JP2008512672A - 鉱物および岩石小片のサイズ、形状、アンギュラリティの解析のため、および組成解析のための装置および方法 - Google Patents

Abstract

サイズおよび形状の３次元測定のため、および鉱物および岩石小片ならびに同様の物体の組成解析のための機器および方法。鉱物や岩石などの、同じまたは異なるサイズの小片または物体の混合物が、個別かつ自動的にコンベヤ・ベルト上に供給され、レーザおよび２つのカメラを使用する３次元機械視測定を行い、続いて可視光および赤外光を使用する分光測定を行い、次いで、コンベヤの端部で集められる。コンピュータ・ソフトウェアを使用して、組み込まれた測定プロセスまたはユーザ特有の方法に従って、測定を自動的に実行し、個々の各物体のサイズ、形状、丸み、また、好ましくは岩石組成および他の特性や関連する特性の統計分布を計算する。

Description

本発明は、一般に鉱物および岩石の小片の解析のための機器および方法に関し、詳細には、鉱物および岩石小片の、形状おアンギュラリティ（かどのある形／輪郭）を含めたサイズおよび形状を判定し、また、それらの組成を判定し、サイズ、形状、岩石学的タイプに基づいて小片を分類するための光学的および分光測光的な方法に基づいて、そのような小片を自動的に解析する新規の装置および方法に関する。

岩石および鉱物の小片（粒子）のサイズ解析、岩石学的記述、ならびに他の解析の従来の手作業や機械的な方法は十分に確立されており、建設骨材業界によって、品質管理のためや、例えば道路の砂利やコンクリート骨材の評価のために、日常的に使用される。しかし、従来の方法は、しばしば十分に訓練された専門家を必要とし、また、それにも拘わらず再現可能な結果を得ることが困難であり、手間と時間とコストがかかる。

従来技術においての、鉱物および岩石の小片の光学的解析のための方法および機器が、例えば国際特許公開第０２／０９０９４２−Ａ１号、独国特許第２９８００８０９−Ｕ１号、独国特許第２０１１７４９４−Ｕ１号、独国特許第２０２１９１４１−Ｕ１号、米国特許第６０６１１３０号、米国特許第５３０９２１５号に記載されている。しかし、前記文献で開示されている方法または機器は、鉱物および岩石の小片の自動サイズ／形状決定（例えば、形およびアンギュラリティによる分類）のための３次元解析も、岩石組成の解析も提供しない。

鉱物および岩石の小片のサイズ、形状、そして好ましくは組成を判定するために、そのような小片の確実かつ再現可能な高スループットの測定を実現することができる方法および機器が求められている。

発明の概要
本発明の一つの目的は、複数の小片／物体を含む試料の各小片／物体のサイズおよび形状を自動的に決定するために、鉱物、岩石、砂礫、天然又は製造された又はリサイクルされた骨材などから選択された試料内の物体／小片を、高スループットで解析するための装置および方法を提供することである。この形状を決定することは、形状およびアンギュラリティを定義するパラメータを含む。

本発明の装置は、物体が互いに離隔される（即ち重なり合わない、または直接接触しない）ように、ある所定の最大幅の１つの層の流れで前記物体を供給するための好適な供給システムと、各物体についての３次元表面データを得るように構成された光学的画像検出システムと、処理手段および専用ソフトウェアを備える制御システムとを組み合わせるものであり、制御システムの処理手段および専用ソフトウェアは、前記物体の画像を処理し、前記物体のサイズおよび形状を自動的に決定し、前記物体のサイズおよび形状を表すパラメータを返す。好ましくは、本装置は更に、試料のスペクトルを得るための分光検出システムを備え、その試料のスペクトルは、試料の物体の組成および／または岩石学的タイプを表すデータを得るために、制御システムによって処理される。本発明の装置および方法は、例えば、品質、ならびに建設、コンクリート、道路工事、および関連する応用分野に対する適性を評価するために、岩石学的試料を自動的に迅速に解析することが可能である。そのような解析は、これまで手間がかかる半機械的方法（ふるい分けおよび粉砕）や手動の目視検査に基づいていた。

本発明の他の態様は、鉱物、岩石、砂礫、天然又は製造された又はリサイクルされた骨材などから選択された試料内の複数の物体内の物体のサイズおよび形状を決定するための方法を提供し、形状の決定は、少なくとも、小片が長いかどうか、および／または平坦なものであるかどうかを示す形状パラメータまたはクラスを少なくとも決定すること、ならびにアンギュラリティ（角のある輪郭）の決定を含む。

他の態様は、本明細書で述べられている方法におけるデータ解析および決定を実施するため、およびデータ獲得を制御するためのコンピュータ・プログラム製品を提供する。

本発明の装置は、特定の試料タイプ用に構成することができるが、概して、鉱物、岩石、砂礫、天然又は製造された又はリサイクルされた骨材などの複数の物体／小片を含むバッチ試料の自動解析に適している。

本明細書では、「形（shape）」という用語は、概して、ある物体の巨視的な形状およびアンギュラリティを指し、好ましくは、表面テキスチャをも指す。本明細書では、「形状（form）」というパラメータは、その物体の主軸（長軸、中間軸、短軸）の比に従って、解析済みの物体を分類するために使用される。それに従って、物体は、図９ｃに示されているように、４つのクラス、即ち、長いもの、平坦で長いもの、平坦なもの、立方体様（立方形）のものに、分類することができる。すべての軸についての長さが実質的に同様である場合、その物体は立方形のものとして分類され、中間軸および短軸が同様であり、長軸が実質的に長い場合、その物体は長いものとして分類され、長軸および中間軸が同様であり、かつ短軸より実質的に長い場合、その物体は平坦なものとして分類され、すべての軸が異なる、即ち、長軸が中間軸より実質的に長く、中間軸は短軸より実質的に長い場合、その物体は、長く平坦なものとして分類される。様々なカットオフ（cut-off）値を選択して、形状クラス間の境界を規定することができ、一つの分類体系では、２つの軸は、それらの比が０．６７未満（短軸：長軸）である場合には同様であるとみなされるが、この値は、例えば０．５や０．７５に設定することもできる。

これらの様々な形状はまた、薄片比（ｆｌａｋｉｎｅｓｓ ｒａｔｉｏ）または伸長比（ｅｌｏｎｇａｔｉｏｎ ｒａｔｉｏ）によって表すことができる。当技術分野では一般に、何れの標準が使用されるかに応じてではあるが、小片は、その厚さがその幅の０．５または０．６７未満である場合には薄片状のものとみなされ、その幅がその長さの０．５または０．６７未満である場合には「長いもの」とみなされる。そのような分類は本発明の方法を用いて容易に達成されるものであり、測定された物体を、測定された主軸比に従ってグループ分けし、従来のキャリパ測定を用いる相対的測定による分類に合致するグループを規定するように適切な間隔を選択することによって、達成される。

本装置は、試料物体を、１つの層の流れで互いに離隔されて互いに重なり合わないように、または直接接触しないように、搬送ベルト上へ供給するためのフィーダ（供給装置）を備える。幾つかの実施形態では、試料物体が１つずつ本装置の検出エリアに進入するように、物体は実質的に一つのラインに位置合わせされるが、検出手段および解析ソフトウェアが物体間での区別を行うことができる限り、２つ以上の物体を同時に検出することもできる。当業者に周知の幾つかのフィーダ手段を本発明に従って使用することができ、例えば、本装置の主搬送ベルトに対して或る角度、例えば垂直、に配列された１または複数のコンベヤ・ベルトなどを使用することができる。現在好ましい実施形態は、図２に示されているような振動螺旋エレベータ８を備え、その寸法は、解析される特定の試料によって決まる。好適な螺旋エレベータは、デンマークのＳｃａｎＶｉｂｒｏによって提供される。例えばＶｉｂｒａｔｅｃｈｎｉｑｕｅｓ Ｌｔｄ（ビブラテクニック社）（英国）によって提供される振動ドサイン（dosign）フィーダなどのような、他の構成を使用することもできる。

本装置で使用される主コンベヤ１１は、当業者なら容易に選択することができ、好ましくは、本装置の動作中にコンベヤの速度を確実に固定するために、好適な高精度モータを用いて駆動するべきである。一実施形態では電気モータが使用され、その速度は入力ＡＣ周波数に直接依存し、その周波数は、調整可能な周波数コントローラを用いて正確に制御される。図２に示されている構成では、供給用コンベヤ１２は、物体をフィーダ８から主コンベヤ１１へ送り、供給用コンベヤは低速に設定され、物体を離散的に分配する助けをする。主コンベヤ１１は、カバー１３の遠位側パネル１４に固定された電気モータに軸が接続されたローラ１０によって駆動される。カバー１３の開放側もまた、取付け可能な前側パネル（図示せず）を用いて閉じることができる。

光学的検出および表面解析
本装置は、主搬送ベルトを横切る光の平面ビーム（即ち、コリメートされた、好ましくはコヒーレントな光）を投じる照明源を備え、典型的には、そのビームは、動きの方向に対して、また、好ましくは、ベルトの平面に対しても直交する。一実施形態では、コリメートされた平面のコヒーレントの光ビームを生み出すために、コヒーレントなダイオード・レーザ光が好適なレンズと共に使用される。ベルトを横切るビームの幅により、解析される物体の最大幅が決定され、典型的には、従来の岩石骨材試料の場合は約４０〜１６０ｍｍのビーム幅が適切であり、例えば、約４０〜１００ｍｍの範囲や、例えば約５０ｍｍや約６０ｍｍなどのような例えば約４０〜８０ｍｍの範囲内や、より広い約１００ｍｍ、１２０ｍｍ、１４０ｍｍ、または１６０ｍｍなどである。ベルトを横切る物体の幅がビーム幅以下であるように物体の長軸がベルトに沿っている場合には、それより長い物体を解析することができる。ビーム平面を横切るビームの幅それ自体が、表面解析の分解能に影響を及ぼし、好ましくは、解析される物体の最大表面高さでの幅は、例えば０．０５ｍｍ以下などのように、約０．１ｍｍ未満である。しかし、ビームの幅を規定することは困難である。即ち、観察される幅は、周囲の光度（ｌｉｇｈｔ ｌｅｖｅｌ）、光が投射される表面のテキスチャなどに依存し、また、特に、レンズ構成、すなわち、ビームが、例えばコンベヤ・ベルトから３０〜４０ｍｍで、またはより小さい小片についてはそれより低い推定される小片の高さで合焦されるように適切に構成されるレンズ構成に、依存することになる。

本発明は、砂礫サイズの骨材（約２〜４ｍｍから４０〜６０ｍｍ）、および小石サイズの骨材（約２０〜４０から約１６０ｍｍ）の解析に特に有用であり、また、砂サイズの小片（約０．５から２ｍｍ）にも使用することができ、それには異なるフィーダ構成が必要とされる可能性があるが、そのような好適な解決策は当業者に周知である。

画像取込み手段は、少なくとも１つの画像検出器、典型的にはレンズとＣＣＤまたはＣＭＯＳ検出器とを有する機械視（マシン・ビジョン、machine vision）カメラを備え、そのレンズは、好適な焦点距離を有するものが選択される。検出器（１または複数）は、ビーム経路を通って搬送される物体を照明する平面光ビームの拡散反射の画像を取り込むことができるように配列される。画像検出器は、１秒当たり約１０画像、またはそれより多く、例えば１秒当たり少なくとも２４や２６画像というものを含めて１秒当たり約少なくとも２０画像などのように、短い規則的な間隔で画像を取り込むように制御される。より速いプロセッサの場合、１秒当たり約４０や４８画像、あるいは１秒当たり最大７５や１００画像などのような、１秒当たり約２５〜１２０画像を得ることができるような、高速レートとすることができる。画像取込み周期により、コンベヤの許容速度、従って測定のスループットが決定される。高スループットの解析のためには、１秒当たり少なくとも５０画像や１秒当たり少なくとも１００や１２０画像などのような、高い画像取込み周期が望ましい。本発明のソフトウェアおよび制御システムは、高スループット解析を可能にし、また、現在のシステム構成を用いて、最大幅直径（長軸）１００ｍｍ未満の物体を１時間当たり少なくとも約１００個、好ましくは、最大幅直径１００ｍｍ未満の岩石を１時間当たり少なくとも２００個、解析されるように構成することができる。しかしながら、それよりも長い物体がコンベヤ・ベルトと平行に置かれ、ベルトの横方向に対するその物体の幅がビームの幅未満であるならば、そのような長い物体を解析することができる。従って、本装置のフィーダは、物体をその最も長い軸がベルトの動く方向に沿った状態でコンベヤ上に配するように、構成されることが好ましい。

好ましい実施形態では、少なくとも２つの画像検出器が使用され、好ましくは、画像検出器は平面ビームの反射の画像を取り込むように構成され、検出器は、平面ビームに対して異なる角度から物体に対して向けられ、好ましくは、平面ビームの各側で１つずつ物体に対して向けられ、画像面のそれぞれが、コンベヤ・ベルトの方向に対して垂直であり平面ビームに対して平行な水平軸を有するように、配列される。換言すれば、検出器は、図１および図２に示されているように、一方がビームの前方で、他方がビームの反対側で、ベルトの方向と位置合わせされることが好ましい。

本装置は更に、機器の機械的部分およびハードウェア部分を制御するためのコンピュータ・プログラムが格納されている処理手段と、取り込まれた画像を格納するためのメモリとを備える制御システムを備え、制御システムは、前記物体のサイズおよび形状を自動的に決定するために前記物体の一連の画像を処理するように適合され、アンギュラリティおよび形状を含めての、物体のサイズおよび形状、そして好ましくは試料物体の岩石学的組成を表すパラメータを返す。

本装置の一実施形態では、制御システムは、前記物体の一連の画像および結果的に得られた３次元表面画像をコンピュータ・プログラムに基づいて処理するように適合され、以下のパラメータのうちの１または複数のものを計算する。物体のサイズ：長軸、中間軸、短軸の長さ：伸長比および薄片比：形クラス：等価形指数（ｅｑｕｉｖａｌｅｎｔ ｓｈａｐｅ ｉｎｄｅｘ）：等価薄片指数（ｅｑｕｉｖａｌｅｎｔ ｆｌａｋｉｎｅｓｓ ｉｎｄｅｘ）：球形度、丸みまたはアンギュラリティ値および／またはクラス：複数の解析済み小片についてのパラメータのうちの１または複数のものの統計分布。

好ましい実施形態では、制御システムは、数学的形態学（モルフォロジ）アルゴリズムを実施して一連の画像を処理するように適合されて、丸みまたはアンギュラリティのパラメータおよび／またはクラスに相関される擬似体積損失値を計算する。

岩石小片のアンギュラリティは、従来、パワーズ（Ｐｏｗｅｒｓ）によって最初に提案された、パワーズ（Ｐｏｗｅｒｓ）・スケール上の６つのカテゴリのうち１つを使用して記述されるものであり、６つのカテゴリにおいては、１は「非常に角張っている」、２は「角張っている」、３は「やや角張っている」、４は「やや丸い」、５は「丸い」、６は「非常に丸い」である（Ｐｏｗｅｒｓ，Ｍ．Ｃ．「Ａ ｎｅｗ ｒｏｕｎｄｎｅｓｓ ｓｃａｌｅ ｆｏｒ ｓｅｄｉｍｅｎｔａｒｙ ｐａｒｔｉｃｌｅｓ」Ｊｏｕｒｎａｌ ｏｆ Ｓｅｄｉｍｅｎｔａｒｙ Ｐｅｔｒｏｌｏｇｙ（１９５３）、第２３巻、１１７〜１１９頁）。

本明細書でより詳しく述べられるように、アンギュラリティ・スケールは、本発明によるアンギュラリティ測定に基づくものと解釈することができる。このスケールは、「角の体積パーセント（％ ｖｏｌｕｍｅ ｏｆ ａｎｇｌｅｓ）」の決定に基づくものとすることができ、この決定においては、Ｐｏｗｅｒｓスケールに従って手動検査によって分類された場合と同様に物体を実質的に分類するための間隔を生み出すように、適切なカットオフ値を選択することができる。本発明者らは、本発明の装置および方法を用いて、手動検査による独立した分類に対する良好な統計的相関を用いて、Ｐｏｗｅｒｓのアンギュラリティ定義に従って、小片を自動的に諸クラスに分類することが可能であることを、見出した。

モルフォロジ（形態）解析
本発明の好ましい実施形態の２カメラ・レーザ三角測量システムは、十分な表面カバレージを可能にし、小片の上半球の完全なモデルを効果的に提供する。従って、各小片は、図３に示されているように、オクルージョンおよびパースペクティブの効果（影響）のない距離画像（range image）として表すことができる。

距離画像とグレイスケール・モルフォロジとの間には自然の類似点がある。レーザ三角測量を使用して収集され、距離画像で表された雲データは、事実上、Ｋ^３空間における自由面である。小片のモルフォロジを特徴付けるために、本発明者らは、可視表面の下の遮られた領域において物体が個体であると仮定する必要がある。Ｋ^２空間において関数ｆ（ｘ，ｙ）として示されるグレイ・レベル画像は、グレイスケール・モルフォロジにおいて、Ｋ^３空間における点の集合［ｘ，ｙ，ｆ（ｘ，ｙ）］と考慮される。本影部Ｕ［ｆ］は下記のように定義することができる。

Ｕ［ｆ］＝｛ｐ（ｘ，ｙ，ｚ）：ｚ≦ｆ（ｘ，ｙ）｝ （式１）

従って、Ｋ^３空間における集合Ｘの本影部は、Ｘの影内に含まれる点の体積であり、この場合、光源は、正のｚ方向における無限距離にある点光源である（Ｓｔａｎｌｅｙ Ｒ．Ｓｔｅｒｎｂｅｒｇ、Ｓ．Ｒ．Ｇｒａｙｓｃａｌｅ Ｍｏｒｐｈｏｌｏｇｙ ＣＶＧＩＰ ３５（１９８６）、３３３〜３５５頁）。これは、レーザ三角測量システムにおける照明の方向に対応し、従って、本影部は、レーザによって投じられる影と同じである。

次いで、グレイスケールの浸食（ｅｒｏｓｉｏｎ）および拡張（ｄｉｌａｔｉｏｎ）は以下のように定義される。構造化エレメント（ｓｔｒｕｃｔｕｒｉｎｇ ｅｌｅｍｅｎｔ）ｇを用いた画像ｆの浸食は、構造化エレメントを画像の各点に移して、「差の最小」をとることを含む。従って下記のようになる。

同様に、グレイスケールの拡張については、本発明者らは、構造化エレメントを画像上の各点に移して、「和の最大」をとる。従って下記のようになる。

これらの演算は、それらの標準的な形において、ノイズや局所的な強度の変動に対して極めて敏感である。これは、距離画像を扱うとき特に問題である。なぜなら、レーザ・スペックルによる何らかのインパルス・ノイズやポイント・オクルージョンが、処理結果に大きな影響を及ぼす可能性があるからである。ソフト・モルフォロジでは、拡張および浸食で使用される最大および最小の演算子が、より一般的な加重順序統計量（ｗｅｉｇｈｔｅｄ ｏｒｄｅｒ ｓｔａｔｉｓｔｉｃｓ）で置き換えられる。構造化エレメントは「ハード」中心と「ソフト」境界からなり、この中心は、演算に対して、境界よりも大きい影響を及ぼすように加重される。従って、本発明者らは、Ａ⊂Ｂである有限集合ＡおよびＢ、ならびに１≦ｋ≦｜Ｂ｜を満たす自然数ｋの３つのパラメータからなる構造化システム［Ｂ，Ａ，ｋ］を定義する。Ｂは構造化集合であり、Ａはそのハード中心であり、ｋはその次数指数または反復パラメータである。本発明者らは、集合のｋ番目の最小メンバとｋ番目の最大メンバとをそれぞれｍｉｎ^（ｋ）とｍａｘ^（ｋ）とで表し、Ｋｏｓｋｉｎｅｎ（コスキネン）その他によって使用された慣例に即して（Ｋｏｓｋｉｎｅｎその他、Ｓｏｆｔ Ｍｏｒｐｈｏｌｏｇｉｃａｌ Ｆｉｌｔｅｒｓ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＳＰＩＥ（１９９１）、第１５６８巻、２６２〜２７０頁）、本発明者らは、反復演算を示すために＜＞を使用する。

次いで、構造化システム［Ｂ，Ａ，ｋ］を用いた画像ｆのソフト浸食は、下記の式によって最も良く定義される。

同様に、［Ｂ，Ａ，ｋ］によるｆのソフト拡張は、下記のように定義される。

適切な構造化エレメントを注意深く選択することが、モルフォロジカル演算の有効性にとって重要である。本発明による物体の解析では、構造化エレメントは、どの点においても、小片の方向および小片表面の傾斜の双方に対して不変であることを必要とする。また、形態的な開き（morphological opening、モルフォロジカル・オープニング）は、結果として、十分に丸い表面を有する小片において、体積の最小限の損失となるべきである。これらの制約下では、適切にサイズ決めされた球体が、理想的な選択である。この場合も、これが距離画像として表される。この手法を使用したとき、実際には、本物の連続的な球体ではなく、半球体に対する不連続の近似が使用される。半球体の表面を表すグレイ値を用いた構造化エレメントを使用して、グレイスケール画像に形態的な開きまたは閉じ（closing、クロージング）を適用することは、ローリング・ボール（ｒｏｌｌｉｎｇ ｂａｌｌ、ころがるボール）変換として一般に知られており、これは、標準的な強度画像における不連続を滑らかにするためおよびノイズを除去するための手段としてＳｔｅｒｎｂｅｒｇ（前記文献）によって最初に述べられたものである。

この手法は、以下のように説明することができる。モルフォロジカル・クロージングの場合、画像において存在するグレイ・レベルによって記述される３次元面の上でボールを転がすことを想像してみる。表面が、比較的曲率の小さい滑らかなものである場合、ボールは、あらゆる点で表面と接触することになる。しかし、ボールは、狭い穴または溝内の表面点、即ち、凹部の曲率が球体の曲率を超える所に含まれる表面点とは、接触しないことになる。得られる関数は、ボールがたどることができる経路の和集合、あるいはより具体的には、表面上のあらゆる点に対する球状構造化エレメントの変換の和集合である。すなわち、表面内の何れの狭い穴や溝も「閉じられている（ｃｌｏｓｅｄ）」。同様に、モルフォロジカル・オープニングは、３次元表面の下側でボールを転がすこととして、視覚化することができる。この場合、この手順に関して失われるのは、鋭い縁部や隅部などのような曲率の高い突起である。これは図５に示されている。横断面として示されている元の表面が、図５ａで見られる。次いで、変換が適用される（図５ｂ）。球体によってアクセスすることができない表面上の任意の点が削除される（図５ｃ）。

これに基づいて、本発明者らは、適切にサイズ決めされた球状構造化エレメントを使用しての、小片の距離画像のオープニングは、異なるアンギュラリティ・クラス間での区別を行う手段を提供できることを主張するみのであり、この区別は、単に、この手順による体積損失（ｖｏｌｕｍｅ ｌｏｓｔ）（「角の体積（ｖｏｌｕｍｅ ｏｆ ａｎｇｌｅｓ）」）の比率を解析することによって提供できる。これは、各小片を「十分に丸い」状態へと縮小することによって、砂および砂礫などの岩石小片を丸くする自然の摩耗工程が効果的にシミュレーションされる。本発明者らは、この場合、構造化エレメントの境界が中心に対して等しい影響を及ぼすべきであり、従って、式（４）および（５）に関してＡ＝Ｂであることを提案したい。次いで、ランク・パラメータｋは、距離画像におけるノイズの予想されるレベルに従って選択することができる。

この手法による区別の能力は、明らかに、使用される球状構造化エレメントの直径を注意深く選択することに大きく依存することになる。実際、手動の岩石学的分類のために提案されている元の方法は、小片のサイズに対してアンギュラリティを規定する。概して権威があるとみなされており且つ広く使用されているＰｏｗｅｒｓスケール（Ｐｏｗｅｒｓ、前記文献）が導出された基であるＷａｄｅｌｌ（ワデル）（Ｗａｄｅｌｌ，Ｈ．「Ｖｏｌｕｍｅ，ｓｈａｐｅ ａｎｄ ｒｏｕｎｄｎｅｓｓ ｏｆ ｑｕａｒｔｚ ｐａｒｔｉｃｌｅｓ」、Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｌｏｇｙ（１９３５）、第４３巻、２５０〜２８０頁）によって使用された手法は、２次元粒状画像の隅部の平均半径を最大内接円の半径によって除算することを含む。典型的な骨材試料が非常に異なるサイズの小片を含む可能性があることを考えると、構造化エレメントのサイズは、解析される小片のサイズに従って動的に選択するべきであるように思われる。しかし、更なる考察により、本発明者らは、球状構造化エレメントの使用に疑問を呈している。最初に、画像面に対して直交する寸法として考慮される小片の高さは、絶対体積損失に対して影響を及ぼさない。より大きな高さを比例的に有する小片は、比例的にはあまり体積を失わない。これに加えて、ある隅部のアンギュラリティは、従来、所与の投射における最大内接円に関して測定される（Ｗａｄｅｌｌ、前記文献）。しかし、ある投射に対しての好適な比率の球体が、別の投射にとって不適切となる可能性がある。従って、小片の伸長比および平坦比に伴う偏りを除去するために、本発明者らは、球状構造化エレメントを、解析を受ける小片の縦横比と同じ縦横比を有する楕円と置き換える。構造化エレメントの諸軸は、この手順中、常に小片の諸軸と位置合わせされて維持され、任意の２次元投射からの比例が維持されることを保証する。

骨材小片の寸法は、基礎的な特性として見られ、当然のごとく決定されるので、同様の比率の構造化エレメントを適応的に生成することは簡単である。実験によって、本発明者らは、小片の半軸の長さの１／６の半軸を有する構造化エレメントで、最適な結果が得られることを見出した。解析される小片と同じ縦横比を有するが別の比例定数を有する構造化エレメントを使用することができることも企図され、例えば、例えば、約１／４、約１／５、約１／７、約１／８などのような小片の軸の１／４から１／１０の範囲などのような、約１／３から１／１０の範囲内の値を有する半軸を有する構造化エレメントを使用することも企図される。図６は、取り込まれた距離画像から導出された３つの小片の断面を示す。外側の線は元の境界を表し、内側の線は、モルフォロジカル・オープニング後の境界を表す。図６ａは、十分に丸い小片からとられたものである。境界は、実質上変化しないままであり、体積損失は無視できることがわかる。

図６に示されているものなどの断面を見たとき、体積損失は、必ずしも可視のプロフィールに対応しないことに留意されたい。例えば、図６ｃでは、プロフィールの左側下の体積損失は、この投射において見えない隅部に対応する。

テキスチャ（質感）解析
上述のように獲得される画像はまた、小片の、より細かいテキスチャ（粗さ）を、また好ましくは、中間テキスチャ（多孔性、porosity）をも決定するために使用することができる。これは、画像における小片の縁部の少なくとも一部分、またはその小片の上半球を横切るプロフィルを解析することによって、容易に達成され、縁部の粗さ（波状）により、表面の細かいテキスチャ（滑らか／粗い）が示されることになる。

吸光度／反射率の測定および分類
本装置の有用な実施形態は、可視光および／または赤外光のビームを送る光源と、物体の照明されたスポットからの前記ビームの反射を検出し、可視および／または赤外の吸光度または反射のスペクトルを測定するための分光測光検出器とを備え、制御システムは、前記スペクトルを処理するように、また、前記スペクトルを、基準材料に基づく基準スペクトルおよび／またはスペクトル値と比較して、鉱物および岩石の小片ならびに同様の物体の型および／または変形型の所定のクラス体系に従って前記物体を分類するように、適合される。それにより、本発明の装置および方法は、所定の分類システムに従って、岩石試料、骨材などを自動的に分類することが可能である。

本装置は、欧州規格ＥＮ９３２−３に述べられている分類システムに従って試料を分類することができることが好ましく、それにより、より一般的なクラスの少なくとも１０個、好ましくは前記クラスの少なくとも１５個や２０個を表す試料物体を自動的に決定する。

分類システムは、岩石タイプを下記のようにグループ分けする。
深成火成岩（ｐｌｕｔｏｎｉｃ ｉｇｎｅｏｕｓ ｒｏｃｋ）：花崗岩、閃長岩、花崗閃緑岩、閃緑岩、斑れい岩； 半深成火成岩（ｈｙｐａｂｙｓｓａｌ ｉｇｎｅｏｕｓ ｒｏｃｋ）：粗粒玄武岩、輝緑岩； 噴出火成岩（火山岩）：流紋岩、粗面岩、安山岩、石英安山岩、玄武岩； 堆積岩（それらの起源に基づいて２つのグループに分けられる）： 砕屑岩：砂岩、礫岩、角礫岩、花崗砂岩、グレイワッケ、珪岩、頁岩（シルト岩）； 非砕屑岩、化学岩および生物源岩：石灰岩、チョーク、苦灰岩、チャー； 変成岩：角閃岩、片麻岩、グラニュライト、ホルンフェルス、方解石／ドロマイト大理石（ｃａｌｃｉｔｉｃ／ｄｏｌｏｍｉｔｉｃ ｍａｒｂｌｅ）、珪岩、蛇紋石、片岩、粘板岩、マイロナイト。

本発明の装置および方法は、任意の所与の試料物体を上記のクラスの何れか１つに分類することが可能であることが非常に好ましいが、幾つかの実際上の応用では、幾つかの主クラス、即ち、上記のクラスのうちの１または複数をそれぞれが含むことができ、その含まれるクラスの試料は同様の骨材特性を有するので産業用／建設用に使用するためには区別することを必要としないものである、幾つかの主クラスを容易に決定することが非常に有用となる。

スペクトルの解析および基準のスペクトルおよび／値に対する比較に関して、統計分類子を使用する統計的方法を使用する手法またはニューラル・ネットワークを使用する手法の２つの主要な手法が好ましい。

ニューラル・ネットワークは、それらの基本単位、いわゆるニューロンの相互接続された網からなる。ニューロンは、Ｒ個の異なる値を含む情報ベクトルを受け取り、各値ｐ_ｉを個々の重みｗ_ｉで乗算する。これらの積の和、即ち、ｐベクトルおよびｗベクトルのドット積（おそらくはそれにバイアスｂを加えたもの）が、出力値ａを返すニューロンの伝達関数ｆへの入力である。ネットワークは、実際の試料解析を行う前に「トレーニング」され、このトレーニングの産物は、未知の試料についての入力値が与えられたときに正しい値、即ち、クラス番号を返すことを期待することができる、調整された重みの集まりである。

本発明者らは、本発明の方法において、ウェーブレット手法を使用する統計的方法を適用することが有用であることを見出した。ウェーブレットは、適切なローカル特性を有し、高次元データの統計的モデル化にとって適切であることが判明している。一実施形態では、２つのバニシング・モーメント（ｖａｎｉｓｈｉｎｇ ｍｏｍｅｎｔ）を有するＤａｕｂｅｃｈｉｅｓ（ドブシー）のウェーブレットが使用される。分類精度は、それぞれの基準試料物体の様々な位置からの幾つかの測定を使用することによって、改善することができる。そのような平均の測定の場合、クラス・メンバーシップの高信頼性の予測を、ウェーブレットを使用することによって容易に導出することができる。

可視および赤外の光源は、好ましくは約３４０から約１２００ｎｍなどのような、約３４０から約４０００ｎｍの波長範囲を含む可視および赤外の光を提供することが好ましく、前記の範囲を検出する好適な検出器が選択される。

好適な分光光度検出器は当業者なら容易に選択することができ、例えば、好適な波長範囲内にある光を提供するように選択することができる好適な光源を供給するＡｖａｎｔｓｅ（オランダ、エーアベーク）からのＡｖａＳｐｅｃ分光光度計などがある。

分光解析に関する本発明の新規の態様は、独立型の実施形態として実施することができること、即ち、物体の分光解析や本明細書に述べられている自動岩石解析のための必要な上述の特徴を備える装置として実施することができることに、留意されたい。そのような装置は、概して、好ましくは上述の実施形態について述べられているような好適なフィーダおよびコンベヤと、可視光および／または赤外光のビームを提供する光源と、上述のように、前記物体の照明されたスポットからの前記ビームの反射を順次検出し、可視および／または赤外の吸光度または反射のスペクトルを測定するための分光光度計検出器とを備え、本装置は、本明細書で更に詳しく述べられているように、スペクトル解析、および基準スペクトル／値との比較のための制御システムを有する。

本発明は、上述の他の態様において、上記で規定されている試料物体の自動解析のために本明細書で述べられている画像データの自動解析のための、本明細書で述べられている方法におけるデータ解析を実施するため、および好ましくは、データ獲得を制御するためのコンピュータ・プログラム製品を提供する。本コンピュータ・プログラム製品は、コンピュータにロードされ実行されたときに、コンピュータ・プロセッサに下記のようにすることを命令する命令手段を含む。

− 所定の速度で移動する物体の流れの方向を横切って照らす平面コヒーレント・ビームの反射の順次の画像を、最小の所定の頻度で取り込むように構成された少なくとも２つの画像検出器から、入力データを受け取り、
− 前記物体のサイズを示すデータと、前記物体を表す３次元表面データ、または輪郭マップおよびトポグラフ・データを得るために、各物体の前記画像を格納し、画像を処理し、
− 得られた前記のデータに基づいて、前記物体についての１または複数のサイズ・パラメータおよび形状パラメータを決定するようし、前記形状パラメータは、小片が長いものおよび／または平坦なものであるかどうかを示す形状のパラメータおよび／または分類と、アンギュラリティ／丸みのパラメータおよび／または分類とを含む。

本コンピュータ・プログラム製品は、上述の解析方法およびモルフォロジカル・アルゴリズムの何れかのものまたは全てを使用することが好ましい。
幾つかの実施形態では、本コンピュータ・プログラム製品は、実質的に別個のユニットに分離することができる。即ち、データ獲得および測定装置の制御（コンベヤ速度、検出器などの校正）用の１つのユニットと、データ解析およびデータ・プレゼンテーションのために別のコンピュータで動作することができる別のユニットとに、分離することができる。

有用な実施形態では、本コンピュータ・プログラム製品は更に、物体について上述のように岩石学的または他の組成の情報を決定するために、上述のようにそれぞれの物体について得られた可視および／またはＩＲスペクトル・データを入力し、本明細書で述べられている方法に従って解析するように、適合される。好ましくは、前記の情報は、上記で更に詳しく述べられているように、岩石学的な岩石タイプおよび／または変形物の所定のクラス系統に従った前記物体の分類を含む。

本発明は、本明細書および図の特定の開示に限定されず、また、添付の特許請求の範囲内での変更をも包含する。例えば、分光測定のために本明細書で指定されているものと異なる光の波長や異なるレンズや反射プローブを有すること、表面のテキスチャ特性および色に関する追加情報を得るための追加のカメラを有すること、測定後および測定結果に従って物体を選り分けるためのシステムを有すること、コンベヤに対して物体を入れること及びコンベヤから物体を出すことを制御するための異なるタイプのフィーダおよびシステムを有すること、測定のために位置合わせした物体の列を１つより多くすることなどが可能である。また、本発明の機器は、他の材料などのサイズ、形状、組成の測定のために使用することができ、例えば、鉱石、ドリルされたコア（ｄｒｉｌｌｅｄ ｃｏｒｅ）標本または破砕物（ｃｒｕｓｈｉｎｇ）、魚類の耳石（ｏｔｏｌｉｔｈ ｉｎ ｆｉｓｈ）、リサイクルされた建築材料、工業鉱物、装飾用石材、チッピング（ｃｈｉｐｐｉｎｇ）、金属鉱物および合金のようなものの測定のために使用することができる。

実施例
実施例１： サイズ、形状、アンギュラリティの解析の部分のプログラムのためのガイド
プログラム構造が、図２に線図で示されている。以下のセクションでは、ソフトウェア実施形態の初期バージョンの各セクションの役割および機能について簡単に述べる。

カメラ１の校正． 単一のフレームが取り込まれる。画像の各コラム（列）について、最も明るい画素（理論的には、レーザ・ラインの中央に対応する）が突き止められる。画素の強度が「最小強度」（レーザ・ラインのものである可能性のある画素と、背景光レベルに対応する画素とを区別するために使用される）を超えたとき、その点での高さを計算するために、「三角測量アルゴリズムｓｕｂＶＩ」が呼び出される。従って、高さ値の１Ｄアレイが、そのフレームについて生成される。ベルトの高さとするために、中央値がとられる。これは、後続の三角測量計算すべてにおいて、基準値として使用される。

中央値がとられるのは、画像フレーム内の列の大部分をレーザ・ラインによってカバーするべきであるためである。従って、中央値を選択することは、遮られたラインに対応する高さ値を選ばないことを意味する。更に、塵などによって引き起こされるアウトライアーも除外する。

カメラ２の校正． カメラ１について上述したものと同じ手順。
「状態機械」
状態０： 「ストップ」コマンドに応答する。画像を閉じる、メモリをクリアする、など。

状態１（初期状態）： カメラ１からフレームを継続的に獲得する（動く方向と平行）。各フレームにおける遮られたラインの数を計数するために、「オクルージョン・ベースの小片検出手段ｓｕｂＶＩ」を呼び出す。遮られたラインの数が「オクルージョン・トリガ・レベル」を超え、接近する小片がカメラからレーザ・ラインを遮りつつあることを示す場合、システムは状態２へと移る。停止が押されたときには、システムは状態０へ移る。

状態２（データを獲得）： 両方のカメラからフレームを継続的に獲得する。高さデータのアレイを生成するために、「校正済み三角測量ｓｕｂＶＩ」を呼び出す。各カメラから生成された高さデータをマージするために、「ラインをマージするｓｕｂＶＩ」を呼び出す。このルーチンは、ブール・ラッチ（Ｂｏｏｌｅａｎ ｌａｔｃｈ）を使用して、システムが岩石の表面からデータを獲得するのを開始したとき（即ち、「校正済み三角測量ｓｕｂＶＩ」によって返された高さ値が最小高さ閾値を超えたとき）にそれを示す。これは、最初は偽に設定され、正の高さ値が返されたとき直ちに真へとラッチされる。

停止基準１： ラッチが、所定のラインの数（「最大非活動ライン」制御）を超えて偽のままである場合、明らかにレーザの下に小片がなく、トリガが偽となっていたに違いない。この場合には、ルーチンは、データを獲得を停止して状態１へ戻る。

停止基準２： ラッチがトリガされ（即ち、真に設定）ているが、何れのカメラも正の高さ値をも取り込んでいない場合、これは小片の終了を示すものであるはずである。しかし、これは、オクルージョン中間小片によって引き起こされたものである可能性があるため、ある程度の許容範囲を許す必要がある。従って、１対のフレームが取り込まれるごとにこれらの条件が満たされると、カウンタが増分される。その後に、どちらかのカメラが正の高さデータを獲得した場合、カウンタはゼロにリセットされる。カウンタが所定の値（「猶予カウント」）を超えた場合、システムは獲得を停止して状態３へ進む。

停止基準３： 停止ボタンが押された場合はいつでも、システムが直接に状態０へと切り替わる。

停止基準４： 獲得エラーが発生した場合はいつでも、システムは獲得の停止して、ユーザに対してプロンプトを示す。

この状態において「最小獲得済みライン」（ユーザ制御）より少ないラインが獲得された場合、システムは、状態３ではなく状態１へ戻ることになる。これは、小片が、処理するには小さすぎることを示す。

状態３（距離画像を処理する）： この状態は、アレイ・フォーマットのマージされた距離画像（range image）を入力としてとり、小片の特性を定量化するために必要なすべてのｓｕｂＶＩ（サブ「ｖｉｒｔｕａｌ ｉｎｓｔｒｕｍｅｎｔｓ（仮想機器）」と呼ばれるサブルーチン（Ｎａｔｉｏｎａｌ Ｉｎｓｔｒｕｍｅｎｔｓ社からのＬａｂｖｉｅｗソフトウェア環境を参照））を呼び出す。また、ユーザが小片を横切る任意の高さプロフィルを選択して見るためのオプションもあり、これは、デバイスをセット・アップして診断を実施するときに有用となり得る。

ｓｕｂＶＩに対するガイド
オクルージョン・ベースの小片検出手段ｓｕｂＶＩ： このＶＩは、レーザ・ラインへ近づく岩石の存在を検出するために使用される。これは、動く方向に面するカメラによって見られるレーザ・ラインの画像（アレイ・フォーマットのもの）を監視することによって機能する。画像の各列について、最も明るい画素が突き止められる。特定の列内の最も明るい画素の強度が「最小強度」（ユーザによって決定される閾値）より小さい場合、その列は、遮られていると言われる。従って、カメラによって取り込まれた各フレームについて、このＶＩは、遮られた列の数を返す。

三角測量アルゴリズムｓｕｂＶＩ： このソフトウェア部分は、一つの画像点の空間座標を計算するアルゴリズムを実装する。入力は、ｆ（カメラ・レンズの焦点距離、単位はｍｍ）、ｄ（カメラ軸に沿って測定されたレンズの中心とコンベヤ・ベルトの間の距離、単位はｍｍ）、シータ（三角の角度（ｔｒｉａｎｇｕｌａｔｉｏｎ ａｎｇｌｅ）、単位は度）、ｊ（デフォルトにより画像の左上から測定された、垂直方向での画素座標）、ｉ（デフォルトにより画像の左上から測定された、水平方向での画素座標）、カメラ・センサ・パラメータ（物理的な寸法、単位はｍｍおよび画素数）である。このＶＩは、点のｙおよびｚ座標を返し、ｘ座標は、コンベヤ・ベルトの位置によって決定される。

校正済み三角測量ｓｕｂＶＩ： これは、単一画像フレーム（アレイ・フォーマット）を取って、「重心」技法を使用して各列におけるレーザ・ラインの中心を突き止める。次いで、このＶＩは、突き止められた各ピーク値に対して「三角測量アルゴリズムｓｕｂＶＩ」を呼び出し、１ラインの高さデータを返す。

ラインをマージするｓｕｂＶＩ： これは、２つのカメラのそれぞれについて「校正済み三角測量ｓｕｂＶＩ」によって生成された２ラインの高さデータを取って、それらをマージして単一ラインの高さデータを生成する。このＶＩを実行する前に、ラインの一方を逆転しなければならず（２つのカメラは、対向する方向を指す）、ラインは、各直線アレイの特定のエレメントが同じ空間位置に対応するように、位置合わせさせなければならない。次いで、２つのラインは、以下の基準により点ごとにマージされる。

各カメラによって返された高さ値が、「最大差」よりも大きく異なるか。
いいえの場合：２つの値の平均をとる。
はいの場合：何れかの値が０か。
はいの場合：その点が一方のカメラから遮られている。２つの値の最も大きいものをその点での高さとして取る。
いいえの場合：その差は、おそらくは鏡面ハイライトまたは相互反射に起因するものであり、それは結果的に概して偽りの見かけ上の高い値を生じる。２つの値の最も小さいものをその点での高さとして取る。

次いで、１０以下の高さ値を有する任意の画素が、ベルトの基準高さレベルに対応する０に設定される。

幅チェックｓｕｂＶＩ： これは、２つのカメラの位置合わせおよび校正の助けとするために使用される。入力は、「校正済み三角測量ｓｕｂＶＩ」によって生成された１ラインの高さデータである。このＶＩは、画素数単位で小片の幅と、小片の左の最も遠い位置の指数（インデックス）とを返す。このＶＩは、差をなくするために、両カメラによって返されたラインに対して使用される。

ＭＭオクルージョン除去クロージングｓｕｂＶＩ： このＶＩは、グレイ・レベル・モルフォロジカル・クロージングを使用して、点が両カメラから遮られることによって引き起こされた、小片の境界内の任意の不連続（穴）をなくすものである。構造化エレメントは、本物の表面フィーチャに対して影響が最小限になるように設計される。

ＭＭスパイク除去オープニングｓｕｂＶＩ： このＶＩは、グレイ・レベル・モルフォロジカル・オープニングを使用して、凹面からの相互反射に起因しての回復された表面上の任意のスパイク（インパルス・ノイズ）をなくすものである。構造化エレメントは、本物の表面フィーチャに対して影響が最小限になるように設計される。

ＭｉｎＢｏｕｎｄｉｎｇＢｏｘ自動ｓｕｂＶＩ： このＶＩは、小片の長さおよび幅を決定する。獲得された距離画像は、閾値（２値表現に縮小され、一方の値が小片を表し、他方が背景を表す）である。小片の向きは、モーメントの解析を中心にしての、標準的なＩＭＡＱビジョン機能を使用して決定される。次いで、小片の画像は、その主軸を画像の座標系と位置合わせするように回転される。囲む最小の矩形が、画像にフィッティングされる。矩形の長い方の側が、小片の長さとして取られ、短い方の側が幅として取られる。

ふるい（sieve）サイズを計算するｓｕｂＶＩ： このＶＩは、計算手法を使用して、その計算された幅および高さから、小片の通過可能な最小ふるいサイズを計算する。等価の楕円体としての小片の体積も計算される。

形状結果を照合するｓｕｂＶＩ： このＶＩは、長さ、幅、高さについての数値をとり、それらを表示に適したフォーマットに変換する。

画像再サンプリングｓｕｂＶＩ： これは、小片のアンギュラリティを決定する前に、指定された縮小ファクタによって画像アレイの分解能を低減する。

ＲｏｌｌｉｎｇＢａｌｌコントローラｓｕｂＶＩ： このＶＩは、アンギュラリティを計算するために必要な演算を請け負わせることができるフレームワークを提供する。このＶＩは、「適応楕円計算手段ｓｕｂＶＩ」を呼び出し、解析を受ける小片の寸法に従って楕円の構造化エレメントを生成する。次いで、モルフォロジカル・オープニングを実行するために、「ローリング・ボール・アルゴリズムｓｕｂＶＩ」が呼び出される。次いで、小片のこうむる体積損失が、Ｐｏｗｅｒｓスケール値へと変換される。

適応型楕円計算手段ｓｕｂＶＩ： 主軸が小片の主軸の１／６である半楕円体構造化エレメントを生成する（再サンプリング後）。

ローリング・ボール・アルゴリズムｓｕｂＶＩ： 所与の構造化エレメントを使用して、所与の画像アレイに対してモルフォロジカル・オープニングを実行する。

ふるいサイズ分布ｓｕｂＶＩ： 小片が処理されるたびに、累積小片サイズ分布（０．５ｍｍの増分値の個別のアレイとして表される）を更新する。

実施例２： 岩石小片のアンギュラリティ解析
８〜３２ｍｍサイズ範囲の合計２００個の岩石小片が、レーザ三角測量システムを使用して走査され、楕円モルフォロジ・アルゴリズムによって解析された。解析の前に、２つの独立機関からの地質学者によって、小片が視覚的に評価され、Ｐｏｗｅｒｓスケールに従って手作業で等級分けされた。

図６は、Ｐｏｗｅｒｓ（パワーズ）スケールに従って、１（非常に角張っている）と６（十分に丸い）との間の番号として表された、各小片についての視覚的（手作業）評価されたアンギュラリティに対しての、モルフォロジカル・オープニングによる擬似体積損失の散布図を示す。

第１の観察は、結果における偏差が非常に大きく、アンギュラリティと共に増大するように見えることである。これは、図７ｂに示されているように、Ｐｏｗｅｒｓ番号に対して、各クラスの下での体積損失パーセント（ｐｅｒｃｅｎｔａｇｅ ｖｏｌｕｍｅ ｌｏｓｔ）の標準偏差をプロットすることによって、確認することができる。標準偏差は、各クラス内の測定体積損失の分布を示す図７ａにも示されているように、アンギュラリティが増大するにつれてかなり均一なレートで増大することがわかる。これは、偏差が、アンギュラリティを手作業で客観的に分類するのが困難であることに起因することを示すものであり、これは、十分に丸い小片は、そのようなものとして容易に識別することができるが、より角張った小片間での区別は遙かに困難である、ということである。本発明のアルゴリズムの有効性を検討するために、各カテゴリについて、平均体積損失パーセントとＰｏｗｅｒｓ番号との関係が決定された。これは、図８に示されている。相関は明らかであり、平均体積損失パーセントと手作業で評価されたＰｏｗｅｒｓ番号との間に、ほぼ直線の関係がある。この結果から、相関値０．９８７が得られる。

実施例３： 岩石解析
解析された岩石試料のテキスチャに関する情報を得るための方法が開発された。テキスチャは、大抵、個々の結晶のサイズによって影響を受け、従って、岩石の結晶サイズは、それらのタイプに応じて変わり得るため、分類にとって重要となり得る情報を提供する。

要するに、本方法は以下のように働く。即ち、本方法は、物体の上方に位置するデジタル・カメラ（例えば、ＣＣＤやＣＭＯＳタイプの産業用カメラ）によって撮影された２次元画像において試料の位置を突き止め（例えば、レーザ光およびカメラ・アセンブリがアンギュラリティ評価のために使用された後）、背景および影を避けるために、その中間から一部を選択することによって、開始する。次いで、その写真は、グレイスケール画像、および２と２５の間に減少されたグレイトーンの数へと変換される。様々な数の色と、良好な結果が得られると思われるこの２〜２５の間隔とを用いて実験が行われ、最良の結果は、４〜８の間隔内にあったと思われる。

色を減少させた後で、各画素が評価され、２つの隣接する画素が同じ色であるゆう度（likelihood）に関する情報を含む、いわゆる「同時発生マトリクス（co-occurrence matrix）」が作成される。岩石が大きな結晶を有する場合、隣接する画素が同じ色を有する可能性が高く、逆もまた同様であることは、直観的にわかる。

同時発生マトリクスＰでは、各エントリＰ_ｉｊは、グレイスケール値ｉの画素が、値ｊの画素から所定の距離ｄ内にあるケース（場合）の数を表し、ｄは、通常、右隣の画素を指すベクトル、またはおそらくはベクトルの集まりであり、そのため、周囲の画素のすべてを評価することができる。Ｐの対角線のエントリ、即ちｉ＝ｊであるすべてのエントリＰ_ｉｊは、比較された画素が同じ色を有するケースの数を表す。従って、大きな結晶を有する試料では、Ｐ内の最大の値が、対角線上または対角線に近接して位置し、一方、小さな結晶を有する試料の場合、値は、マトリクスについてより均一に分布する。

同時発生マトリクスＰが構築された後で、以下の式を使用して、大体、Ｐ内の値の分布を評価することにより、テキスチャに関する情報を導出した。

この実施例で解析された試料は、上述のように撮影されたことに加えて、更に分光的に測定された。試料は、４つの異なる岩石タイプのものであり、そのうちの２つは、２つの変形物に分けられた。４つの岩石タイプは、玄武岩、斑れい岩、流紋岩、花崗岩であった。玄武岩と花崗岩の試料は、更に２つのカテゴリまたは変形物に分けられた。従って、試料は、６つの異なる岩石試料を表し、それぞれが１０の下位試料（サブ−サンプル）を含んでいた。表１を参照せよ。試料は、２つの異なるスペクトルのフィールドで、即ち、本明細書では可視範囲（ＶＩＳ）と称する４００〜１１００ｎｍの領域または範囲と、本明細書では近赤外範囲（ＮＩＲ）と称する１０００〜３０００ｎｍの範囲、そして最後に３０００〜３００００ｎｍの中間赤外範囲（ＭＩＲ）とで測定された。それぞれのサブ−サンプルは、ＶＩＳにおいて１つのスポット、そしてＭＩＲおよびＮＩＲにおいて３つのスポットで測定された。合計で６０個の測定値がＶＩＳで得られ、ＭＩＲおよびＮＩＲでそれぞれ１８０個が得られた。

結果
可視領域（ＶＩＳ）
試料（サンプル）のスペクトルは、可視領域（本明細書では４００〜１１００ｎｍ）では、かなり一定の傾斜と幾つかの「谷」および「丘」とを有するかなり一様なものであるが、その分類は非常に正確であった。限定した数の測定、即ち、６０個ということに留意すると、約８０パーセントという精度は、おそらくは予想したものよりも高い。また、より多くの測定を行うことにより、分類を向上させることが容易になるはずである。

スペクトルのすべて、即ち、ＶＩＳ、ＮＩＲ、ＭＩＲにおける分類における共通の要因は、最も頻繁にエラーが発生するのはクラスまたは番号４および５のサンプルを分類するときであった、というものである。それらの場合には、クラス４の試料が、ほぼ例外なくクラス５に属するものとして分類され、その逆のことも同様に起こった。このことに、また、クラス４および５の試料が大抵の場合に同様のタイプの骨材（同じ岩石タイプのもの）としてみなされるということに鑑みて、これらの２つのクラスが１つのものとしてとられる分類が行われた。それにより、分類精度が劇的に高まり、９８パーセントまで上昇したが、より現実的な精度はおそらくは９０パーセントと９５パーセントの間となるであろう。

近赤外領域（ＮＩＲ）
近赤外領域のスペクトルは非常に一様であるが、それらのスペクトルを見ることによってクラス間で区別するために使用することができる、より明らかな特徴を有する。要するに、９５パーセントから９８パーセントの分類精度を非常に容易に得ることができ、誤りはクラス４および５で発生するだけである。これらを１つのクラスに減少させた後での精度は、例外なく１００パーセントであった。

実施例４
自動解析およびデータ・プレゼンテーション
図２に示されている装置を用いた岩石小片の高スループットの解析から収集されたデータをプレゼンテーションするために、ユーザにとって使いやすいプログラムおよびコンピュータ・インターフェースが開発されている。コンピュータ・プログラムからの出力の例を示す画面ビューが図９に示されている。

（ｉ）サイズ決定
プログラムは、獲得された画像から各物体の主軸を決定し、長軸（Ｌ）は、物体の２点間の最も長い距離であり、中間軸（Ｉ）は、主軸に対して直交する最も長い軸であり、短軸（Ｓ）は、他の２つの軸に対して直交するものである。
それぞれの小片のサイズは、体積パラメータ、即ち、外部寸法が主軸に対応する楕円の計算した体積を用いて示される。従って、この決定は、欧州規格ＥＮ９３３−１で定義されているサイズ測定に実質的に対応することになる。

（ｉｉ）形状分類
軸と軸との間の比に基づいて、それぞれの物体は、４つのグループのうちの１つ、即ち、長いもの、平坦かつ長いもの、平坦なもの、立方形のものに分類される。
比Ｓ／Ｉ（「薄片比」（flakiness ration））およびＩ／Ｌ（「伸長比」（elongation ration））が共に０．６７より大きい場合、物体は立方形であり、Ｉ／Ｌ≧０．６７かつＳ／Ｉ＜０．６７の場合、物体は平坦であり、Ｉ／Ｌ＜０．６７かつＳ／Ｉ≧０．６７の場合、物体は長いものであり、Ｉ／Ｌ＜０．６７かつＳ／Ｉ＜０．６７の場合、物体は長く平坦なものである。例えば０．５などのような、他のカットオフ値を使用することもできることに留意されたい。
それぞれの物体は、適切なクラスに分類され、異なるクラスにおける蓄積された小片の分布が、小片の数と小片の蓄積された体積の合計とに基づいて計算される。
得られた決定結果は、欧州規格ＥＮ９３３：４およびＥＮ９３３：３によってそれぞれ定義されている形インデックスおよび薄片インデックスと直接に相関させることができる。即ち、得られたデータは、これらの規格によって述べられているキャリパ測定および棒ふるい測定と等価の情報を提供する。

（ｉｉｉ）アンギュラリティ分類
アンギュラリティ（「角の体積パーセント」）は、各小片について、上述のように獲得された３Ｄ画像のモルフォロジカル解析に基づいて計算される。それぞれの小片は、６つのクラスの集合、即ち、（１）非常に丸い、（２）丸い、（３）丸に近い、（４）少し角あり、（５）角あり、（６）非常に角ありからの適切なクラスに分類される。
分類は、計算された「角の体積パーセント」に対して線形に相関される。異なるクラスにおける蓄積された小片の分布が、小片の数と小片の蓄積された体積の合計とに基づいて計算される。

図１は、光学的な検出および表面の解析用のレーザ−カメラ三角測量システムの全体的なセットアップを概略的に示す。２つのカメラ１および２が示されており、レーザ３は、レーザ・ビームを物体４へ向ける。矢印５は、コンベヤ１１の動きの方向を示す。６は、オプションで含まれるＩＲ／ＶＩＳ光源を示し、７は、試料物体４のＩＲ／ＶＩＳ吸光度を測定するためのオプションの分光光度計である。 図２は、本発明の好ましい装置の概観である。 図３は、実施例１でより詳しく述べられる制御システムの一部分のプログラム構造および光学的検出表面解析用のプログラムの概略図である。 図４は、オクルージョンおよびパースペクティブ効果のない距離強度画像（ｒａｎｇｅ ｉｎｔｅｎｓｉｔｙ ｉｍａｇｅ）を示し、本明細書で述べられている数学的形態学アルゴリズムによって解析される小片を表す。 図５は、角のある表面の体積損失（「失われた体積」または「角の体積」）が「ローリング・ボール」数学的形態学手法によってどのように決定されるかを示す。元の表面が図５ａに示されており、次いで変換が適用され（図５ｂ）、楕円構造化エレメントによってアクセスすることができない点が削除される（図５ｃ）。 図６は、捕獲距離画像から導出された３つの小片の横断面図である。外部の線は元の境界を表し、内部の線は形態学的に開いた後の境界を表す。図６ａは、十分に丸い小片を表す。図６ｂは、やや丸い小片を表す。図６ｃは、角のある小片を表す。 図６は、捕獲距離画像から導出された３つの小片の横断面図である。外部の線は元の境界を表し、内部の線は形態学的に開いた後の境界を表す。図６ａは、十分に丸い小片を表す。図６ｂは、やや丸い小片を表す。図６ｃは、角のある小片を表す。 図６は、捕獲距離画像から導出された３つの小片の横断面図である。外部の線は元の境界を表し、内部の線は形態学的に開いた後の境界を表す。図６ａは、十分に丸い小片を表す。図６ｂは、やや丸い小片を表す。図６ｃは、角のある小片を表す。 図７ａは、パワーズ・スケールに従って分類された、各小片について視覚的に評価されたアンギュラリティに対しての、本発明（実施例２参照）に従って決定された体積損失の散布図であり、高いアンギュラリティ・クラスでの体積損失の変化性を示す。７ｂは、手動で評価されたパワーズ番号に対しての、各クラスの下での体積損失パーセントの標準偏差のプロットである。 図７ａは、パワーズ・スケールに従って分類された、各小片について視覚的に評価されたアンギュラリティに対しての、本発明（実施例２参照）に従って決定された体積損失の散布図であり、高いアンギュラリティ・クラスでの体積損失の変化性を示す。７ｂは、手動で評価されたパワーズ番号に対しての、各クラスの下での体積損失パーセントの標準偏差のプロットである。 図８は、本発明の方法によって自動的に決定された平均体積損失パーセントと、各カテゴリについてのパワーズ番号との関係を示す。 図９は、本発明を実施するためのコンピュータ・ソフトウェアによって生成されたスクリーン・ビューを示す。９ａは、軸の長さ、アンギュラリティ・クラス、形状クラス・フォーム、角の体積、およびその他のことを含む、一つの物体についての測定データを示す。９ｂは、試料体積（左）および試料物体番号（右）に基づく、或る試料についての蓄積された小片サイズ分布を示す。９ｃは、体積（左）および番号（右）に基づく、アンギュラリティおよび形状クラスにおける試料物体の分布を示す。 図９は、本発明を実施するためのコンピュータ・ソフトウェアによって生成されたスクリーン・ビューを示す。９ａは、軸の長さ、アンギュラリティ・クラス、形状クラス・フォーム、角の体積、およびその他のことを含む、一つの物体についての測定データを示す。９ｂは、試料体積（左）および試料物体番号（右）に基づく、或る試料についての蓄積された小片サイズ分布を示す。９ｃは、体積（左）および番号（右）に基づく、アンギュラリティおよび形状クラスにおける試料物体の分布を示す。 図９は、本発明を実施するためのコンピュータ・ソフトウェアによって生成されたスクリーン・ビューを示す。９ａは、軸の長さ、アンギュラリティ・クラス、形状クラス・フォーム、角の体積、およびその他のことを含む、一つの物体についての測定データを示す。９ｂは、試料体積（左）および試料物体番号（右）に基づく、或る試料についての蓄積された小片サイズ分布を示す。９ｃは、体積（左）および番号（右）に基づく、アンギュラリティおよび形状クラスにおける試料物体の分布を示す。

Claims (37)

1. 鉱物や、岩石や、砂礫や、天然の又は製造された又はリサイクルされた骨材などから選択された複数の試料物体のサイズおよび形を自動解析するための装置であって、
   ａ）前記物体を流れ内で互いに離隔して搬送ベルトへ供給するためのフィーダ・ユニットと、
   ｂ）前記搬送ベルトを横切って、コリメートされた光のビームを投じる照明源と、
   ｃ）前記物体を照明する前記平面ビームの反射の画像を取り込むための少なくとも１つの画像検出器を備える画像取込み手段と
   を備え、
   機器の機械的部分およびハードウェア部分を制御するための、コンピュータ・プログラムが格納されている処理手段と、取り込まれた画像を格納するためのメモリとを備える制御システムを更に備え、前記制御システムが、前記物体のサイズおよび形を自動的に決定するために前記物体の一連の画像を処理するように、および前記物体の前記サイズおよび前記形を表すパラメータを返すように適合されるものであり、前記形パラメータは、形状およびアンギュラリティを含めたパラメータを含む、
   装置。
2. 請求項１に記載の装置であって、前記画像取込み手段が、前記平面ビームに対して異なる角度から、前記物体に向けられた前記平面ビームの前記反射の画像を取り込むように配された少なくとも２つの画像検出器を備える、装置。
3. 請求項１に記載の装置であって、前記フィーダが、振動螺旋エレベータまたはドージング・フィーダから選択される、装置。
4. 請求項２に記載の装置であって、前記少なくとも２つの画像検出器が、前記平面ビームの各側に１つ配され、像の面のそれぞれが前記コンベヤ・ベルトの方向に対して垂直で、前記平面ビームと平行な水平軸を有するように位置決めされる、装置。
5. 請求項１に記載の装置であって、１時間当たりに最大幅直径１００ｍｍ未満の少なくとも約１００個の前記試料物体を、好ましくは１時間当たりに最大幅直径１００ｍｍ未満の少なくとも約４００個の前記試料物体を、自動的に解析するように構成される、装置。
6. 請求項１に記載の装置であって、前記制御システムが、前記一連の画像、および得られた前記物体の３次元表面画像を、コンピュータ・プログラムに基づいて処理するように適合され、また、下記のパラメータ、即ち、前記物体のサイズ、長軸の長さ、中間軸の長さ、短軸の長さ、伸長比および薄片比、形状クラス、等価の形インデックス、等価の薄片インデックス、球形度、丸みまたはアンギュラリティの値、ならびに複数の解析済みの小片についての前記パラメータのうちの１つまたは複数の統計分布、のうちの１または複数のものを計算するように適合される、装置。
7. 請求項６に記載の装置であって、前記制御システムが、前記物体についてサイズ・パラメータおよびサイズ分布、形状クラスおよび形状クラス分布、ならびにアンギュラリティ・クラスおよびアンギュラリティ分布を決定するように適合される、装置。
8. 請求項１から７の何れかに記載の装置であって、前記形パラメータが、滑らかさ／粗さを示す表面テキスチャ・パラメータを更に含む、装置。
9. 請求項１から８の何れかに記載の装置であって、前記制御システムが、丸みまたはアンギュラリティのパラメータおよび／またはクラスに相関される擬似体積損失値を計算するために、モルフォロジカル・アルゴリズムを実施して前記一連の画像を処理するように適合される、装置。
10. 請求項９に記載の装置であって、前記モルフォロジカル・アルゴリズムが、構造楕円エレメントの使用に基づくものであり、前記エレメントが、解析される各小片について定義され、前記小片と実質的に同じ縦横比を有する、装置。
11. 請求項１０に記載の装置であって、前記小片の前記サイズと前記構造エレメントの前記サイズとの比を定義する比例定数が、約１：３から１：１０の範囲にあり、好ましくは約１：４から約１：１０の範囲にある、装置。
12. 請求項１に記載の装置であって、可視光および／または赤外光のビームを提供する光源と、前記物体の照明されたスポットからの前記ビームの反射を検出し、可視および／または赤外の吸光度または反射のスペクトルを測定するための分光測光検出器とを更に備え、前記制御システムは、前記スペクトルを処理するように適合され、そして、鉱物および岩石小片ならびに同様の物体のタイプおよび／または変形物の所定のクラス系統に従って前記物体を分類するために、前記スペクトルと、基準材料に基づく基準のスペクトルおよび／またはスペクトル値とを比較するように適合される、装置。
13. 請求項１２に記載の装置であって、前記可視および赤外光の光源が、約３４０ｎｍから約１２００ｎｍの波長範囲を含む可視光および赤外光を提供し、前記範囲が前記検出器によって検出される、装置。
14. 請求項１から１３の何れかに記載の装置であって、それぞれの物体を重み付けする重み付け手段を更に備える装置。
15. 鉱物や、岩石や、砂礫や、天然の又は製造された又はリサイクルされた骨材などから選択された試料内の複数の物体中の物体のサイズおよび形を決定するための方法であって、前記形の決定は、少なくとも、小片が長いかつ／または平坦なものであるかどうかを示す形状パラメータまたはクラスを決定すること、ならびにアンギュラリティの決定を含み、方法は、
    互いに離隔された前記物体を搬送ベルト上に供給するステップと、
    順次に流れる物体を、前記コンベヤの方向を横切るコリメートされた光のビームで照明するステップと、
    それぞれの物体について、一連の画像が獲得されて、前記コンベヤの所定の速度に基づいての規則的な最小頻度で格納されるように、少なくとも１つの画像検出器を用いて、前記物体を照明する前記平面ビームの拡散反射の画像を取り込み、前記画像をメモリに格納するステップと、
    前記物体を表す３次元表面データまたは輪郭マップおよびトポグラフィカル・データを得るために、光の前記平面ビームの下を通過する各物体について、前記物体についての前記一連の画像を処理するステップと、
    得られた前記データに基づいて、前記物体についてのサイズ・パラメータおよび形パラメータを決定するステップとを含み、前記形パラメータが、小片が長いかつ／または平坦なものであるかどうかを示す形状パラメータおよび／または分類と、アンギュラリティ・パラメータおよび／または分類とを含む、方法。
16. 請求項１５に記載の方法であって、前記コリメートされた光のビームの各側に１つの、少なくとも２つの画像検出器を用いて画像を取り込むステップを含む、方法。
17. 請求項１５に記載の方法であって、前記複数の物体中の各物体についての、長いことおよび平坦なことを示す形状データとアンギュラリティ／丸みデータとを含めたサイズおよび形データを編集するステップと、前記試料中の解析済みの前記物体のサイズおよび形の平均および変動値を表すパラメータを計算するステップとを含む方法。
18. 請求項１７に記載の方法であって、物体の前記サイズが、前記物体の短軸および中間軸から計算された楕円によって表される、方法。
19. 請求項１７に記載の方法であって、物体のサイズが、測定された寸法および所定の形状に基づいた計算された体積によって示される、方法。
20. 請求項１９に記載の方法であって、楕円が、前記物体の外部寸法を表す３つの軸から計算され、前記楕円が、解析される複数の物体についてのサイズ分布を生成するための、前記物体の体積の近似値を提供する、方法。
21. 請求項１５から２０の何れかに記載の方法であって、前記形状パラメータおよび／または分類は、物体が実質的に球状であるか、実質的に平坦なものであるか、実質的に長いものであるか、それとも実質的に長く且つ平坦なものであるかを示す少なくとも４つのクラスへの形状分類を含む、方法。
22. 請求項１５から２１の何れかに記載の方法であって、前記物体の軸に比例する軸を有する楕円構造化エレメントが、前記物体の前記アンギュラリティを決定するために数学的モルフォロジ・アルゴリズムにおいて使用される、方法。
23. 請求項２２に記載の方法であって、前記小片の前記サイズと前記構造エレメントの前記サイズとの比を定義する比例定数が、約１：３から１：１０の範囲にあり、好ましくは約１：４から約１：１０の範囲にある、方法。
24. 請求項２３に記載の方法であって、前記比例定数が約１：４から約１：８の範囲にある、方法。
25. 請求項１５から２４の何れかに記載の方法であって、前記アンギュラリティ・パラメータおよび／または分類が、複数のクラスを有する分類体系を含む、方法。
26. 請求項１５から２５の何れかに記載の方法であって、前記コンベヤへ供給された各物体を可視および／または赤外の放射ビームで照らすステップと、前記物体の照らされたスポットからの前記ビームの反射を検出し、前記可視および／または赤外の吸光度または反射のスペクトルを測定するステップと、前記スペクトルを、前記物体についての岩石学的情報または他の組成情報を決定するために基準スペクトル値と比較するステップとを更に含む方法。
27. 請求項２６に記載の方法であって、前記岩石学的情報が、岩石学的岩石タイプおよび／または変形物の所定のクラス系統に従う前記物体の分類を含む、方法。
28. 鉱物や、岩石や、砂礫や、天然の又は製造された又はリサイクルされた骨材などから選択された複数の物体の画像データの獲得を制御するため、およびそれを解析するための、コンピュータにロード可能なコンピュータ・プログラム製品であって、コンピュータにロードされて実行されたとき、コンピュータ・プロセッサに命令するためのプログラム命令手段を備え、該プログラム命令手段は、
    所定の速度で移動する前記物体の流れの方向を横切って照らす平面コヒーレント・ビームの反射の順次の画像を、最小の所定の頻度で取り込むように構成された少なくとも１つの画像検出器から、入力データを受け取るようにし、
    前記物体のサイズを示すデータと、前記物体を表す３次元表面データまたは輪郭マップおよびトポグラフィカル・データとを得るために、各物体について前記画像を格納して前記画像を処理し、
    得られた前記データに基づいて、前記物体についての１または複数のサイズ・パラメータおよび形パラメータを決定する
    ように命令するものであり、前記形パラメータが、小片が長いかつ／または平坦なものであるかどうかを示す形状パラメータおよび／または分類と、アンギュラリティ／丸みのパラメータおよび／または分類とを含む、
    コンピュータ・プログラム製品。
29. 請求項２８に記載のコンピュータ・プログラム製品であって、前記複数の物体中の各物体についての、長いことおよび平坦なことを示す形状データと、アンギュラリティ／丸みデータとを含めたサイズおよび形データを編集し、前記複数の物体のサイズおよび形の平均および変動値を表すパラメータを計算するためのプログラム命令手段を更に備えるコンピュータ・プログラム製品。
30. 請求項２８または２９に記載のコンピュータ・プログラム製品であって、前記形状パラメータおよび／または分類が、物体が実質的に球状であるか、実質的に平坦なものであるか、実質的に長いものであるか、それとも実質的に長くかつ平坦なものであるかを示す少なくとも４つのクラスへの形状分類を含む、コンピュータ・プログラム製品。
31. 請求項２８から３０の何れかに記載のコンピュータ・プログラム製品であって、物体のサイズが、測定された寸法および所定の形状に基づいて計算された体積によって示される、コンピュータ・プログラム製品。
32. 請求項３１に記載のコンピュータ・プログラム製品であって、楕円が、前記物体の外部寸法を表す３つの軸から計算され、前記楕円が、解析される複数の物体についてサイズ分布を生成するための、前記物体の体積の近似値を提供する、コンピュータ・プログラム製品。
33. 請求項２８から３２の何れかに記載のコンピュータ・プログラム製品であって、解析される前記物体の軸に比例する軸を有する楕円構造化エレメントが、前記物体の前記アンギュラリティを決定するために数学的モルフォロジ・アルゴリズムにおいて使用される、コンピュータ・プログラム製品。
34. 請求項３３に記載のコンピュータ・プログラム製品であって、前記小片の前記サイズと前記構造エレメントの前記サイズとの比を定義する比例定数が、約１：３から１：１０の範囲にあり、好ましくは約１：４から約１：１０の範囲にある、コンピュータ・プログラム製品。
35. 請求項３４に記載のコンピュータ・プログラム製品であって、前記比例定数が約１：４から約１：８の範囲にある、コンピュータ・プログラム製品。
36. 請求項２８から３５の何れかに記載のコンピュータ・プログラム製品であって、
    前記物体を照らす可視および／または赤外のビームの反射を検出するように構成された分光計から分光測光入力データを受け取り、
    前記物体についての岩石学的情報または他の組成情報を決定するために、前記データを基準スペクトル値と比較する
    ように更に適合されるプログラム製品。
37. 請求項３６に記載のコンピュータ・プログラム製品であって、前記岩石学的情報が、岩石学的岩石タイプおよび／または変形物の所定のクラス系統に従った前記物体の分類を含む、コンピュータ・プログラム製品。

Images