JP2022129668A - 莢果選別システム及び莢果選別装置 - Google Patents
莢果選別システム及び莢果選別装置 Download PDFInfo
- Publication number
- JP2022129668A JP2022129668A JP2021028441A JP2021028441A JP2022129668A JP 2022129668 A JP2022129668 A JP 2022129668A JP 2021028441 A JP2021028441 A JP 2021028441A JP 2021028441 A JP2021028441 A JP 2021028441A JP 2022129668 A JP2022129668 A JP 2022129668A
- Authority
- JP
- Japan
- Prior art keywords
- pod
- image
- pods
- sorting
- sorting system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
【課題】 人工知能(AI)等を使用する事により、莢果の選別精度を高めた莢果選別システム及び莢果選別装置を提供すること。【解決手段】 莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、更に画像解析手段における解析結果をログ情報として保持するログ情報保持部を備える莢果選別システムとする。【選択図】図14
Description
本発明は、枝豆を始めとする莢果、特に莢が付いたままの莢果を選別する為の莢果選別システム及び莢果選別装置に関する。また人工知能(AI)を使用して莢付きの莢果を正確に選別できるようにした莢果選別システム及び莢果選別装置に関する。
莢果は、マメ科植物の多くに見られる果実であり、インゲン、エンドウ、ネムノキ、ダイズ、ハナズオウ、ルピナス、クローバー、カラスノエンドウなどが含まれる。これら莢果は莢が付いた状態で収穫されることも多く、未成熟な大豆を収穫した枝豆においては、莢が付いた状態で食卓に提供されることも多い。そして当該莢果は、市場に流通させる際には、その品質や等級を管理する為に選別が行われており、莢付き莢果の選別を自動化するべく、カメラを利用して、枝豆を始めとする莢付きの莢果を選別する技術も幾つか提案されている。
かかる莢果選別システム及び莢果選別装置について、本願出願人は特許文献1(国際公開第2016/133175号公報)を提案している。この文献では、莢内の種子を観察するに際して、透過光による撮影の必要性を無くし、反射光を撮影する事により、莢内における種子の収容状態(特に粒数や大きさ)を検査でき、望ましくは撮影画像から算出した植生指数の値により莢果を検査又は選別するようにした莢果選別システム及び莢果選別装置を実現している。
かかる莢果選別システムは、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別するものであり、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、前記画像解析手段は、撮影画像に基づいて個々の莢果の長さと、個々の莢果の幅を計測するサイズ検査と、計測した莢果の長さに基づいて、莢の中に収容されている種子の数を算出する粒数検査とを実行するか、又はこれに代えて当該植生指数の値により莢果を検査又は選別する莢果選別システムとする。かかる文献では莢内における種子の収容状態(特に粒数や大きさ)、黒点や変色、或いは割れやヒゲの有無等の不良を検査することを可能としている。
また莢果の品質を判定する莢果判定構造については、特許文献2(特開2008-20347号公報)が提案されている。この文献では、莢に豆が収容された莢果を透過した透過光によって莢果の画像を撮像する撮像手段を備え、撮影した画像に基づいて、莢への豆の収容状態、莢果の損傷状態、莢果の大きさ、莢果の長手方向端部の裂け状態、莢果の形状等を判定する莢果判定構造が提案されている。
従前においてもカメラを利用して、莢付きの莢果を選別する技術は、種々提案されている。しかし従来提案されている莢果選別装置では、良品または不良品の判定精度において未だ改善の余地を有するものであった。そこで本発明は、人工知能(AI)等を使用する事により、莢果の選別精度を高めた莢果選別システム及び莢果選別装置を提供することを第1の課題とする。
また、従前における莢果選別装置においても、黒点や変色を判定することは可能であったが、画像認識の特性上、莢果の輪郭領域の影響により、黒点または変色を画像検査によって正確に判定するのは困難であった。そこで本発明では、莢果の輪郭以外の領域に存在する黒点または変色を正確に判定する事のできる莢果選別システム及び莢果選別装置を提供することを、前記課題とは別の課題とする。
また、従前における莢果選別装置においても、莢内に存在する豆の粒数を判定することは行われているが、天然の莢果を対象とする関係上、外観検査においてその精度を高めるのは困難であった。そこで本発明では、様々な形状である莢果において、これを外観から莢内の粒数を正確に判定できる莢果選別システム及び莢果選別装置を提供することを、前記課題とは別の課題とする。
また従前において提供されている莢果選別装置においては、莢果の良品と不良品の選別を行う事は可能であるが、当該選別時の判定基準を後から確認することはできなかった。そこで本発明は、過去の判定結果について後から検証し、判定基準の妥当性やその後における判定基準の修正を行うことができるようにした莢果選別システム及び莢果選別装置を提供することを、前記課題とは別の課題とする。
また従来提供されている莢果選別装置では、莢果の画像を撮像する撮像手段としてCCD素子やCMOS素子などのイメージセンサを用いたカメラが使用されている所、カメラの特性上、中心から離れた領域の画像に歪みが生じることになる。かかる歪みは莢果の大きさ等を判定する際の誤差を生じさせてしまうことから、正確な莢果選別の障害となる。そこで本発明は、特に検査対象が莢果である事を考慮した上で、撮影画像の歪みを解消し、莢果の選別精度を高めた莢果選別システム及び莢果選別装置を提供することを、前記課題とは別の課題とする。
また撮像手段としてエリアセンサを使用した場合には、検査対象である莢果の移動により、同じ検査対象物を複数回判定する事も考えられる。そして同じ検査対象物を複数回判定・選別した場合には、収穫した莢果の良品割合または不良品割合の信憑性が低下することになる。そこで本発明は、選別した莢果の良品割合または不良品割合について正確な値を算出できるようにした莢果選別システム及び莢果選別装置を提供することを、前記課題とは別の課題とする。
また従前における莢果選別装置においても、莢果の形状に基づいて欠け等を判定することは行われていたが、様々な形状となる莢果について、欠けの有無を正確に判定するのは困難であった。そこで本発明は莢果ならではの形状の特質性を考慮して、欠けの有無を正確に判定することのできる莢果選別システム及び莢果選別装置を提供することを、前記課題とは別の課題とする。
そして従来提供されている莢果選別装置は、設置に際して個別に判定基準を設定しなければならず、導入初期における設定作業が煩雑なものとなっていた。検査対象となる莢果は、収穫された地域や生育環境において大きく異なることから、統一した判定基準を設定する事ができない為であった。一方で、同じ利用者が複数台の莢果選別装置を使用する場合もあり、このような場合にまで、設置した莢果選別装置ごとに判定基準を設定するのは作業の無駄が生じる。そこで本発明では、判定対象となる莢果が近似したものである場合には、最初に設定した莢果選別装置の判定条件を他の莢果選別装置にも展開することができるようにした莢果選別システム及び莢果選別装置を提供することを、前記課題とは別の課題とする。
上記課題を解決する為、本発明者は先に提案した莢果選別システム及び莢果選別装置について、更に改良を重ね、判定基準や条件を見直して、良品または不良品の判定制度を高めるか、または導入時における設定作業を容易にした莢果選別システム及び莢果選別装置を提供する。そして当該判定基準の選定に際しては、望ましくは人工知能(AI)も使用できるようにした莢果選別システム及び莢果選別装置を提供する。
即ち本発明では、莢果における黒点の有無を確実に判定する為の莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、前記画像解析手段は、取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、抽出した個々の莢果の画像の輪郭領域を減じる収縮処理を実行する収縮処理実行部とを備えることを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。
また本発明では、莢果、特に枝豆の特性を考慮した上で、莢の長さの計測基準を設定することで、1粒の莢果を正確に判定する事のできる莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、前記画像解析手段は、取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、抽出した個々の莢果の画像から莢の長さを算出する莢長算出部を備え、当該莢長算出部は、抽出した個々の莢果の画像から算出した莢の幅からなる莢幅が所定の値となる領域についての莢の長さを算出することを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。
また本発明では、莢果の判定に際して使用した計測データをログ情報として保持することで、計測基準等を見直すことのできる莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、更に画像解析手段における解析結果をログ情報として保持するログ情報保持部を備えることを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。特に当該ログ情報を利用する事により、学習済モデルとして人工知能装置を構築することができ、当該人工知能装置を使用する事により、より的確な判定強権を設定することができる。また当該ログ情報はインターネットを介して外部の端末から閲覧可能とすることにより、現在の検査状況を離れた場所からリアルタイムで監視することができる。
また本発明では、莢果の解析結果と解析対象の画像とを検証することにより、莢果の判定精度を高めるようにした莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、更に画像解析手段が解析に使用した画像を保持する画像保持部を備えることを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。
また本発明では、選別対象となる莢果を撮影するカメラに起因する誤判定の問題を解消することのできる莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、画像解析手段は、画像取得手段が取得した画像について歪み補正を行う歪み補正部を備えることを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。
また本発明では、同じ莢果を複数回判別することに起因する良品割合または不良品割合の信憑性の低下を阻止することのできる莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、画像解析手段は、画像取得手段が取得した画像についての移動位置を算出し、当該移動位置に存在する莢付きの莢果を撮影した画像について解析対象から除外することを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。
また本発明では、複数の莢果選別システム又は莢果選別装置を設置する際に、初期設定、即ち判定基準や各種機器(カメラや照明などを含む)の調整などの作業を容易に行う事のできる莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、画像解析手段は、他の莢果選別システムから取得した解析情報設定情報に基づいて解析基準を設定することを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。
そして本発明では、莢果における欠け、特に枝豆における欠けの有無を正確に判定する事のできる莢果選別システム及び莢果選別装置を提供する。具体的には、莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、画像解析手段は、取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、抽出した個々の莢果の画像を複数当分に分割すると共に、長さ方向の基端と先端における面積比を算出して、莢果における欠けの有無を判定することを特徴とする莢果選別システムと、当該莢果選別システムを用いた莢果選別装置を提供する。
上記本発明にかかる莢果選別システムは、コンピュータを用いて形成する事ができる。具体的にはコンピュータソフトウエアによって、処理内容と処理手順が制御されたコンピュータとして具体化する事ができる。そして、前記画像解析手段は、コンピュータソフトウエアが実行されることによって処理を行うCPUやメモリーによって構成する事ができる。
また、当該莢果選別システムは、莢果を搬送する為のベルトコンベアや振動フィーダー等の搬送手段と、搬送している莢果を撮影するデジタルカメラやデジタルビデオカメラなどの撮影手段とを備えて構成され、更に判定結果において基準に適合しないものを取り除くための除去手段を伴うことができる。
また上記のように構成した莢果選別システムを、莢果の搬送手段などと組み合わせる事で、連続的に莢果を選別することのできる莢果選別装置とすることができる。即ち、検査対象物を搬送する搬送手段と、当該搬送手段で搬送される検査対象物を撮影する撮影手段と、当該撮影手段が撮影した画像を取得すると共に、当該画像を解析する莢果選別手段とを具備しており、当該莢果選別手段として、上記莢果選別システムを使用した莢果選別装置を提供する。
かかる莢果選別装置によれば、検査対象である莢果を、搬送手段によって連続的に搬送し、これを撮影手段で撮影して、本発明にかかる莢果選別システムによって解析する事で、規格外の莢果を見つけ出し、必要に応じて排除する事ができる。
また、上記本発明にかかる莢果選別装置では、更に、搬送手段で搬送される検査対象物の内、莢果選別手段において指定された検査対象物に対してエアーを吹き付け、規格外となった検査対象をエアーで吹き飛ばす排出手段を具備する事が望ましい。その際、前記莢果選別手段における画像解析手段は、撮影画像から個々の莢果の長さと、個々の莢果の幅を計測するサイズ検査の結果から、長さと幅の中心を特定する事ができる。そこで当該排出手段は、莢果選別手段において指定された検査対象物の長さと幅の中心に向かってエアーを吹き付けるように構成するのが望ましい。当該中心にエアーを吹き付けられた莢果(規格外の莢果)は確実に抜き出され、これにより大量の選別が必要な場合であっても、精確且つ確実に、収穫した莢果の検査・選別を行う事ができる。
上記本発明の枝豆選別システムと此れを用いた莢果選別装置は、画像取得手段が取得した画像を解析する画像解析手段が、取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、抽出した個々の莢果の画像の輪郭領域を減じる収縮処理を実行する収縮処理実行部とを備える場合には、莢果の輪郭領域の影響を受けることなく、莢果の輪郭以外の領域に存在する黒点または変色を正確に判定する事のできる莢果選別システム及び莢果選別装置を提供することができる。
また、画像取得手段が取得した画像を解析する画像解析手段が、取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、抽出した個々の莢果の画像から莢の長さを算出する莢長算出部を備えており、当該莢長算出部は、抽出した個々の莢果の画像から算出した莢の幅からなる莢幅が所定の値となる領域についての莢の長さを算出する場合には、特に枝豆にあっては、莢長が同じであっても莢内の粒数の違いを明確に判定する事のできる莢果選別システム及び莢果選別装置を提供することができる。
また、前記画像解析手段における解析結果をログ情報として保持するログ情報保持部を備える場合には、選別対象物の良品率(規格品)や不良品率(規格外品)、或いは不良品と判断された原因などを詳細に確認することができる果選別システム及び莢果選別装置を提供することができる。また撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、画像解析手段が解析に使用した画像を保持する画像保持部を備える場合には、選別時の判定基準を後から検証し、判定基準の妥当性やその後における判定基準の修正を行うことができるようにした莢果選別システム及び莢果選別装置を提供することができる。
また、前記画像解析手段が、画像取得手段が取得した画像について歪み補正を行う歪み補正部を備える場合には、カメラの特性に起因する中心から離れた領域の画像の歪みを解消して、莢果の選別精度を高めた莢果選別システム及び莢果選別装置を提供することができる。
また前記画像解析手段が、画像取得手段が取得した画像についての移動位置を算出し、当該移動位置に存在する莢付きの莢果を撮影した画像について解析対象から除外する場合には、同じ検査対象物を複数回判定・選別する事を無くして、選別した莢果の良品割合または不良品割合について正確な値を算出できるようにした莢果選別システム及び莢果選別装置を提供することができる。
また、前記画像解析手段が、取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、抽出した個々の莢果の画像を複数等分に分割すると共に、長さ方向の基端と先端における面積比を算出して、莢果における欠けの有無を判定する場合には、莢果、特に枝豆ならではの形状の特質性を考慮して、欠けの有無を正確に判定することのできる莢果選別システム及び莢果選別装置を提供することができる。
そして、前記画像解析手段が、他の莢果選別システムから取得した解析情報設定情報に基づいて解析基準を設定する場合には、設置した莢果選別装置ごとに判定基準を設定するのは作業の無駄を解消し、判定対象となる莢果が近似したものである場合には、最初に設定した莢果選別装置の判定条件を他の莢果選別装置にも展開することができるようにした莢果選別システム及び莢果選別装置を提供することができる。
以下、図面を参照しながら本発明にかかる莢果選別システムの1つの実施の形態を具体的に説明する。特に本実施の形態では、莢果のうち、枝豆を選別する莢果選別システムについて、具体的に説明する。但し、本実施の形態に係る莢果選別システム及び莢果選別装置は、枝豆以外の莢果、例えば大豆、インゲンマメ、ヒヨコマメ、アズキ、ラッカセイなど莢果の選別にも使用することができる。また本実施の形態にかかる莢果選別システム及び莢果選別装置は、莢付きの莢果を検査する為のものであり、よって莢果とは莢付きの莢果を示している。
図1は、本実施の形態にかかる莢果選別システム(以下では、「枝豆選別システム40」とする)を用いて構成した莢果選別装置(以下では、「枝豆選別装置」とする)を示す全体構成図である。この枝豆選別装置は、選別対象となる枝豆Wを収容すると共に、選別ラインに連続的に供給するホッパー部10と、ホッパー部10から供給された枝豆Wを搬送する第一搬送手段20と、この第一搬送手段20で搬送された枝豆Wを反転させて搬送する第二搬送手段30と、それぞれの搬送手段に設けられた撮影手段21,31と、撮影手段21,31が撮影した画像を解析する枝豆選別システム40と、各搬送手段に設けられて搬送速度又は搬送量を検知する搬送検出手段22,32と、各搬送手段の終端側における枝豆Wの落下部に設けた排出手段23,33とで構成している。
前記ホッパー部10は、選別対象となる枝豆W(莢果)を収容する空間部を備えている。またホッパー部10の内部に収容されている枝豆Wを、第一搬送手段20と第二搬送手段30とからなる搬送手段に供給する為の排出構造を伴っている。かかる排出構造は、当該ホッパー部10の底面に設けられたベルトコンベアー等であり、ホッパー部10内に収容している枝豆Wを前方に移動させる。但し、このホッパー部10は、内部に収容している枝豆Wを、検査を実施する搬送手段に送り出す事ができれば他の構成であって良い。
ホッパー部10から排出された枝豆Wは、第一搬送手段20と第二搬送手段30とからなる搬送手段に供給される。その際、ホッパー部10から落下した枝豆Wが相互に重なる事が無いように、落下部分には、ホッパーから排出された枝豆Wを振動させながら搬送する振動手段(図示せず)を設けるのも望ましい。
前記第一搬送手段20及び第二搬送手段30は、それぞれベルトコンベアーや振動フィーダー等によって形成する事ができる。ホッパー部10から供給された枝豆Wは、最初に第一搬送手段20によって搬送される。この第一搬送手段20には、望ましくは搬送する枝豆Wの向きを一定方向に揃える為の整列部を伴う事ができる。かかる整列部は、例えば枝豆Wの搬送方向に長尺な整列板や線材(図示せず)を所定の間隔で配置して形成できる。搬送される枝豆Wは、この整列板に当たることにより、搬送方向に向かって縦向きになるように向きが修正される。
上記第一搬送手段20の上方には、第一搬送手段20によって搬送されている枝豆Wを撮影する為の撮影手段21が設けられている。この撮影手段21としては、カメラやビデオカメラを使用する事ができる。この撮影手段21は、搬送される枝豆Wを静止画又は動画で撮影し、その撮影画像を枝豆選別システム40に直接取り込んで解析できるように、撮影画像を電子データで取得することが望ましい。そして、この撮影手段21の撮影範囲に存在する枝豆Wを、安定的に照らす照明を設ける事も望ましい。枝豆Wを照らす光の明るさを一定にすることにより、撮影画像の輝度を安定させるためである。
上記撮影手段21で撮影された画像は、コンピュータなどで構成されている枝豆選別システム40に送られる。枝豆選別システム40では、取得した撮影画像に基づいて、選別対象である枝豆Wを検査し、少なくとも枝豆Wの大きさや粒数、或いは欠けの有無、及び黒点の有無や変色の少なくとも何れかを検査し、規格から外れる枝豆Wを特定する。この枝豆選別システム40の構成や処理については、後述する。
第一搬送手段20には、その搬送速度や搬送距離を取得する為の搬送検出手段22を設けている。枝豆Wの搬送情報と撮影画像とを関連付けることにより、上記の枝豆選別システム40で選定した枝豆W(規格外の枝豆W)が、どの位置に搬送されているのかを特定する為である。搬送過程において、枝豆選別システム40で選定した規格外の枝豆Wを特定することで、当該規格外の枝豆Wを搬送ラインの外に排出する事もできる。かかる搬送検出手段22としては、ロータリーエンコーダやリニアエンコーダなどを使用する事ができる。
本実施の形態において、前記規格外の枝豆Wは、第一搬送手段20の終端から落下する際に排除される。即ち、第一搬送手段20の終端には、搬送している枝豆Wを第二搬送手段30に落下させる落下部が設けられており、当該落下部から落下する際、前記枝豆選別システム40で特定した枝豆W(規格外の枝豆W)を、排出手段23によって搬送ラインから排出する。かかる排出手段23は、特定した枝豆Wに対してエアーを吹き付けて、搬送ラインの外に吹き飛ばすように構成する他、特定した枝豆Wを取り出すことのできる各種構成で形成する事ができる。
以上により、第一搬送手段20によって搬送され、且つ枝豆選別システム40によって規格外と判定された枝豆Wは、排出手段23によって排出され、残った枝豆Wが第二搬送手段30によって搬送される。この第二搬送手段30で搬送する際、枝豆Wは、第一搬送手段20における搬送状態から反転させた状態で搬送するのが望ましい。したがって、第一搬送手段20の後、又は第二搬送手段30の始端側(第一搬送手段20側)には、搬送する枝豆Wを反転させる反転手段を設けるのが望ましい。かかる反転手段は、例えば搬送する枝豆Wを落下させる時の落差を利用して反転させる他、搬送される莢果の何れかの面にベルトやローラーによる回転力を作用させて反転することもできる。また第二搬送手段30を第一搬送手段20とは逆向きに搬送させることにより、第二搬送手段30落下した枝豆Wを反転させることもできる。
この第二搬送手段30で搬送する枝豆Wも、前記第一搬送手段20における搬送と同じように選別される。即ち、第二搬送手段30で搬送する枝豆Wを撮影手段31で撮影し、その撮影画像を枝豆選別システム40で解析して、規格外の枝豆Wを特定する。その際、枝豆の搬送速度や距離は、ロータリーエンコーダからなる搬送検出手段32から取得する。そして当該規格外の枝豆Wは、搬送手段の終端において排出手段33によりエアーを吹き付けて排出する。かかる第二搬送手段30における処理は、前記第一搬送手段20における処理と同じであるから、図面では第一搬送ラインと同じ構成については符号に「10」の値を加算して示し、その詳細な説明は省略する。
図2は、本実施の形態に係る莢果選別システムを構成するコンピュータのハードウエア構成の例を示している。ただし、図2のコンピュータ500は、当該莢果選別システムの代表的な構成を例示したに過ぎず、当該枝豆選別システムは、画像解析のための演算装置やメモリ及びプログラムを実行する限りにおいて、専用の装置として構成しても良い。
この図2に示すコンピュータ500は、CPU501、メモリ502、音声出力装置503、ネットワークインタフェース504、ディスプレイコントローラ505、ディスプレイ506、入力機器インタフェース507、キーボード508、マウス509、外部記憶装置510、外部記録媒体駆動装置511、およびこれらの構成要素を互いに接続するバス512を含んで構成されている。
CPU501は、コンピュータ500の各構成要素の動作を制御し、OSの制御下で、上記枝豆選別システムの各処理の実行をコントロールし、その動作を制御する。メモリ502は通常、不揮発性メモリであるROM(Read Only Memory)、および揮発性メモリであるRAM(Random Access Memory)から構成され、記憶部に相当する。ROMには、コンピュータ500の起動時に実行される枝豆選別システムで実行されるプログラム等が格納される。RAMには、CPU501で実行され、撮影手段から取得した画像を解析し、枝豆の大きさや粒数を算出し、また欠けやヒゲ・黒点・変色・割れの有無、又は活性度等を判定するためのプログラムや、それらのプログラムが実行中に使用するデータが一時的に格納される。
音声出力装置503は、スピーカ等の、音声を出力する機器であり、ネットワークインタフェース504は、各種の機器と情報交換する為のネットワーク520に接続するためのインタフェースである。ディスプレイコントローラ505は、CPU501が発する描画命令を処理するための専用コントローラであり、表示部としてのディスプレイ506に描画データを出力する。かかるディスプレイ506は、LCD等で構成される表示装置である。
入力機器インタフェース507は、キーボード508やマウス509、或いはタッチパッドなどの入出力デバイスから入力された信号を受信して、その信号パターンに応じて所定の指令をCPU501に提供する。キーボード508やマウス509は、プログラムの実行や設定などの操作を行う場合に必要となる。外部記憶装置510も本明細書における記憶手段の範疇に含まれる。かかる外部記憶装置510は、たとえばハードディスクドライブ(HDD)のような記憶装置で構成することができる。この装置内には上述したプログラムやデータが記録され、実行時に、必要に応じてそこからメモリ502のRAMにロードされる。外部記録媒体駆動装置511は、CD(Compact Disc)、MO(Magnet-Optical Disc)、DVD(Digital Versatile Disc)などの可搬型の外部記録媒体530の記録面にアクセスして、そこに記録されているデータを読み取る装置である。
本実施の形態にかかる枝豆選別システムは、上記のように構成されるコンピュータを用いて形成され、以下の図3~18に示す処理を実行する。
≪基本処理≫
図3は撮影手段から取得した撮影画像について実行する基本処理の内容を示すフローチャートであり、図4はこの基本処理の内容を示す処理内容図である。基本処理を実行すると、最初に枝豆選別システムは、複数の枝豆が写っている撮影画像を撮影手段から取得して、メモリに記録する(S11)。そして、図4(B)に示す様に、複数の枝豆が写っている画像(撮影手段から取得した撮影画像)に対し、枝豆ごとにラベリング処理を行い(S12)、枝豆ごとの画像を抽出する。撮影画像を解析する際、撮影画像に複数含まれる莢果は、枝豆ごとに抽出されている事が望ましく、ラベリング処理を施すことにより、莢果の輪郭形状を特定する事ができる。
図3は撮影手段から取得した撮影画像について実行する基本処理の内容を示すフローチャートであり、図4はこの基本処理の内容を示す処理内容図である。基本処理を実行すると、最初に枝豆選別システムは、複数の枝豆が写っている撮影画像を撮影手段から取得して、メモリに記録する(S11)。そして、図4(B)に示す様に、複数の枝豆が写っている画像(撮影手段から取得した撮影画像)に対し、枝豆ごとにラベリング処理を行い(S12)、枝豆ごとの画像を抽出する。撮影画像を解析する際、撮影画像に複数含まれる莢果は、枝豆ごとに抽出されている事が望ましく、ラベリング処理を施すことにより、莢果の輪郭形状を特定する事ができる。
そして抽出した枝豆ごとの画像について角度補正処理を行う(S13)。角度補正を行った補正画像について、長軸方向となる長さ(以下、「莢長」とも言う)と、短軸方向となる幅(以下、「莢幅」とも言う)とを計測する。角度補正を行う事により、莢果における莢の長さ及び幅の測定を、より正確に行う事ができる為である。この角度補正処理では、各枝豆の画像において、長尺な向き(長さ方向)が縦又は横の何れか同じ方向を向くように、画像処理を行う。そして図4(C)に示す様に、角度補正を行った画像に対して二値化処理を行い(S15)、その後における各検査で、必要な数値や場所の特定や取得を迅速に行えるようにしている。
莢果の選別を自動化する場合には、ベルトコンベアーなどの搬送手段で搬送する必要があり、搬送している莢果を撮影して、これを検査する必要がある。しかしながら搬送手段で搬送する莢果の向きを正確に揃えるのは事実上困難である。そこで上述のように、無造作に搬送される莢果を撮影し、その向きを修正する事で、検査の実情に合致しながらも、莢果の長さ及び幅の測定を正確に行う事ができる莢果選別システムとしている。
≪粒数検査≫
図5は、粒数検査を行う処理内容を示すフローチャートであり、図6はこの粒数検査を行う処理内容図であり、図7は粒数検査における莢長判定を行う処理内容図である。この粒数検査では、最初に前記基本処理を行った画像(ラベリング処理及び角度補正処理後の画像)を検査画像として取得する。この検査画像は、搬送手段を搬送される枝豆ごとに作成されることから、この粒数検査はすべての枝豆について実行される。
図5は、粒数検査を行う処理内容を示すフローチャートであり、図6はこの粒数検査を行う処理内容図であり、図7は粒数検査における莢長判定を行う処理内容図である。この粒数検査では、最初に前記基本処理を行った画像(ラベリング処理及び角度補正処理後の画像)を検査画像として取得する。この検査画像は、搬送手段を搬送される枝豆ごとに作成されることから、この粒数検査はすべての枝豆について実行される。
画像解析手段は取得した撮影画像から、個々の莢果の長さと幅に関する情報を取得する「サイズ検査」を実行する。この長さと幅に関する情報は、取得した撮影画像における画素に基づいたドット数(又はピクセル数)として取得する他、検査対象物の実際の長さ及び幅として取得することができる。撮影画像から検査対象物の実際の長さ及び幅を算出する場合には、撮影画像上で特定される長さに一定の拡大または縮尺定数を乗算することもできる。
即ち、検査画像を取得すると、コンピュータで構成されている枝豆選別システムのCPUは、図6(A)に示す様に、検査画像において枝豆が写し出されている領域における長さ方向のピクセル数を判読し、これに基づいて当該枝豆の長さを演算する(S52)。この演算は、撮影画像を実測値にする為の係数を乗算することによって算出する事ができる。
そして演算により算出した枝豆の長さを取得すると、この長さに基づいて粒数を算出する(S54)。この粒数の算出は、図6に示す様に、莢果の長さとの関係で種子の粒数を関連付けた長さ/個数テーブル41を準備し、画像の解析によって読み取った莢果の長さを検索値として検索する事で、当該長さに対応する種の個数を演算・抽出する事ができる。また、ファイルシステムを検索するまでもなく、取得した莢果の長さに応じて、一定の値(種子の個数)を出力する様にプログラムを設計することもできる。即ち、莢の長さを計測して、この値を使用することで、莢内に収容されている種子の大凡の数を算出する事ができる。
この莢長の算出に際しては、莢幅について基準となる値を設定し、当該値以上の範囲についての莢長を算出するように構成することもできる。即ち、上述のように枝豆における莢の長さから、おおよその粒数は想定することは可能である。しかし同じ莢長でも、中に存在する種子の大きさ次第では、1粒であったり、2粒であったりする場合も存在する。そこで種子が存在しない領域の長さを除外することで、実質的に種子が存在する領域の長さを算出し、粒数を正確に判定するものである。
図7は粒数検査における莢長判定を行う処理内容図である。この図7(A)に示す様に、莢長が同じ長さであっても、莢内に収容された種子の粒数が1粒であったり、2粒であったりする場合がある。そこで莢幅について基準値(LB)を設定し、当該基準値よりも大きい値についての莢長を算出することにより、種子が存在する領域についての実効長を算出することができる。本実施の形態では、莢幅についての基準値(LB)を10mmと設定しており、その結果、図7(B)に示す様に、1粒の種子が収容されている莢果の莢長は、その莢長が2粒の時の莢長よりも短くなり1粒である事が判定される。一方で、2粒の種子を収容した莢果では、基準となる莢幅以上の領域の莢長は、2粒と判断する莢長の範囲となる事から、正確な粒数判定を行うことができる。
なお、この莢長の算出際しては、基準となる莢幅以下の領域の長さを算出することによっても、莢内の種子が1粒の莢果を判定することができ、また基準となる莢幅以上となる突出部(凸部)の存在個数を算出することによっても莢果内の種子の粒数を算出することができる。
上記の粒数検査に際しては、莢内の種子の数を算出すると共に、種子の存在によって変化する莢の幅を算出する事ができる。即ち、前記画像解析手段における粒数検査では、莢幅が最大となる位置を凸部とし、当該凸部間において幅が凹部より狭く且つ最小となる位置を凹部とする。かかる凸部や凹部は莢内に収容されている各種子について算出することもでき、これによって莢果の全体形状を詳細に把握し、判定することができる。
また莢内において種子が存在する場所は、輪郭が膨らんでいることから凸部を設定する事ができ、また種子間には、凹部が存在することから、凹部の存在を確認する事により、凸部に種子が存在する事を確認できる。そして、凸部が2つ以上として算出された場合には、当該凸部間における幅の変化量を確認する事で、莢内の粒数を判定することもできる。莢の長さだけを以って粒数を特定した場合には、同じ莢長でも、中に存在する種子の大きさ次第では、1粒であったり、2粒であったりする場合も考えられる為である。したがって、凸部間における幅の変化は谷部(凹部)が1つ出現するように変化している事を確認する事が望ましい。
以上の通り、粒数検査においては、莢内に収容されている種子が1粒のみの莢果を特定する事も望ましい。かかる種子が1粒の莢果は、先ず莢の全長によって特定する事ができる。即ち、所定の莢幅以上となる領域における莢長が、基準の長さよりも短い莢果は、種子が1粒だけであると想定する事ができる。莢果の長さにより粒数を予想する事で、粒数検査における処理速度を向上させることができる。そして、基準値以上の長さを有する莢果については、莢内の種子が2粒以上であると判断する。しかしながら2粒以上と判断しても、種子の粒が大きい場合には、実際には1粒しか収容されていない場合もある。そこで、撮影画像から幅を読み出し、凸部と凹部を抽出・確認して、実際の粒数を算出することもできる。即ち、基準値以上の長さであり、粒数を2つと設定した場合には、当該莢果を長さ方向に2つの領域に分けて、それぞれの領域において最も幅広の凸部を抽出する。その結果、莢内に収容されている種子が2粒以上であれば、当該凸部は2か所に存在し、当該凸部間には凹部が存在するはずである。しかしながら、莢内の種子が1粒の場合には、仮に凸部を2か所に設定したとしても、当該凸部同士の間には、両方の凸部よりも狭い幅は存在せず、よって凹部が存在しないことになる。したがって、莢内の種子が1粒となり得る長さの莢果については、凸部間に凹部が存在するか否かを確認する事で、1粒か否かを判断する事ができる。
このように、莢内の種子が1粒の莢果を特定する処理は、特に枝豆を選別する際に有効である。枝豆の選別では、莢内の種子の数も商品価値に影響を与えている実情から、種子が1粒の莢果を特定し、これを選別する事で商品価値を高める事ができる為である。
演算の結果として得られる粒数が1粒か否かの判断(S56)により、莢果を選別することができる。これは枝豆の場合、1粒のものは商品価値が低い事もあることから、商品価値を高める為に種子が1粒の枝豆を選別して取り除くためである。この莢に収容される種子が1粒か否かの判断では、先ず前記粒数判断において、1粒と判断されたものが除かれる。よって、当該莢内の種子が1粒と判断された枝豆は、規格外品と判断され、排出手段により排出対象として特定される。
そして、前記粒数判断において、莢内に収容された種子が2粒以上と判断された枝豆は、その粒数に応じて、領域が分割される(S58)。図6では、特に2粒と判断された例を示している。この為、検査画像は、図6(B)に示す様に、長さ方向に2つの領域(A1及びA2)に分割されている。次にそれぞれの領域において、幅の値が最も大きい地点を凸部として設定する。図6(C)では、第一の領域A1において幅が最も広い地点を第一の凸部C1として設定し、第二の領域A2において幅が最も広い地点を第二の凸部C2として設定している。そして夫々の凸部における値(幅)を算出する(S59)。
次に、図6(D)に示す様に、夫々の凸部(C1及びC2)の間SAの幅を演算し、図6(E)に示す様に、各凸部の幅よりも小さい値で、且つ幅が最小値となる地点を凹部として設定し、その幅を算出する(S60)。そして凹部の有無を判断し(S61)、凹部を算出できる場合には、莢内に2粒以上の種子が入っており、規格に合った枝豆として、この粒数検査では規格内と判断する(S62)。一方、凹部が算出できない場合には、莢内の種子が1粒の枝豆と判断し、規格外であると判断して、排出手段により排出対象として特定する。即ち枝豆選別システムは、莢の長さから、莢内の種子の数を2粒と判断した結果(図8(A))、前記同様に凸部及び凹部を特定する処理を実行する。具体的には、当該枝豆の画像を2つの領域(A1及びA2)に分割し(図8(B))、それぞれの領域において最も幅が広い領域を、それぞれの凸部(C1及びC2)に設定する(図8(C))。そして、この凸部同士の間であって、それぞれの凸部よりも狭く、且つ最も狭い幅の位置を凹部に設定する(図8(D))。しかし莢内の種子が1粒の場合には、この凹部の幅は、何れかの凸部と同じ幅になってしまうことから、当該凹部を設定する事ができない(図8(E))。よって、この場合には、莢内の種子が1粒と判断し、規格外の枝豆として特定する。
以上の様な処理によって粒数検査を実行することにより、処理の高速化を達成する事ができる。即ち、莢の長さによって、莢内の種子が1粒の枝豆を一次的に排除していることから、検査対象を減じる事ができ、これによって処理の高速化を図る事ができる。更に、長さでは規格内の枝豆について、更に凸部及び凹部を検査する事により、長さの規格は充たしながらも、実際には莢内の種子が1粒の枝豆を抽出する事ができ、選別の精度を大幅に向上させることができる。よって、上記の処理によって粒数検査を実行する事により、高速かつ正確に枝豆(莢内の種子が1粒の枝豆)を選別する事ができる。
≪欠け検査≫
また、前記枝豆選別システムは、基本処理を行って作成した検査画像を取得する事により、更に欠け検査を実行する事ができる。この欠け検査では、枝豆における莢に欠けが有るか否かを検査するものであり、本実施の形態では、図9及び図10に示す様に、莢果の画像を長さ方向に複数等分に分割し、両端の面積比によって欠けの有無を判定している。これは莢果、特に枝豆においては、莢の欠けは長さ方向の端部において発生していることが多いことに着目したものである。
また、前記枝豆選別システムは、基本処理を行って作成した検査画像を取得する事により、更に欠け検査を実行する事ができる。この欠け検査では、枝豆における莢に欠けが有るか否かを検査するものであり、本実施の形態では、図9及び図10に示す様に、莢果の画像を長さ方向に複数等分に分割し、両端の面積比によって欠けの有無を判定している。これは莢果、特に枝豆においては、莢の欠けは長さ方向の端部において発生していることが多いことに着目したものである。
この処理では、前記ラベリング処理によって輪郭形状を特定し、その角度補正処理によって長軸方向を揃えた検査画像を取得する(S91)。この取得した検査画像に対して、長軸方向に、長さを均等にして複数に分割し(S92)、当該分割した領域の面積を長さ方向の両端部の領域で対比する(S93)。そしてこの対比結果が所定の基準内であるかを判断し(S94)、両者の差が少なく、ほぼ同じ比率である場合には、莢の欠けが存在し、規格外であると判断する(S96)。一方で、両者の差が大きく比率が相違する場合には、莢の欠けが存在しないことから規格内と判断する(S95)。これは図10(A)に示す様に莢の長さ方向の端部に欠けが存在しない場合には、一方の端部(莢の先端部)が先細り形状となる事から両面積は異なり、一方で図10(B)に示す様に何れかの端部(特に莢の先端側端部)に欠けが存在する場合には、両端部における面積がほぼ同じになる為である。この長さ方向端部同士における面積比率は任意に設定することができるが、例えば、一方の面積が他方の面積の70%以下、又は50%以下である場合には、莢が欠けていないと判断することができる。また面積の対比は比率ではなく、面積の差分によって判断することもできる。そして莢の長軸方向に分割する場合には、長軸の長さで分割することができ、その分割数は図10に示す様に三等分とする他、二等分であっても良く、更には四等分以上であっても良い。また等分に分割することなく莢長の両端部を所定の長さ分だけ抽出し、その面積を対比することもできる。
このように長さ方向両端部における面積を対比することにより、莢幅が複雑に変化する枝豆であっても、欠けの有無を正確に判定することができ、枝豆選別の精度を高めることができる。
≪黒点検査≫
図11は、黒点検査を行う処理内容を示すフローチャートであり、図12は黒点の出現状況を示す正面図であり、図13は縮小処理の(A)設定画面、(B)処理内容図である。この黒点検査では、まずカメラ等の撮影手段で撮影した画像に対してラベリング処理及び傾き補正処理を行った画像を検査画像として取得する(S111)。そして取得した検査画像に対して、その輪郭(周囲)を削る縮小処理を行う(S112)。これは、通常の枝豆の選別において黒点と判断されるのは、図12に示す様に莢の輪郭以外の領域に存在する変色領域(黒点)であり、輪郭領域に存在する変色は黒点と判断されない事に起因する。また検査画像においては、その撮影に際して影などが映り込むことも否定できず、当該影部分が変色領域として認識されるのを阻止する為である。
図11は、黒点検査を行う処理内容を示すフローチャートであり、図12は黒点の出現状況を示す正面図であり、図13は縮小処理の(A)設定画面、(B)処理内容図である。この黒点検査では、まずカメラ等の撮影手段で撮影した画像に対してラベリング処理及び傾き補正処理を行った画像を検査画像として取得する(S111)。そして取得した検査画像に対して、その輪郭(周囲)を削る縮小処理を行う(S112)。これは、通常の枝豆の選別において黒点と判断されるのは、図12に示す様に莢の輪郭以外の領域に存在する変色領域(黒点)であり、輪郭領域に存在する変色は黒点と判断されない事に起因する。また検査画像においては、その撮影に際して影などが映り込むことも否定できず、当該影部分が変色領域として認識されるのを阻止する為である。
かかる縮小処理は、図13(B)に示す様に検査画像における輪郭領域を削った画像を作成する。輪郭を削る量は、図13(A)の設定画面で任意に設定することが可能であり、莢の輪郭領域において広い範囲に変色が存在する場合には、縮小処理の回数を複数回設定することにより、縮小させるピクセルを多く設定することができる。即ち、1回の縮小処理で削るピクセル数を設定しておいて、これを複数回行う事により削るピクセル数を調整することができる。但し、1回で削るピクセル数を任意に調整することによって、縮小処理の程度を調整することも可能である。
そして縮小処理を行った画像に対して、黒点として変色している領域の面積(ピクセル数)を算出し(S113)、これが基準の範囲内か否かを判断する(S114)。算出した変色領域が基準の範囲内であれば規格内と判断し(S115)、基準の範囲を超えている場合には規格外と判断することができる(S116)。
なお、この変色した領域の認識に際しては、図13に示す様に、検査画像に対してR(赤)、G(緑)、B(青)の少なくとも何れかについて、黒点と判断する為の輝度値の上限と下限を設定し、当該範囲内のものを黒点判定の対象とすることができる。例えば、図10ではG(緑)の輝度値について、最小0,最大60の範囲を設定しており、G(緑)の輝度値が0~60のものについて黒点判定の対象としている。その結果、莢の輪郭領域における変色や影を除外して、正確に黒点などの変色を判定することができる。
≪検査ログ管理≫
そして本実施の形態に係る莢果選別システム及び莢果選別装置では、上記の検査結果を保存しておくことにより、検査対象となる枝豆における良品や不良品の割合、及び不良品となったものの原因などを確認することができる。図14は枝豆の判定に使用したデータをログとして保持する莢果選別システム及び莢果選別装置を示している。かかる検査ログは検査日ごと、又は検査時間ごとなど、一定の時間や検査対象のロットごとに保持することができ(図14(A))、例えば図14(B)に示す様にCSV等のテキスト形式で保持することができる。但し、当該ログの保持形式は当然ながら他のファイル形式であっても良い。
そして本実施の形態に係る莢果選別システム及び莢果選別装置では、上記の検査結果を保存しておくことにより、検査対象となる枝豆における良品や不良品の割合、及び不良品となったものの原因などを確認することができる。図14は枝豆の判定に使用したデータをログとして保持する莢果選別システム及び莢果選別装置を示している。かかる検査ログは検査日ごと、又は検査時間ごとなど、一定の時間や検査対象のロットごとに保持することができ(図14(A))、例えば図14(B)に示す様にCSV等のテキスト形式で保持することができる。但し、当該ログの保持形式は当然ながら他のファイル形式であっても良い。
本実施の形態において、当該ログ情報は、検査画像を判定した結果の数値、例えば莢長や莢幅、面積、或いはRGBの輝度値などを保持することができ、その他にも判定に使用した実際の数値等のデータを保持しておくことができる。かかるログ情報を保持しておくことにより、特定のログファイルの記述内容(生のデータ)から良品(規格内)と不良品(気化器外)の状況や、その比率、或いは不良品の内訳なども確認することができる(図14(C))。従って、当該ログ情報として、枝豆の選別に使用した全てのデータを保持しておくことで、収穫した枝豆の収穫農家や収穫地等によって区別したロットごとに、枝豆の状況を確認することができる。
このように、検査ログから良品や不良品の割合や、不良品と判断された原因を特定する際には、その精度を高める為に、枝豆の検査に際して一度判定した枝豆については再度判定しないように構成することが望ましい。
そこで、図15に示す様に一度判定した枝豆について、その移動位置を予測して、当該移動位置に存在する枝豆を判定対象から除外するように構成することができる。即ち、図15(A)に示す設定画面で移送方向の移動量(移動量Y)とその許容範囲を設定し、また移動方向に交差する向きの移動量(移動量X)の許容範囲を設定する。そしてこの値を使用して、図15(B)に示す様に、一度検出した検査対象が設定した位置に移動している場合には、当該位置に存在する検査対象を対象から除外する。本実施の形態において、検査対象となる枝豆はコンベアー等の搬送手段によって移動されることから、原則としてコンベアーの移動方向への変位を予測するように構成している。従って、撮影した検査画像において判定した枝豆について、所定の時間後(検査画像の撮影タイミング)における搬送方向の移動位置を予測し、次の撮影画像において当該位置に存在する枝豆を検査対象から除外するものである。この時、移送方向の移動量(移動量Y)はコンベアー等の搬送手段の移動速度や前記搬送検出手段22,23に基づいて設定することができ、その上で移動距離の誤差範囲を設定することができる。また本実施の形態では搬送手段による移動方向に交差する向きの移動量(移動量X)は誤差範囲を設定できるように構成している。これは原則として移動方向に交差する向きには枝豆が移動しない事を前提としているが、仮に移動方向に交差する向きにも移動する場合には、当該移動方向に交差する向きへの移動量を設定することもできる。
このように、一度判定した枝豆を再度判定しないように構成することにより、検査対象である枝豆の良品や不良品の割合や、不良品と判断された原因などを正確に判断することができ、また検査対象となる枝豆の判定個数を正確に把握することができる。なお、当該ログデータはネットワークを介して外部のサーバ装置に転送することもでき、この場合には外部の端末からログ情報を随時確認することができる。また、当該ログ情報に基づいて機械学習(特に深層学習)を行って、学習済みモデルの人工知能(AI)を構築することもできる。即ち、このログ情報を入力層として、この入力層のデータから、コンピュータのアルゴリズムによって自ら特徴量を導き出し、中間層において、その特徴量同士の結び付を示すネットワーク構造を構築し、最終的に出力層となる出力情報(判定基準)を構築することができる。更に、当該ログ情報はインターネットを介して外部の端末からアクセスできるように構築することで、最新のログ情報に基づいた枝豆の選別状況を、位置的に離れた場所から確認することもできる。
≪判定条件の確認≫
また本実施の形態に係る莢果選別システム及び莢果選別装置では、枝豆の判定基準を詳細に調整することで、より精度の高い選別を実施できるように構成することができる。即ち、撮影手段が撮影した画像を保持することで、後から当該画像について判定を行い、その基準が適正か否かを確認するように構成するものである。よって、図16(A)の設定画面のせていないように寄り、図16(B)の保存画像に示す様に、一度検査した対象物(枝豆)の撮影画像を保存するように構成することが望ましい。かかる撮影画像は無制限に保存する事も考えられるが、予め保存枚数や保存容量(ファイルサイズ)を設定しておいて、最新の画像を上書き保存するように構成しても良い。
また本実施の形態に係る莢果選別システム及び莢果選別装置では、枝豆の判定基準を詳細に調整することで、より精度の高い選別を実施できるように構成することができる。即ち、撮影手段が撮影した画像を保持することで、後から当該画像について判定を行い、その基準が適正か否かを確認するように構成するものである。よって、図16(A)の設定画面のせていないように寄り、図16(B)の保存画像に示す様に、一度検査した対象物(枝豆)の撮影画像を保存するように構成することが望ましい。かかる撮影画像は無制限に保存する事も考えられるが、予め保存枚数や保存容量(ファイルサイズ)を設定しておいて、最新の画像を上書き保存するように構成しても良い。
保存した撮影画像に対しては、後から判定時のアルゴリズムを適用することにより、判定時における実際のデータ(数値データなど)を取得することができ、その値の妥当性を確認することにより、判定の精度を確認することができる。そして判定基準やカメラの向き、照明の設定などを調整することにより、枝豆選別の制度を高めることができる。
特に枝豆の良品/不良品を判断に際して、収穫された枝豆は様々な形状であることから、カメラや照明の設定や判定基準の設定は、都度、設定することが望ましい。この時、既に判定した画像に基づいて、その結果ログから判定基準などを設定することにより、状況に応じた最適な選別条件を設定することができる。よって、撮影画像の保存は、特に天然物である枝豆の選別において特に有効に機能することができる。
≪機器の設定≫
そして本実施の形態に係る莢果選別システム及び莢果選別装置では、設置時における設定作業を容易にするように構成することが望ましい。この為、本実施の形態に係る莢果選別システム及び莢果選別装置では、カメラの補正機能や、既に設定している莢果選別システム及び莢果選別装置に基づいた機器設定機能を有することが望ましい。
そして本実施の形態に係る莢果選別システム及び莢果選別装置では、設置時における設定作業を容易にするように構成することが望ましい。この為、本実施の形態に係る莢果選別システム及び莢果選別装置では、カメラの補正機能や、既に設定している莢果選別システム及び莢果選別装置に基づいた機器設定機能を有することが望ましい。
図17(A)はカメラ補正前における実際の検査画像を示しており、図17(B)はカメラ補正後における検査画像を示している。特にこの実施の形態では、広角レンズを用いたカメラを使用していることから、中心から離れるにしたがって撮影画像に歪みが生じる。従ってカメラ補正を使用する事により、当該画像の歪みを解消して、正確な検査画像を取得することができる。本実施の形態では、以下のように演算することができる。
補正量 = 1 + |(枝豆中心-カメラ中心)| ÷ 補正係数
補正後幅 = 幅 ÷ 補正量
上記補正係数は、カメラ特有の値を使用することができ、個々の枝豆を抽出した検査画像に対して当該カメラ補正を行う事により、正確な検査画像を取得することができる。そして当該正確な検査画像に対して、上記判定基準を適用することにより、枝豆選別の制度を高めることができる。
補正後幅 = 幅 ÷ 補正量
上記補正係数は、カメラ特有の値を使用することができ、個々の枝豆を抽出した検査画像に対して当該カメラ補正を行う事により、正確な検査画像を取得することができる。そして当該正確な検査画像に対して、上記判定基準を適用することにより、枝豆選別の制度を高めることができる。
また、図18は既に設定した莢果選別システム及び莢果選別装置に基づいて、他の莢果選別システム及び莢果選別装置を設定する為の設定画面を示している。図18(A)では設定を調整する前の値を示しており、図18(B)ではキャリブレーション設定により調整した後の値を示している。特に図18では既に稼働しているか、又は適正に設定している莢果選別装置(標準機)の値を使用し、これに基づいて、新たに設置する莢果選別装置の設定項目を較正、校正、調整など行うように構成している。この図では特に撮影画像のピントを最適に設定する為に、フォーカスを調整する際の画面を示している。標準機から基準となる「ピント値(基準値)」としてR(赤)、G(緑)、B(青)の値を取得し、現在のR(赤)、G(緑)、B(青)の値である「ピント値(現在値)」との差(ピント値(Δ))が、当該基準値の範囲内になる様にカメラを調整する。そしてカメラの調整によって現在の値が基準値の範囲内である場合には、調整結果として「OK」を表示するように構成している。
そして当該莢果選別システム及び莢果選別装置の設定は、前記ピント校正の他、撮影画像の明るさ校正、撮影画像の傾き校正、及び撮影画像の寸法校正において行うことができる。
かかる標準機を用いたキャリブレーションにより、当該莢果選別システム及び莢果選別装置の設定時における設定作業を大幅井簡素化することができる。
10 ホッパー部
20 第一搬送手段
21,31 撮影手段
22,32 搬送検出手段
23,33 排出手段
30 第二搬送手段
31 撮影手段
40 枝豆選別システム
W 枝豆
20 第一搬送手段
21,31 撮影手段
22,32 搬送検出手段
23,33 排出手段
30 第二搬送手段
31 撮影手段
40 枝豆選別システム
W 枝豆
Claims (5)
- 莢付きの莢果を撮影した画像を解析する事で、当該莢果を検査又は選別する為の莢果選別システムであって、
撮影手段が撮影した画像を取得する画像取得手段と、画像取得手段が取得した画像を解析する画像解析手段とを備えており、
更に画像解析手段における解析結果をログ情報として保持するログ情報保持部を備えることを特徴とする、莢果選別システム。
- 前記画像解析手段は、
取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、
抽出した個々の莢果の画像の輪郭領域を減じる収縮処理を実行する収縮処理実行部とを備える請求項1に記載の莢果選別システム。
- 前記画像解析手段は、
取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、
抽出した個々の莢果の画像から莢の長さを算出する莢長算出部を備え、
当該莢長算出部は、抽出した個々の莢果の画像から算出した莢の幅からなる莢幅が所定の値となる領域についての莢の長さを算出する請求項1又は2に記載の莢果選別システム。
- 前記画像解析手段は、画像取得手段が取得した画像についての移動位置を算出し、当該移動位置に存在する莢付きの莢果を撮影した画像について解析対象から除外する、請求項1~3の何れか一項に記載の莢果選別システム。
- 前記画像解析手段は、
取得した画像における個々の莢果の画像を抽出する莢果画像抽出部と、
抽出した個々の莢果の画像を複数当分に分割すると共に、長さ方向の基端と先端における面積比を算出して、莢果における欠けの有無を判定する請求項1~4の何れか一項に記載の莢果選別システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021028441A JP2022129668A (ja) | 2021-02-25 | 2021-02-25 | 莢果選別システム及び莢果選別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021028441A JP2022129668A (ja) | 2021-02-25 | 2021-02-25 | 莢果選別システム及び莢果選別装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022129668A true JP2022129668A (ja) | 2022-09-06 |
Family
ID=83150906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021028441A Pending JP2022129668A (ja) | 2021-02-25 | 2021-02-25 | 莢果選別システム及び莢果選別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022129668A (ja) |
-
2021
- 2021-02-25 JP JP2021028441A patent/JP2022129668A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6590907B2 (ja) | 莢果選別システム、莢果選別装置及び莢果選別方法 | |
EP3234861B1 (en) | Screening of electronic components for detection of counterfeit articles using automated inspection system | |
US7403872B1 (en) | Method and system for inspecting manufactured parts and sorting the inspected parts | |
KR101298957B1 (ko) | 목재의 옹이 탐사 방법, 장치, 및 프로그램 | |
Paliwal et al. | Grain kernel identification using kernel signature | |
JP7442462B2 (ja) | 種子選別 | |
US20010028734A1 (en) | System and method for selection of a reference die | |
EP3541161B1 (en) | Stored image reclassification system and re-classification method | |
JP5085860B2 (ja) | 木材の検査方法及び装置及びプログラム | |
KR100598381B1 (ko) | 인-라인 타입의 자동 웨이퍼결함 분류장치 및 그 제어방법 | |
US10386307B2 (en) | Method of creating quality grade discrimination criteria in granular material appearance quality grade discrimination device | |
US20150051860A1 (en) | Automatic optical appearance inspection by line scan apparatus | |
WO2022049549A1 (en) | Artificial intelligence based tobacco particle measurement system | |
JP5006147B2 (ja) | 木材の検査方法及び装置及びプログラム | |
JP2022129668A (ja) | 莢果選別システム及び莢果選別装置 | |
JP2022129666A (ja) | 莢果選別システム及び莢果選別装置 | |
JP2022129667A (ja) | 莢果選別システム及び莢果選別装置 | |
CN115526820A (zh) | 工件检测方法及设备 | |
KR20230139166A (ko) | 목재 제품의 불량 검사 방법 | |
CN113554588A (zh) | 产品瑕疵的检测装置及方法 | |
KR20230066937A (ko) | 딥러닝을 이용한 웨이퍼 검사방법과 이것을 구현하기 위한 웨이퍼 검사장치 | |
JP2862821B2 (ja) | 穀粒選別機 | |
TWI773493B (zh) | 缺陷特徵閾值取得裝置、應用其之影像檢測系統及方法 | |
JP2008153255A (ja) | 実装部品の検査のためのモデル登録方法、実装部品の検査方法およびこの方法を用いた基板検査装置 | |
JP2001239221A (ja) | 農産物の仕分けに用いる画像生成装置及び仕分区分判定装置 |