DE202005021404U1 - Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten - Google Patents
Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten Download PDFInfo
- Publication number
- DE202005021404U1 DE202005021404U1 DE202005021404U DE202005021404U DE202005021404U1 DE 202005021404 U1 DE202005021404 U1 DE 202005021404U1 DE 202005021404 U DE202005021404 U DE 202005021404U DE 202005021404 U DE202005021404 U DE 202005021404U DE 202005021404 U1 DE202005021404 U1 DE 202005021404U1
- Authority
- DE
- Germany
- Prior art keywords
- objects
- image
- cases
- case
- spores
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
Einrichtung
zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten, dadurch gekennzeichnet,
dass beabstandet zu einem Träger
ein Mikroskop mit einer angekoppelten Bildaufnahmeeinrichtung für ein digitales
Bild des Sedimentes auf dem Träger
angeordnet ist, dass die Bildaufnahmeeinrichtung mit einem Datenverarbeitungssystem
zusammengeschaltet ist und dass im Datenverarbeitungssystem
– eine mit der Bildaufnahmeeinrichtung zusammengeschaltete Einrichtung zur Bildsegmentierung in den Hintergrund und die Objekte des digitalen Bildes,
– eine Einrichtung zur Merkmalsbestimmung der Objekte nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt,
– eine Einrichtung zur Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination durch Vergleich der Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherter und bestimmter Pilzsporen,
– ein Speicher für die Ergebnisse der Klassifikation
nacheinander in Reihe...
– eine mit der Bildaufnahmeeinrichtung zusammengeschaltete Einrichtung zur Bildsegmentierung in den Hintergrund und die Objekte des digitalen Bildes,
– eine Einrichtung zur Merkmalsbestimmung der Objekte nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt,
– eine Einrichtung zur Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination durch Vergleich der Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherter und bestimmter Pilzsporen,
– ein Speicher für die Ergebnisse der Klassifikation
nacheinander in Reihe...
Description
- Die Erfindung betrifft Einrichtungen zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten und digitale Speichermedien.
- Die Druckschrift
DE 196 45 068 C1 (Verfahren und Zähleinrichtung zum Auszählen von Teilchen, beispielsweise Saatgut- und Körnerproben oder dergleichen) beinhaltet ein Verfahren und eine Zähleinrichtung, 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 im Schutzanspruch 1 und 7 angegebenen Erfindung liegt die Aufgabe zugrunde, Pilzsporen an Körnerfrüchten automatisch erkennen zu können.
- Diese Aufgabe wird mit den in den Schutzansprüchen 1 und 7 aufgeführten Merkmalen gelöst.
- Die Einrichtungen zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten und die digitale Speichermedien zeichnen sich insbesondere dadurch aus, dass automatisch Pilzsporen von Körnerfrüchten automatisch bestimmt werden können. Dazu ist beabstandet zu einem Träger ein Mikroskop mit einer angekoppelten Bildaufnahmeeinrichtung für ein digitales Bild des Sedimentes auf dem Träger angeordnet. Die Bildaufnahmeeinrichtung ist mit einem Datenverarbeitungssystem zusammengeschaltet. Im Datenverarbeitungssystem sind
- – eine mit der Bildaufnahmeeinrichtung zusammengeschaltete Einrichtung zur Bildsegmentierung in den Hintergrund und die Objekte des digitalen Bildes,
- – eine Einrichtung zur Merkmalsbestimmung der Objekte nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt,
- – eine Einrichtung zur Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination durch Vergleich der Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherter und bestimmter Pilzsporen,
- – ein Speicher für die Ergebnisse der Klassifikation
- Pilzgeschädigte Körnerfrüchte stellen in einer Getreidepartie Beeinträchtigungen sowohl im Verarbeitungswert als auch in hygienischer Hinsicht dar und zählen damit nicht zum einwandfreien Grundgetreide. Pilzgeschädigte Bestandteile gelten allgemein als Risikomaterial auf Grund des unangenehmen Geruchs und Geschmacks und der hohen Gesamtkeimzahl bei gleichzeitig hohem Mykotoxinpotential. Für die Herstellung hygienisch einwandfreier Lebens- und Futtermittel sind diese ungeeignet. Insbesondere für den Verbraucherschutz sind die Ermittlung von pilzgeschädigten Körnerfrüchten von sehr großer Bedeutung. Die Verantwortung der Futter- und Lebensmittelunternehmer steigt wesentlich.
- Die Herstellung hygienisch einwandfreier Lebens- und Futtermittel aus Körnerfrüchten erfordern Kenntnisse über die Arteigenheit und Qualität der Rohwarenanlieferung.
- Die Einrichtungen zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten zeichnen sich vorteilhafterweise durch hohe Empfindlichkeit, Schnelligkeit und günstige Kosten aus. Ein weiterer Vorteil stellt die dadurch vorhandene Dokumentation der Untersuchungsergebnisse im Datenverarbeitungssystem dar. Damit sind die Entscheidungen hinsichtlich der Qualität angelieferter Körnerfrüchte leichter und sicherer treffen. Landwirte, Händler und Verarbeiter können mit dem System schnell und zuverlässig den Anteil dieses Risikomaterials ermitteln und die daraus resultierenden Maßnahmen hinsichtlich einer zuverlässigen und wirtschaftlichen Qualitätslenkung treffen. Etwaige Ansprüche können leicht nachvollzogen und durch das Datum, den Lieferer und eine etwaige Nummer einer Ladung zugeordnet werden. Unter der Mikroflora von Getreide treten sowohl toxinogene als auch genuss- und verarbeitungswertschädigende Spezies nebeneinander auf. Die Symptome können, wie zum Beispiel bei Microdochium nivale (Erreger des Schneeschimmels), makroskopisch zum Teil nicht von denen der toxinbildenden Fusarium-Arten unterschieden werden. Eine zusätzliche Identifizierung der Pilzarten über die jeweils charakteristische Sporenform stellt einen besonderen Vorteil dar. Dazu erfolgt die Bewertung der Probe über die Ermittlung der Konzentration von Pilzgruppen anhand der Anzahl verschiedener Sporentypen zum Beispiel Fusarium (mykotoxinproduzenten), Aspergillus/Penicillium (zum Teil Mxkotoxinproduzenten), Cladosporium (weit verbreiteter, allgegenwärtiger Schimmelpilz ohne Mykotoxinbildung) und Alternaria (Mykotoxinproduzenten).
- Das Ergebnis der Klassifikation wird vorteilhafterweise als Report tabellarisch angezeigt und/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 als Datenverarbeitungssystem. 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.
- Vorteilhafte Ausgestaltungen der Erfindung sind in den Schutzansprüchen 2 bis 6 angegeben.
- Das Trennen von Körnerfrüchten von anhaftenden Partikeln erfolgt nach der Weiterbildung des Schutzanspruchs 2 vorteilhafterweise durch Beschleunigungen in einer Flüssigkeit. Dazu ist ein Behälter für die Flüssigkeit und für Körnerfrüchte mit Schwingern für eine elastomechanische Schwingung oberhalb der Hörgrenze (Ultraschall) so versehen ist, dass möglichst ein homogenes Schallfeld vorhanden ist. Damit wirken große Beschleunigungen und damit daraus resultierende große Kräfte. Ein Vorteil besteht darin, dass auch in Spalten oder anderen Vertiefungen der Körnerfrüchte vorhandene Partikel in die Flüssigkeit gelangen und nachfolgend das Sediment bilden.
- Die Weiterbildungen des Schutzanspruchs 3, wobei für das Trennen von Körnerfrüchten von anhaftenden Partikeln durch Beschleunigungen in einer Flüssigkeit ein Behälter für die Flüssigkeit und für Körnerfrüchte an einem Antrieb gekoppelt ist führt zu einem Schütteln der Flüssigkeit mit den Partikeln im Behälter. Je nach Bewegungsverlauf können große Beschleunigungen erreicht werden, so dass eine gute Trennung von Körnerfrüchten und daran anhaftenden Partikeln erfolgt. Die Bewegung kann dabei als geführte Hin- und Herbewegung, Kippbewegung oder Drehbewegung ausgeführt werden.
- Vorteilhafterweise ist nach der Weiterbildung des Schutzanspruchs 4 der Träger für das Sediment ein Bestandteil einer Filtrationszentrifuge zur Trennung des Sediments von Flüssigkeit.
- Zur Akquisition von Merkmalen von Sporen aus digitalen Bildern mit Abbildungen von bestimmten Sporen als Fälle und zum Lernen von abstrakten Modellen aus diesen Fällen für die Falldatenbank ist bei jedem Bild mit Fällen nach der Weiterbildung des Schutzanspruchs 5 ein handführbares Eingabegerät so mit einem Computer als Datenverarbeitungssystem verbunden, dass durch manuelles Abfahren von Kanten eines Bildes in Form sichtbarer äußerer und/oder innerer Konturen diesen Kanten und damit Fällen zuordenbare Daten gewonnen werden. Über einen Vergleich mindestens zweier Fälle als bestimmte Pilzsporen, der Ermittlung der Ähnlichkeit und Auswahl eines Prototyps aus einer Gruppe wird ein Fall für die Falldatenbank gewon nen. Damit werden semiautomatisch Einzelformen von Pilzsporen als Objekte in Form von Darstellungen in Bildern erhoben und automatisch aus diesen Einzelformen abstrakte Formmodelle in verschiedenen Abstraktionsniveaus gewonnen. 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 einer Pilzspore dar, während die gemittelte Form ein künstliches nicht vorkommendes Objekt ist.
- Dazu werden die Kontur oder die Form digital erfasst und in einem Datenfile abgelegt. Diese bilden die Grundlage zur Bestimmung von Ähnlichkeitsmaßen und damit der Beschreibung der Ähnlichkeit. Daraus können weiterhin Gruppen von Formen von Pilzsporen 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 von bekannten und bestimmten Pilzsporen auch in ihren unterschiedlichen Erscheinungsformen. Damit können auch ständig neue Pilzsporen als Modelle in die Falldatenbank aufgenommen werden, so dass die Falldatenbank eine nach oben offene Datenbank ist.
- Die Falldatenbank bildet die Grundlage zum automatischen fallbasierten Erkennen und Be-stimmen von Pilzsporen als Objekte in digitalen Bildern des Sedimentes.
- Ein Dendogramm nach der Weiterbildung des Schutzanspruchs 6 stellt eine vorteilhafte Einteilung von Einzelfällen dar, wobei Gruppen von Einzelfällen hierarchisch geordnet sind. Das Fallbild ist dabei ein Prototyp einer Gruppe von Einzelfällen, wobei die Gruppen Mengen ähnlicher Einzelfälle mit bestimmten Distanz- oder Ähnlichkeitswerten sind. Der ähnlichste Fall bestimmt den Zweig des Dendogramms mit ähnlichen Fällen zur Bestimmung des Objektes. Der Prototyp ist entweder eine aus den Einzelformen der Gruppe gemittelte Form oder der Median der Gruppe der Einzelformen. Der Median ist der Fall, von dem alle anderen Fälle den geringsten Abstand haben. Der Median stellt damit eine reale Pilzspore dar, während die gemittelte Form eine künstliche Pilzspore ist. Das Fallbild kann aber auch ein Einzelbild eines Objektes sein.
- Ausführungsbeispiele der Erfindung werden nachfolgend näher beschrieben.
- Eine Einrichtung besteht im wesentlichen aus einer Vorrichtung zum Trennen von Körnerfrüchten von anhaftenden Partikeln durch Beschleunigungen in einer Flüssigkeit, einer Filtrationszentrifuge jeweils mit einem Träger für das abgeschiedene Sediment, einem Mikroskop mit einer angekoppelten Bildaufnahmeeinrichtung für ein digitales Bild des Sedimentes auf dem Träger und einem Datenverarbeitungssystem mit einer Einrichtung zur Bildsegmentierung, einer Einrichtung zur Merkmalsbestimmung der Objekte, einer Einrichtung zur Klassifikation der Objekte, einem Speicher für die Ergebnisse der Klassifikation und einem Speicher mit einer Falldatenbank.
- Die zu untersuchenden Körnerfrüchte werden von anhaftenden Partikeln durch Beschleunigungen in einer Flüssigkeit getrennt.
- In einer ersten Ausführungsform wird dazu ein Ultraschallbad verwendet. An einem Behälter mit der Flüssigkeit, Körnerfrüchten und einem Träger sind mehrere Schwinger für eine elastomechanische Schwingung oberhalb der Hörgrenze (Ultraschall) befestigt. Das sind vorzugsweise piezoelektrische Keramiken, die elastomechanische Schwingungen mit einer Frequenz von 20kHz bis 40kHz betrieben werden. Diese sind so an dem Behälter angeordnet und werden so angesteuert, dass möglichst ein homogenes Schallfeld vorhanden ist.
- In einer zweiten Ausführungsform wird zum Trennen von Körnerfrüchten von anhaftenden Partikeln durch Beschleunigungen in einer Flüssigkeit ein Behälter für die Flüssigkeit, Körnerfrüchte und einem Träger an einem Antrieb so gekoppelt, dass der Behälter geführte Hin- und Herbewegungen, Kippbewegungen oder Drehbewegungen zum Schütteln der Flüssigkeit und der darin enthaltenen Körnerfrüchte vollziehen kann.
- Die Trennung führt dazu, dass in der Flüssigkeit sowohl die Körnerfrüchte als auch die Partikel getrennt voneinander vorhanden sind. Die Körnerfrüchte können leicht entfernt werden. Die verbleibenden Partikel bilden auf dem Träger ein Sediment. Der Träger mit dem Sediment ist nachfolgend ein Bestandteil einer Filtrationszentrifuge zur Trennung des Sediments von Flüssigkeit.
- Von dem Sediment mit Pilzsporen auf dem Träger wird über das Mikroskop mit der Bildaufnahmeeinrichtung wenigstens ein digitales Bild aufgenommen. Diese Bildauf nahmeeinrichtung ist mit dem Datenverarbeitungssystem verbunden. Im Datenverarbeitungssystem sind
- – die mit der Bildaufnahmeeinrichtung zusammengeschaltete Einrichtung zur Bildsegmentierung in den Hintergrund und die Objekte des digitalen Bildes,
- – die Einrichtung zur Merkmalsbestimmung der Objekte nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt,
- – die Einrichtung zur Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination durch Vergleich der Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherter und bestimmter Pilzsporen,
- – der Speicher für die Ergebnisse der Klassifikation nacheinander in Reihe geschalten sind und
- – die Einrichtung zur Klassifikation mit dem Speicher mit der Falldatenbank
- In der Einrichtung zur Bildsegmentierung wird aus dem digitalen Bild des Sedimentes eine zweidimensionale Bildmaske erzeugt, wobei die Partikelflächen mit einem Binärwert und das restliche Bild mit dem anderen Binärwert belegt ist. Durch eine morphologische Filterung entsteht eine geschlossene Fläche gleicher Farbintensität für die Partikel in der Bildmaske. Über einen UND-Vergleich des Bildes des Sedimentes und der Bildmaske entstehen Bilder der Partikel, so dass die Bilder der Partikel die ursprüngliche Farbe und der Hintergrund einen Binärwert enthalten. Dadurch sind die Objekte mit Pilzsporen vom Hintergrund getrennt.
- Die Merkmalsbestimmung der Objekte erfolgt nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt.
- Bei der Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination werden die Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherten und bestimmten Pilzsporen verglichen. Im Ergebnis des Vergleichs erfolgt die Speicherung des Ergebnisses der Klassifikation in dem Datenverarbeitungssystem.
- Die Falldatenbank mit Fällen als Fallbilder bilden die Grundlage zum fallbasierten Erkennen von Pilzsporen als Objekte im digitalen Bild.
- Aus der Falldatenbank wird ein Fallbild mit einer Fallbeschreibung ausgewählt. Das Fallbild ist entweder ein Prototyp einer Gruppe von Einzelfällen oder ein Einzelbild eines Falles jeweils als Pilzspore. Die Gruppe von Einzelfällen stellen Mengen ähnlicher Einzelfälle mit bestimmten Distanz- oder Ähnlichkeitswerten dar, die hierarchisch als Dendogramm geordnet sind. Der ähnlichste Fall bestimmt den Zweig des Dendogramms. 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 zweiter 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 digitalen Bild des Sedimentes mit falls vorhanden Pilzsporen wird ein Gradientenbild gebildet. Über eine Kantendetektion der Objekte des digitalen Bildes wird das Gradientenbild erzeugt, wobei große Änderungen des Grauwertes sowohl in vertikaler als auch in horizontaler Richtung jeweils Gradienten und homogenen Flächen kein Gradient zugeordnet werden. Die homogenen Flächen sind damit schwarz.
- Das Gradientenbild wird gleichfalls in eine Bildfolge als eine Pyramide mit Bildebenen überführt.
- Das Fallbild aus der Falldatenbank wird nachfolgend sukzessive auf jedes Objektbild des Gradientenbildes des Sedimentes 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 zum Erkennen einer Pilzspore im Bild des Sediments ein Fall als Fallbild mit einer Fallbeschreibung ausgewählt wird, wobei sowohl aus einem Fallbild als auch aus dem Objektbild des Sedimentes jeweils ein Gradientenbild gebildet wird, dass diese Gradientenbilder jeweils in eine Bildfolge als eine Pyramide mit Bildebenen überführt werden und dass sukzessive die Richtungsvektoren in den Bildebenen jeweils des Fall- und des Objektbildes durch Produktbildung miteinander verglichen werden.
- Die Pilzsporen als Fälle sind über einen Index entsprechend der Ähnlichkeitsrelationen so in der Falldatenbank geordnet, dass aus einer Menge entweder von Prototypen der ähnlichste Prototyp oder von Fällen der ähnlichste Fall schnell zum Objekt im Bild gefunden werden kann.
- Der Prototyp als entweder gemittelte Form oder Median der Gruppe oder das Einzelbild wird auf einem mit dem Datenverarbeitungssystem verbundenem Datensichtgerät als Bildschirm abgebildet. Weiterhin werden die Konturpunkte entweder der gemittelten Form oder des Medians oder des Einzelbildes als Datenmenge gespeichert.
- Zur Akquisition von Formen aus Bildern von Pilzsporen als Fälle und zum fallbasierten Erkennen von Pilzsporen als Objekte in digitalen Bildern wird auf einem Datensichtgerät in Form eines bekannten mit einer Datenverarbeitungseinrichtung zum Beispiel ein Computer zusammengeschalteten Bildschirmes ein digitales Bild mit Fällen dargestellt. Dieses zeigt bekannte Pilzsporen als Fälle, deren Konturen unterschiedlich sein können, aber einer Art zugehören.
- Durch ein manuelles Abfahren von Kanten des digitalen Bildes mit Fällen mit einem handführbaren Eingabegerät im Zusammenhang mit dem Datensichtgerät werden den abgefahrenen Kanten zuordenbare Daten gewonnen. Kanten sind dabei sichtbare äußere und/oder innere Konturen von Fällen.
- Mit dem handführbaren Eingabegeräten als
- – der mit einer Tastatur oder einer Maus geführte Cursor des Bildschirms,
- – ein Lichtstift mit einem Photodetektor,
- – ein Scanner und/oder
- – ein Stift und Scanner,
- Aus den bestimmten Ähnlichkeitswerten werden Mengen ähnlicher Fälle gebildet und hierarchisch als Dendogramm geordnet. Das Dendogramm wird auf der Ähnlichkeitsskala entsprechend entweder festgelegter oder nutzerspezifischer Schwellen geschnitten, so dass Gruppen entstehen. Bei festgelegten Schwellen wird das Dendogramm automatisch geschnitten. 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 Datenverarbeitungssystem gespeichert.
- Das wird auf weitere digitale Bilder mit Fällen bekannter Pilzsporen 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.
- Ein zweites Ausführungsbeispiel ist ein digitales Speichermedium, das so mit einem programmierbaren Computersystem zusammenwirken kann, dass eine
- – Bildsegmentierung in Hintergrund und Objekte,
- – Merkmalsbestimmung der Objekte nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt,
- – Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination durch Vergleich der Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherter und bestimmter Pilzsporen und
- – Speicherung des Ergebnisses der Klassifikation
Claims (7)
- Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten, dadurch gekennzeichnet, dass beabstandet zu einem Träger ein Mikroskop mit einer angekoppelten Bildaufnahmeeinrichtung für ein digitales Bild des Sedimentes auf dem Träger angeordnet ist, dass die Bildaufnahmeeinrichtung mit einem Datenverarbeitungssystem zusammengeschaltet ist und dass im Datenverarbeitungssystem – eine mit der Bildaufnahmeeinrichtung zusammengeschaltete Einrichtung zur Bildsegmentierung in den Hintergrund und die Objekte des digitalen Bildes, – eine Einrichtung zur Merkmalsbestimmung der Objekte nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt, – eine Einrichtung zur Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination durch Vergleich der Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherter und bestimmter Pilzsporen, – ein Speicher für die Ergebnisse der Klassifikation nacheinander in Reihe geschalten sind und die Einrichtung zur Klassifikation mit einem Speicher mit der Falldatenbank verbunden ist.
- Einrichtung nach Schutzanspruch 1, dadurch gekennzeichnet, dass für ein Trennen von Körnerfrüchten von anhaftenden Partikeln durch Beschleunigungen in einer Flüssigkeit ein Behälter für die Flüssigkeit, für Körnerfrüchte und einem Träger mit Schwingern für eine elastomechanische Schwingung oberhalb der Hörgrenze (Ultraschall) versehen ist.
- Einrichtung nach Schutzanspruch 1, dadurch gekennzeichnet, dass für ein Trennen von Körnerfrüchten von anhaftenden Partikeln durch Beschleunigungen in einer Flüssigkeit ein Behälter für die Flüssigkeit, für Körnerfrüchte und einem Träger an einem Antrieb so gekoppelt ist, dass der Behälter geführte Hin- und Herbewegungen, Kippbewegungen oder Drehbewegungen zum Schütteln der Flüssigkeit und der darin enthaltenen Körnerfrüchte vollziehen kann.
- Einrichtung nach Schutzanspruch 1, dadurch gekennzeichnet, dass der Träger für das Sediment ein Bestandteil einer Filtrationszentrifuge zur Trennung des Sediments von Flüssigkeit ist.
- Einrichtung nach Schutzanspruch 1, dadurch gekennzeichnet, dass zur Akquisition von Merkmalen von Sporen aus Bildern mit Abbildungen von bestimmten Sporen als Fälle und zum Lernen von abstrakten Modellen aus diesen Fällen für die Falldatenbank bei jedem Bild mit Fällen ein handführbares Eingabegerät so mit einem Computer als Datenverarbeitungssystem so verbunden ist, dass durch manuelles Abfahren von Kanten eines Bildes in Form sichtbarer äußerer und/oder innerer Konturen diesen Kanten und damit Fällen zuordenbare Daten gewonnen werden, über eine Verschiebung und Skalierung jeden Falles jeweils mindestens zwei Fälle miteinander verglichen werden, die beiden Fälle aufeinander ausgerichtet werden und dabei gleichzeitig die Ähnlichkeit durch Ermittlung von Ähnlichkeitsmaßen berechnet wird, entsprechend der Ähnlichkeitsmaße Mengen ähnlicher Fälle gebildet und hierarchisch entsprechend der Ähnlichkeit geordnet werden und dass diese Hierarchie durch eine Vorgabe von Distanz- oder Ähnlichkeitswerten in Gruppen zerfällt und in den Gruppen jeweils ein Prototyp gewählt wird.
- Einrichtung nach Schutzanspruch 5, dadurch gekennzeichnet, dass das Fallbild ein Prototyp aus den Einzelformen einer Gruppe entweder gemittelte Form oder der Median der Gruppe von Einzelfällen ist, wobei Gruppen Mengen ähnlicher als Dendogramm geordnete Einzelfälle mit bestimmten Distanz- oder Ähnlichkeitswerten sind, und der ähnlichste Fall den Zweig des Dendogramms bestimmt, oder dass das Fallbild ein Einzelbild eines Falles ist.
- Digitales Speichermedium zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten, das so mit einem programmierbaren Computersystem zusammenwirken kann, dass eine – Bildsegmentierung in Hintergrund und Objekte, – Merkmalsbestimmung der Objekte nach wenigstens eines der Merkmale Größe, Form, Farbe, Kante oder Kanten in den Objekten, Textur der Objekte auch mit Position im Objekt, – Klassifikation der Objekte nach Pilzspore vorhanden oder nicht, nach Anzahl von Pilzsporen und nach Pilzsporenart einzeln oder in wenigstens einer Kombination durch Vergleich der Merkmale der Objekte aus der Merkmalsbestimmung mit in einer Falldatenbank gespeicherter und bestimmter Pilzsporen und – Speicherung des Ergebnisses der Klassifikation automatisch in einem Computersystem ausgeführt wird.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200510034504 DE102005034504A1 (de) | 2005-07-21 | 2005-07-21 | Verfahren und Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202005021404U1 true DE202005021404U1 (de) | 2007-12-06 |
Family
ID=37575732
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202005021404U Expired - Lifetime DE202005021404U1 (de) | 2005-07-21 | 2005-07-21 | Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten |
DE200510034504 Withdrawn DE102005034504A1 (de) | 2005-07-21 | 2005-07-21 | Verfahren und Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE200510034504 Withdrawn DE102005034504A1 (de) | 2005-07-21 | 2005-07-21 | Verfahren und Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten |
Country Status (1)
Country | Link |
---|---|
DE (2) | DE202005021404U1 (de) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011111155A1 (de) | 2011-08-19 | 2013-02-21 | Petra Perner | Verfahren zur fallbasierten Bestimmung von Gegenständen von in digitalisierter Form vorliegenden Bildern |
CN113192022A (zh) * | 2021-04-27 | 2021-07-30 | 长治学院 | 基于深度学习的病原孢子识别计数方法和装置 |
-
2005
- 2005-07-21 DE DE202005021404U patent/DE202005021404U1/de not_active Expired - Lifetime
- 2005-07-21 DE DE200510034504 patent/DE102005034504A1/de not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
DE102005034504A1 (de) | 2007-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE202004021395U1 (de) | Einrichtung zur automatischen und quantitativen Erfassung des Anteils von Saatgütern oder Körnerfrüchten bestimmter Qualität | |
DE102007013971B4 (de) | Verfahren und Vorrichtung zur Ermittlung einer Zellkontur einer Zelle | |
DE102014103963A1 (de) | Verfahren und Vorrichtung zum Bestimmung der Korngröße eines Düngers | |
EP3740327B1 (de) | Verfahren und vorrichtung zum bestimmen einer mechanischen eigenschaft eines objektes | |
WO2012172073A1 (de) | Verfahren zur bereitstellung eines vorhersagemodells für eine rissdetektion und verfahren zur rissdetektion an einer halbleiterstruktur | |
DE102016100134B4 (de) | Verfahren und Vorrichtung zum Untersuchen eines Objekts unter Verwendung von maschinellem Sehen | |
DE102007025320A1 (de) | Verfahren und Vorrichtung zur Analyse von Gegenständen | |
DE3921257A1 (de) | Verfahren und vorrichtung zur digitalen analyse von auf stratigraphische daten bezogenen abbildungen | |
DE202023101026U1 (de) | Eine kombinierte Bildverarbeitungstechnik und ein überwachtes lernbasierendes System für die Korngrössenverteilung sandiger Böden | |
EP3114456A1 (de) | VORRICHTUNG ZUR BESTIMMUNG DER PARTIKELGRÖßE UND/ODER DER PARTIKELFORM EINES PARTIKELGEMISCHES | |
DE202005021404U1 (de) | Einrichtung zur Erkennung und Bestimmung von Pilzsporen an Körnerfrüchten | |
DE10347123B4 (de) | Verfahren zur automatischen Bestimmung auf einem Träger gesammelter luftgetragener Partikel insbesondere Pilzsporen | |
DE19801400C2 (de) | Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern | |
DE102016210482A1 (de) | Optisches Sortiersystem sowie entsprechendes Sortierverfahren | |
DE102006060741A1 (de) | Verfahren und Vorrichtung zur optischen Prüfung von Objekten | |
DE202018101362U1 (de) | Siebreiniger zur Reinigung eines Plansichtersiebkastens | |
DE102021212020A1 (de) | Verfahren zum Erkennen einer Verschmutzung an einer Linseneinheit einer Kamera einer landwirtschaftlichen Arbeitsmaschine | |
EP1733333B1 (de) | Verfahren zur akquisition von formen aus hep-2-zellschnitten und zum fallbasierten erkennen von hep-2-zellen | |
DE19720121C2 (de) | Verfahren zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe in Schüttgütern | |
DE19538004A1 (de) | Verfahren zur Grobklassifizierung von Objekten | |
DE102020103941A1 (de) | Verfahren zum Betrieb einer Maschine zum Ernten und/oder Trennen von Hackfrüchten, zugehörige Maschine und zugehöriges Computerprogrammprodukt | |
AT511399B1 (de) | Verfahren zur automatisierten klassifikation von einschlüssen | |
DE102004018174A1 (de) | Verfahren zur Akquisition von Formen aus Bildern mit Fällen und zum fallbasierten Erkennen von Objekten in digitalen Bildern, Computer-Programm-Produkt und digitales Speichermedium zur Ausführung dieses Verfahrens | |
DE102004018171B4 (de) | Verfahren zur Akquisition von Formen aus Bildern luftgetragener Keime und/oder Pollen und zum fallbasierten Erkennen dieser Objekte in digitalen Bildern, Computer-Programm-Produkt und digitales Speichermedium zur Ausführung dieses Verfahrens | |
DE102007009485A1 (de) | Verfahren und Datenverarbeitungssystem zur Modellbildung für die Bildsegmentierung |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification |
Effective date: 20080110 |
|
R150 | Utility model maintained after payment of first maintenance fee after three years |
Effective date: 20071206 |
|
R157 | Lapse of ip right after 6 years |
Effective date: 20120201 |