-
Einrichtung
zur automatischen und quantitativen Erfassung des Anteils von Saatgütern oder
Körnerfrüchten bestimmter
Qualität
Die Erfindung betrifft Einrichtungen zur automatischen und quantitativen Erfassung
des Anteils von Saatgütern
oder Körnerfrüchten bestimmter
Qualität
und digitale Speichermedien zur automatischen und quantitativen
Erfassung des Anteils von Saatgütern
oder Körnerfrüchten bestimmter
Qualität.
-
Durch
die Druckschrift
DE
196 45 068 C1 (Verfahren und Zähleinrichtung zum Auszählen von Teilchen,
beispielsweise Saatgut- und Körnerproben oder
dergleichen) ist ein Verfahren und eine Zähleinrichtung bekannt, wobei
eine schnelle Bestimmung der Anzahl von Teilchen, welche sich auf
einer ebenen Aufnahmefläche
befinden, mittels einer optoelektronischen Aufnahmevorrichtung erfolgt. Über einen
Steuerrechner wird der Messablauf vorgegeben, des von der Kamera
erfassten auf einer Schüttplatte befindlichen
Saatgutes ausgezählt
und die Zählwerte dargestellt.
Grundlage bildet eine Aufnahme eines sogenannten Nullbildes als
Aufnahme der Schüttplatte
ohne Teilchen. Über
eine Kantenhervorhebung oder Kantenfilterung werden einzelne Teilchen
erkannt. Aneinanderliegende oder übereinanderliegende Teilchen
werden als Gesamtheit erfasst. Über
einen Vergleich mit ermittelten Teilchen wird auf die Anzahl dieser
Teilchen geschlossen. Eine Vereinzelung durch Segmentieren ist nicht
vorgesehen. Ein weiterer Nachteil besteht darin, dass nur die Konturen
zur Zählung
der auf der Schüttplatte
befindlichen Teilchen erfasst werden.
-
Der
in den Schutzansprüchen
1 und 5 angegebenen Erfindung liegt die Aufgabe zugrunde, Einrichtungen
zur automatischen und quantitativen Erfassung des Anteils von Saatgütern oder
Körnerfrüchten bestimmter
Qualität
bereitzustellen.
-
Diese
Aufgabe wird mit den in den Schutzansprüchen 1 und 5 aufgeführten Merkmalen
gelöst.
-
Die
Einrichtungen dienen der automatischen und quantitativen Erfassung
des Anteils von Saatgütern
oder Körnerfrüchten bestimmter
Qualität.
-
Vorteilhafterweise
kann dadurch insbesondere auch die Qualität von Saatgütern oder Körnerfrüchten durch eine Untersuchung
gezogener Proben schnell und einfach festgestellt werden. Das schließt auch
Getreide ein. Mit einer Krankheit befallene oder beschädigte Saatgüter oder
Körner
aber auch Teile davon können
automatisch erfasst werden. Qualitätsmängel wie unter anderem verursacht
durch aufgesprungene Körner,
Körnerauswuchs,
seitlich unvollständiger
Spelzenschluss, spelzenverletzte Körner, Zwiewuchs, grüne Körner, intakte
rote Körner, nichtintakte
rote Körner
und Flughafer können
ermittelt werden. Natürlich
werden auch die intakten Körner
der Proben festgestellt. Das schließt auch deren Größe mit ein.
Dadurch können
die Proben quantitativ nach Qualitätskategorien untersucht werden.
Damit kann eine objektive Bestimmung des prozentualen Anteils von
intakten und mangelhaften Saatgütern
oder Körnerfrüchten erfolgen.
Die Ermittlung erfolgt sehr schnell, so dass auch Proben angelieferter Getreidemengen
zeitnah auf ihre Qualität
hin überprüft werden
können
und die Entscheidung über
eine Annahme oder Verweigerung einer Lieferung kurzfristig möglich ist.
Für etwaige
Ansprüche
kann das Ergebnis leicht mit einer Dokumentation versehen werden.
Das können
das Datum, der Lieferer und eine etwaige Nummer einer Ladung sein.
-
Die
Aufnahme der Körnerfrüchte erfolgt
mit mehreren Bildaufnahmegeräten
mehrseitig, wobei sich die Saatgüter
oder Körnerfrüchte auf
oder in einer transparenten Transportvorrichtung befinden. Dadurch
können
insbesondere auch nur einseitig auftretende und sich darstellende
Qualitätsmängel der
Körnerfrüchte festgestellt
werden. Über
eine Bildsegmentierung der Bilder durch jeweiligem Vergleich des
Originalbildes mit wenigstens einer aus den Originalbild gewonnenen
Bildmaske und/oder einer ähnlichkeitsbasierten
Bildsegmentierung durch Vergleich entweder gleicher oder ähnlicher
Fälle aus
einer Falldatenbank, einer Merkmalsbestimmung der vereinzelten Saatgüter oder
Körnerfrüchte als
Objekte der Bildaufnahmen je Seite mit Form der Objekte, Farbe der
Objekte, Kanten in den Objekten, Textur der Objekte und Position
im Objekt, einer Klassifikation der Objekte durch Vergleich der
Merkmale der Objekte mit gespeicherten und bekannten als Klassifikatorwissen
abgelegten Merkmalen.
-
Das
Ergebnis der Klassifikation wird vorteilhafterweise als Report tabellarisch
angezeigt oder in einem geeigneten Speichermedium gespeichert.
-
Die
Einrichtung zeichnet sich weiterhin durch ihre einfache Realisierung
mit dem Einsatz bekannter Einrichtungen aus. Die Auswertung basiert
auf speziellen Einrichtungen und Abläufen in einem Computer. Ergebnis
ist auch die Möglichkeit
einer dauerhafte Wissensspeicherung. Die Einrichtungen stellen jeweils
nach oben offene Systeme dar, so dass ständig neue Merkmale in die Erfassung
mit aufgenommen oder gegen ältere
Merkmale ersetzt werden können.
-
Dazu
kann eine Akquisition von Formen aus Bildern mit Abbildungen von
Saatgütern
oder Körnerfrüchten als
Objekte und zu einem Lernen von abstrakten Formmodellen von Körnerfrüchten für eine Falldatenbank
für ein
fallbasiertes Erkennen von Saatgütern
oder Körnerfrüchten in
den digitalisierten Bildern der Saatgüter oder Körnerfrüchte erfolgen. Diese zeichnen
sich insbesondere dadurch aus, dass semiautomatisch Einzelformen
von Saatgütern
oder Körnerfrüchten als
Objekte in Form von Darstellungen in Bildern erhoben und dass automatisch
aus diesen Einzelformen abstrakte Formmodelle in verschiedenen Abstraktionsniveaus
gewonnen werden können.
Die gelernten abstrakten Formmodelle sind entweder gemittelte Formen
aus Gruppen von Objekten oder Mediane als Einzelformen von Gruppen.
Der Median ist das Objekt, von dem alle anderen Objekte den geringsten
Abstand haben. Der Median stellt damit eine natürliche Form eines Saatgutes
oder einer Körnerfrucht
dar, während
die gemittelte Form ein künstliches
nicht vorkommendes Objekt ist.
-
Der
besondere Vorteil besteht darin, dass die Kontur oder die Form digital
erfasst und in einem Datenfile abgelegt werden können. Mit diesen Daten können folgend
Manipulationen ausgeführt
werden, wobei zum Beispiel Ähnlichkeitsmaße bestimmbar und
die Ähnlichkeit
beschreibbar ist.
-
Damit
eignen sich diese Verfahren für
das Erstellen von Falldatenbanken mit Formmodellen von Saatgütern oder
Körnerfrüchten. Es
können
vorteilhafterweise Gruppen von Formen von Saatgütern oder Körnerfrüchten automatisch gebildet
und die Ähnlichkeiten
untereinander hierarchisch dargestellt werden. Aus den Gruppen können weiterhin
Modelle auf verschiedenen Abstraktionsebenen erstellt werden. Grundlage
sind digitale Bilder mit Abbildungen der Saatgüter oder Körnerfrüchte mit unterschiedlichen
Erscheinungsformen in der Kontur und/oder Textur und/oder Farbe.
Durch ein manuelles Abfahren von Konturen und/oder Texturen bildenden
Kanten eines Bildes mit einem handführbaren und mit einem Computer
verbundenen Eingabegerät
oder aus der Berechnung einer dem oder jedem Bild in Form sichtbarer äußerer und/oder
innerer Konturen zugeordneten Geometriedarstellung werden diesen
Kanten und damit dargestellten Saatgütern oder Körnerfrüchten als Objekte zuordenbare
Daten gewonnen. Aus diesen Daten können Formmodelle gewonnen werden,
um Wissen über
die Objekte akquirieren zu können.
Dadurch kann vorteilhafterweise die Falldatenbank erweitert werden.
-
Ein
weiterer Vorteil besteht darin, dass mit der Anwendung des Verfahrens
ständig
auch neue Formmodelle von Saatgütern
oder Körnerfrüchten als
Objekte in digitalen Bildern der Falldatenbank zugeordnet werden
können.
Damit ist eine Erweiterung der Falldatenbank gegeben.
-
Die
Falldatenbanken bilden damit die Grundlage zum automatischen fallbasierten
Erkennen und Bestimmen von Saatgütern
oder Körnerfrüchten als Objekte
in digitalen Bildern mit Objekten.
-
Das
ausgewählte
Fallbild und das erzeugte Gradientenbild des digitalen Bildes mit
Objekten werden in Pyramiden mit Bildebenen überführt. Die einzelnen Bildebenen
werden nacheinander miteinander verglichen, wobei mit den höchsten Bildebenen begonnen
wird. Die höchsten
Bildebenen sind die unschärfsten
Bildebenen mit jeweiss der geringsten Datenmenge, so dass beginnend
mit dem geringsten Rechenaufwand der Vergleich durchgeführt wird. Weiterhin
wird das ausgewählte
Fallbild mit jedem Objekt des digitalen Bildes mit Objekten sukzessive verglichen.
Während
des Vergleichs zwischen jedem der Objektbilder und des Fallbildes
erfolgt eine Ausrichtung und eine Skalierung und/oder Rotation des Fallbildes,
wobei dabei gleichzeitig die Ähnlichkeit berechnet
wird.
-
Der
besondere Vorteil besteht darin, dass entweder die Kontur oder die
Form digital erfasst und in einem Datenfile abgelegt werden können. Mit
diesen Daten können
folgend Manipulationen ausgeführt
werden, wobei zum Beispiel Ähnlichkeitsmaße bestimmbar
und die Ähnlichkeit
und/oder die Ähnlichkeit
als Grad der Übereinstimmung
zwischen Fall- und Objektbild durch das Ähnlichkeitsmaß beschreibbar
sind.
-
Mit
sinkendem Ähnlichkeitsmaß ist das
Objektbild ungleicher vom Fallbild.
-
Vorteilhafte
Ausgestaltungen der Erfindung sind in den Schutzansprüchen 2 bis
4 angegeben.
-
Ein
transparentes Band für
Saatgüter
oder Körnerfrüchte als
Bestandteil eines Bandförderes
als transparente Transportvorrichtung nach der Weiterbildung des
Schutzanspruchs 2 ermöglicht
eine zweiseitige Aufnahme der Saatgüter oder Körnerfrüchte. Zweiseitig ist eine Bildaufnahme
von oben über
ein erstes Bildaufnahmegerät
und von unten über
ein zweites Bildaufnahmegerät.
Ein derartiger Bandförderer
lässt sich
einfach realisieren. In Verbindung mit einer gekoppelten Vibrationseinrichtung
nach der Weiterbildung des Schutzanspruchs 3 werden die Saatgüter oder
Körnerfrüchte einfach
vereinzelt. Auch teilweise Überlagerungen
werden weitestgehend vermieden.
-
Eine
vorteilhafte transparente Tansportvorrichtung für Saatgüter oder Körnerfrüchte ist nach der Weiterbildung
des Schutzanspruchs 4 ein transparentes Rohr, in das jeweils ein
Saatgut oder eine Körnerfrucht
nacheinander einführbar
sind. Die Saatgüter
oder die Körnerfrüchte werden
im Rohr transportiert und durch die Bildaufnahmegeräte aufgenommen.
Dadurch können
mehrere Seiten der Saatgüter oder
Körnerfrüchte leicht
aufgenommen werden. Dazu sind vorteilhafterweise zwei, drei oder
vier Bildaufnahmegeräte
um das Rohr platziert.
-
Ausführungsbeispiele
der Erfindung werden im folgenden unter Einbeziehung der Darstellungen näher beschrieben.
-
Es
zeigen:
-
1 eine
prinzipielle Darstellung einer Einrichtung zur automatischen und
quantitativen Erfassung des Anteils von Getreidekörnern bestimmter Qualität,
-
2 verschiedene
Merkmale von Getreidekörnern
und
-
3 eine
Klassifikation.
-
Eine
Einrichtung zur automatischen Bonitierung von Getreidekörnern 1 als
Körner früchte wird nachfolgend
in einem ersten Ausführungsbeispiel
näher erläutert. Dabei
wird der Anteil von Getreidekörnern 1 bestimmter
Qualität
sowohl automatisch als auch quantitativ erfasst.
-
Eine
Einrichtung zur automatischen Bonitierung (automatische und quantitative
Erfassung des Anteils von Körnerfrüchten bestimmter
Qualität)
besteht im wesentlichen aus zwei Bildaufnahmegeräten, einem Bandförderer 4 als
Transportvorrichtung und einem Computer als Datenverarbeitungseinrichtung,
in dem eine Reihenschaltung bestehend aus einer Einrichtung zur
Bildsegmentierung 7, einer Einrichtung zur Merkmalsbestimmung 8 und
einer Einrichtung zur Klassifikation 9 und einer Anzeigeeinrichtung
und/oder einem Speicher als Ergebnisreport 10 für die Anteile
entsprechend der Merkmale klassifizierten Objekte nach der Qualität und/oder
der Art der Getreidekörner 1 realisiert
ist.
-
Die 1 zeigt
eine Einrichtung zur automatischen und quantitativen Erfassung des
Anteils von Getreidekörnern 1 bestimmter
Qualität
in einer prinzipiellen Darstellung.
-
Die
Getreidekörner 1 gelangen
aus einem Trichter 2 auf den Bandförderer 4, dessen Band 5 aus einem
transparenten Material besteht. Der Trichter 2 gewährleistet,
dass nur ein bestimmte Anzahl von Getreidekörnern 1 auf das transparente
Band 5 gelangt. Zwei Bildaufnahmegeräte als digitale Kameras 3a, 3b sind
so beabstandet übereinander
angeordnet, dass sich das transparente Band 5 zwischen
den Kameras 3a, 3b befindet. Dadurch werden die
Getreidekörner 1 von
oben mit der einen Kamera 3a und von unten mit der anderen
Kamera 3b aufgenommen. Gleichzeitig erfolgt in den Kameras 3a, 3b die Wandlung
der Bilddaten in eine digitale Form, so dass digitalisierte Bilder 6a, 6b der
Getreidekörner 1 vorhanden
sind. Mit der Bewegung des transparenten Bandes 5 werden
eine Vielzahl von Getreidekörnern 1 an
den Kameras 3a, 3b vorbeigeführt, die nacheinander mit mehreren
Bildern die vorbeigeführten
Getreidekörner 1 aufnehmen.
Die Kameras 3a, 3b sind mit dem Computer zusammengeschaltet,
so dass die digitalen Bilddaten der Bilder von oben 6a und
von unten 6b in den Computer gelangen.
-
Die
digitalen Bilddaten gelangen zur Einrichtung zur Bildsegmentierung 7,
wobei jeweils das digitalisierte Bild 6a, 6b der
aufgenommenen Getreidekörner 1 in
den Hintergrund und die Getreidekörner 1 aufgeteilt
werden. Es entsteht ein Binärbild, wobei dem
Hintergrund der Wert „0" und den Getreidekörnern der
Wert „1" zugeordnet werden.
Das Binärbild wird
nachfolgend mit morphologischen Filtern wie Dilation und Erosion
bearbeitet, in dessen Resultat für die
Getreidekörner
geschlossene Flächen
gleicher Farbintensität
entstehen. Das Binärbild
dient zum Ausschneiden der Getreidekörner aus dem ursprünglichen
Bild. Dazu werden das Bild und das Binärbild mittels einer UND-Operation
miteinander verknüpft,
so dass einzelne Bilder der herausgeschnittenen Getreidekörner als
Objekte vorhanden sind.
-
Dadurch
ist eine Bildsegmentierung der Bilder 6a, 6b durch
jeweiligem Vergleich des Originalbildes mit wenigstens einer aus
dem Originalbild gewonnenen Bildmaske vorhanden.
-
Die
einzelnen Bilder 6a, 6b der Getreidekörner werden
anschließend
in Klassenbilder überführt und
Merkmale für
die Objekte der einzelnen Klassenbilder und damit einzelne Getreidekörner bestimmt, die
die Charakteristiken der in dem jeweiligen Klassenbild sich ausprägenden Objekte
beschreiben.
-
Merkmale
sind die Form der Objekte, die Farbe der Objekte, die Kanten in
den Objekten (Struktur), die Textur der Objekte und die Position
eines Merkmals im Objekt (Darstellung in der 2).
-
Das
Getreidekornmuster des Klassenbildes als Merkmal wird mit Merkmalen
verglichen, die im Computer als Klassifikatorwissen der Einrichtung
zur Klassifikation 9 enthalten sind. Ergebnis ist eine
Zuordnung jedes Objektes und damit eine Bestimmung des Getreidekorns
hinsichtlich unter anderem der Kriterien aufgesprungenes Getreidekorn,
Auswuchs, unvollständiger
Spelzenschluss, spelzenverletzt, Zwiewuchs, rote Körner, grüne Körner, halbe
Getreidekörner,
intakte Getreidekörner
und Flughafer. Der Ergebnisreport 10 beinhaltet sowohl
die Anzahl der Getreidekörner 1 als
auch die prozentualen Anteile der Getreidekörner 1 entsprechend
der Merkmale. Vorteilhafterweise erfolgt die Ausgabe des Ergebnisreports 10 tabellarisch
(Darstellung in der 3).
-
Unbekannte
oder unsicher klassifizierte Getreidekörner können in einer Ausführungsform
automatisch erkannt und über
eine Lerneinheit dem Nutzer und/oder Bedienpersonals angezeigt werden. Dadurch
kann eine Klassifikation erfolgen, wobei das neue Kriterium als
Merkmal über
die Lerneinheit automatisch dem Klassifikatorwissen und damit der Einrichtung
zur Klassifikation 9 zu- und eingeordnet werden.
-
Das
Klassifikatorwissen der Einrichtung zur Klassifikation 9 kann
auch dadurch erstellt werden, dass auf einem Datensichtgerät in Form
eines bekannten mit einem oder dem Computer zusammengeschalteten
Bildschirmes ein digitales Bild mit wenigstens einem Getreidekorn
dargestellt ist. Die Form, die Struktur (Kanten im Objekt), die
Textur des Kornes und die Position im Objekt entsprechen den Kriterien,
nach dem eine Menge von Getreidekörnern 1 später automatisch
klassifiziert werden sollen. Das können natürlich auch die unbekannten
oder unsicher klassifizierten Getreidekörner sein.
-
Durch
ein manuelles Abfahren von Kanten des digitalen Bildes mit einem
handführbaren
Eingabegerät
im Zusammenhang mit dem Datensichtgerät werden in einer Ausführungsform
den abgefahrenen Kanten zuordenbare Daten gewonnen. Kanten sind dabei
sichtbare äußere und/oder
innere Konturen abgebildeter Getreidekörner 1 als Objekte.
Handführbare
Eingabegeräte
sind bekannte Tastaturen, Mauseinrichtungen, Lichtstifte und/oder
Scanner, wobei Daten der Konturpunkte als x-, y-Koordinaten und/oder
Grau- oder Farbwerte der Konturpunkte jeweils als Kanten zuordenbare
Daten gewonnen werden. Natürlich
kann auch eine Kombination bestehend aus einem Stift in Verbindung
mit einem Berührungsbildschirm
eingesetzt werden. In einer weiteren Ausführungsform können die
Daten auch durch Berechnung gewonnen werden, wobei vorgegebene Geometrien
den sichtbaren äußeren und/oder
inneren Konturen zugeordnet werden. Das sind insbesondere Linien,
Kreise oder Ellipsen.
-
Jedes
der durch Kanten bestimmte Getreidekorn als Objekt wird in einem
Koordinatensystem skaliert, wobei jeweils der Mittelpunkt des Objektes dem
Koordinatenursprung x = 0 und y = 0 entspricht. Die Ähnlichkeit
von Getreidekörnern
wird jeweils durch aneinander paarweises Ausrichten so bestimmt,
bis sich das Ähnlichkeitsmaß nicht
mehr ändert.
Es wird eine Skalierung und/oder Rotation ausgeführt, wobei gleichzeitig die Ähnlichkeit
berechnet wird. Während
der Berechnung der Ähnlichkeit
werden die Ähnlichkeitsmaße entweder
als Distanzwerte oder als Ähnlichkeitswerte
jeweils zwischen den Objekten so lange ermittelt, bis entweder ein
Minimum der Distanzwerte oder ein Maximum der Ähnlichkeitswerte vorhanden
ist. Die Distanz- oder
die Ähnlichkeitswerte
spannen eine Distanz- oder Ähnlichkeitsmatrix
auf. Aus den bestimmten Ähnlichkeitswerten werden
Mengen ähnlicher
Objekte gebildet und hierarchisch geordnet. Die Hierarchie wird
entsprechend entweder festgelegter oder nutzerspezifischer Schwellen
geschnitten, so dass Gruppen entstehen. Bei festgelegten Schwellen
erfolgt das Schneiden automatisch. Den Gruppen werden die Einzelformen zugeordnet
und in den Gruppen jeweils ein Prototyp gewählt. Der Prototyp ist entweder
eine aus den Einzelformen der Gruppe gemittelte Form oder der Median
der Gruppe der Einzelformen. Der Prototyp der Gruppe wird auf dem
Datensichtgerät
abgebildet und die Konturpunkte des Prototypen werden als Datenmenge
im Computer gespeichert. Das wird auf weitere digitale Bilder angewandt,
so dass eine Falldatenbank mit Formmodellen als Prototypen mit gemittelten
Formen von Gruppen von Einzelformen und/oder mit Medianen von Gruppen
von Einzelformen entstehen.
-
In
einer weiteren Ausführungsform
einer Bildsegmentierung in der Einrichtung zur Bildsegmentierung 7 und
Merkmalsbestimmung in der Einrichtung zur Merkmalsbestimmung 8 einer ähnlichkeitsbasierten
Bildsegmentierung wird aus der Falldatenbank ein Fallbild mit einer
Fallbeschreibung ausgewählt.
Das Fallbild ist entweder ein Prototyp einer Gruppe von Einzelfällen oder
ein Einzelbild eines Falles. Die Gruppe von Einzelfällen stellen
Mengen ähnlicher
Einzelfälle
mit bestimmten Distanz- oder Ähnlichkeitswerten
dar, die hierarchisch geordnet sind. Der ähnlichste Fall bestimmt den
Zweig der Hierarchie. Der Prototyp selbst ist entweder eine aus
den Einzelformen der Gruppe gemittelte Form oder der Median der
Gruppe der Einzelformen. Das Fallbild wird in eine Bildfolge als
eine Pyramide mit Bildebenen des Fallbildes gewandelt. Eine Bildfolge
als eine Pyramide mit Bildebenen verhindert ein explosionsartiges
Anwachsen des Rechenaufwands. Das Fallbild ist durch Anwenden von
Glättungsoperationen, wobei
alle Wellenzahlen unter der halben Grenzwellenzahl bleiben, und
aufgrund des Abtasttheorems nacheinander auf einem doppelt so groben
Raster ohne jeglichen Informationsverlust darstellbar. Dabei wird
nur jeder zweite Punkt einer Zeile und nur jede zweite Zeile herausgegriffen
und zu einem neuen Bild zusammengesetzt, wobei sichergestellt ist,
dass das ursprünglich
feinere Raster aus dem gröberen Raster
exakt rekonstruierbar ist. Die Anwendung der Glättungsoperationen erfolgt iterativ,
so dass daraus eine Folge von Bildern resultiert, wobei die Bilder
flächenmäßig jeweils
um den Faktor vier kleiner werden. Die immer kleiner werdenden Bildebenen
ergeben übereinandergeschichtet
die Form einer Pyramide.
-
Aus
dem aktuellen digitalen Bild mit Getreidekörnern 1 als Objekte
wird ein Gradientenbild gebildet. Über eine Kantendetektion der
Objekte des digitalen Bildes mit Objekten wird das Gradientenbild erzeugt,
wobei große Änderungen
der Intensität
sowohl in vertikaler als auch in horizontaler Richtung jeweils Gradienten
und homogenen Flächen
kein Gradient zugeordnet werden.
-
Das
Gradientenbild wird gleichfalls in eine Bildfolge als eine Pyramide
mit Bildebenen überführt.
-
Das
Fallbild wird nachfolgend sukzessive auf jedes Objektbild des Gradientenbildes
beginnend mit jeweils den höchsten
Bildebenen des Fall- und des Objektbildes verschoben, wobei das
Fallbild mit jedem Objektbild des Gradientenbildes verglichen wird.
Während
des Vergleichs wird das Fallbild auf das Objektbild ausgerichtet,
wobei dabei eine Skalierung und/oder Rotation des Fallbildes ausgeführt wird.
Während
des Vergleichs des Fallbildes mit dem Objektbild wird gleichzeitig
die Ähnlichkeit
zwischen dem Fall- und Objektbild berechnet. Bei der Berechnung
der Ähnlichkeit
werden die Ähnlichkeitsmaße entweder
als Distanz- oder als Ähnlichkeitswerte
jeweils zwischen dem Fall- und dem Objektbild so lange ermittelt,
bis entweder ein Minimum der Distanzwerte oder ein Maximum der Ähnlichkeitswerte
vorhanden ist. Die Ähnlichkeitsmaße bestimmen
den Grad der Übereinstimmung
zwischen Fall- und
Objektbild, wobei der Grad der Übereinstimmung
mit sinkendem Ähnlichkeitsmaß abnimmt
und das Objektbild ungleicher vom Fallbild wird.
-
In
einer weiteren Ausführungsform
kann dem Fall- und dem Objektbild jeweils ein Gradientenbild gebildet
werden. Diese Gradientenbilder werden jeweils in eine Bildfolge
als eine Pyramide mit Bildebenen überführt und sukzessive die Richtungsvektoren in
den Bildebenen jeweils des Fall- und des Objektbildes durch Produktbildung
miteinander verglichen.
-
Für eine Vereinzelung
der Getreidekörner 1 auf
dem transparenten Band 5 kann dieses mit einer bekannten
Vibrationseinrichtung gekoppelt sein, so dass das transparente Band 5 in
Schwingungen versetzbar ist. Bekannte Vibrationseinrichtungen sind zum
Beispiel bekannte piezoelektrische Elemente oder rotierende Exzenter.
-
Die
transparente Transportvorrichtung kann in einer weiteren Ausführungsform
auch ein transparentes Rohr für
eine nacheinanderfolgende Aufnahme der Getreidekörner sein, wobei der Querschnitt des
Rohres größer als
der eines Getreidekorns zur losen Aufnahme jeweils eines Getreidekornes
ist. Der Transport kann über
die Schwerkraft und/oder Druckluft erfolgen. Zur Bildaufnahme können mehrere
Bildaufnahmegeräte
um das Rohr platziert werden.
-
In
einer weiteren Ausführungsform
des Ausführungsbeispiels
gelangen die Bilder 6a, 6b der Getreidekörner 1 zu
einer Einrichtung zur Bildvorverarbeitung, die vor die Einrichtung
zur Bildsegmentierung 7 geschalten ist. Darin werden die
Bilder 6a, 6b von Rauschen als Störungen eliminiert.
Gleichzeitig kann eine Filterung erfolgen, wobei die äußeren Kanten
der Getreidekörner 1 über einen
Kantenfilter ermittelt werden. Die so ermittelten Kanten können auch
für eine
Bildsegmentierung genutzt werden oder gleichzeitig die Bildsegmentierung
darstellen.
-
Dabei
ist die Bildvorverarbeitung gleichzeitig die Bildsegmentierung.
-
Alle
Bestandteile des Ausführungsbeispiels können in
einer weiteren Ausführungsform
vorteilhafterweise mit einer Steuereinrichtung verbunden sein, die
gleichzeitig ein Bestandteil des Computers ist. Dadurch können insbesondere
auch der Bandförderer 4 und
die Bildaufnahmegeräte
so gesteuert, dass Doppelaufnahmen von Getreidekörnern 1 vermieden werden.
-
Ein
zweites Ausführungsbeispiel
ist ein digitales Speichermedium zur automatischen und quantitativen
Erfassung des Anteils von Saatgütern
oder Körnerfrüchten bestimmter
Qualität,
das so mit einem programmierbaren Computersystem zusammenwirken
kann, dass
- – eine Bildsegmentierung der
Bilder durch jeweiligem Vergleich des Originalbildes mit mindestens einer
aus den Originalbild gewonnenen Bildmaske und/oder einer ähnlichkeitsbasierten
Bildsegmentierung durch Vergleich entweder gleicher oder ähnlicher
Fälle aus
einer Falldatenbank,
- – eine
Merkmalsbestimmung der vereinzelten Saatgüter oder Körnerfrüchte als Objekte der Bildaufnahmen
je aufgenommener Seite mit wenigstens einem der Merkmale als Form
der Objekte, als Farbe der Objekte, als Kanten in den Objekten,
als Textur der Objekte und als Position im Objekt,
- – eine
Klassifikation der Objekte durch Vergleich der Merkmale der Objekte
mit gespeicherten und bekannten als Klassifikatorwissen abgelegten Merkmalen
und
- – eine
Anzeige und/oder Speicherung der Anzahl der entsprechend der Merkmale
klassifizierten Objekte nach der Kategorie der Qualität und/oder der
Art der Saatgüter
oder Körnerfrüchte ausgeführt wird.