-destructive Identification of Seed Mutants in Large Populations
Mendoza et al. NIR Spectral Imaging for Animal Feed Quality and Safety

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CX01 Expiry of patent term
CX01 Expiry of patent term

Granted publication date: 20061213