JP3334003B2 - 種子選別装置 - Google Patents
種子選別装置Info
- Publication number
- JP3334003B2 JP3334003B2 JP07580593A JP7580593A JP3334003B2 JP 3334003 B2 JP3334003 B2 JP 3334003B2 JP 07580593 A JP07580593 A JP 07580593A JP 7580593 A JP7580593 A JP 7580593A JP 3334003 B2 JP3334003 B2 JP 3334003B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- distribution
- seed
- black
- sorting
- 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 - Fee Related
Links
Landscapes
- Pretreatment Of Seeds And Plants (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、種子の遺伝的な純度選
別に関して、種子を破壊することなく選別できる種子選
別装置に関するものである。
別に関して、種子を破壊することなく選別できる種子選
別装置に関するものである。
【０００２】
【従来の技術】１つの商品を構成している種子をある一
定の遺伝的に均一な純度に維持し、保証することは、極
めて大切な工程である。
定の遺伝的に均一な純度に維持し、保証することは、極
めて大切な工程である。
【０００３】従来は、商品のサンプルを一定期間栽培し
て、成育途上の形態的差異によって検査を行なったり、
サンプルを擦り潰して電気泳動法にかけて検査を行なっ
てきた。しかし、このような検査法はいずれもその商品
の一部を費消することによって、その商品全体の純度を
推定しているにすぎない上、時間や費用を要するため、
種子を傷つけることなく迅速に選別する方法が求められ
ていた。
て、成育途上の形態的差異によって検査を行なったり、
サンプルを擦り潰して電気泳動法にかけて検査を行なっ
てきた。しかし、このような検査法はいずれもその商品
の一部を費消することによって、その商品全体の純度を
推定しているにすぎない上、時間や費用を要するため、
種子を傷つけることなく迅速に選別する方法が求められ
ていた。
【０００４】また、植物の種皮に紋様のあるものが数多
く知られている。しかも、それらの紋様が遺伝的要因と
相間関係にあることが早くから指摘され、紋様による種
レベルでの分類も一部では試みられるようになってきた
（園芸学会雑誌６１別冊２．９２，農業および園芸５６
巻第９号）。
く知られている。しかも、それらの紋様が遺伝的要因と
相間関係にあることが早くから指摘され、紋様による種
レベルでの分類も一部では試みられるようになってきた
（園芸学会雑誌６１別冊２．９２，農業および園芸５６
巻第９号）。
【０００５】
【発明が解決しようとする課題】しかしながら、これら
の紋様は多くの遺伝子が関与するためか、多様性と流動
性に富み、これによる選別は実用化されていなかった。
また、人間の目によってこれらの紋様を直接判別するこ
とは殆ど不可能であった。
の紋様は多くの遺伝子が関与するためか、多様性と流動
性に富み、これによる選別は実用化されていなかった。
また、人間の目によってこれらの紋様を直接判別するこ
とは殆ど不可能であった。
【０００６】そこで、本発明は上記問題点に鑑み、種子
の紋様を利用して、種子を選別する装置を提供するもの
である。
の紋様を利用して、種子を選別する装置を提供するもの
である。
【０００７】
【課題を解決するための手段】請求項１の発明は、被検
体である種子が比較基準となる種子の系統に属するか否
かを選別する種子選別装置において、前記被検体である
種子の表面紋様の画像を拡大して入力する画像入力手段
と、前記画像入力手段により入力した前記画像を黒色及
び白色の２色の２値化画像に２値化する２値化手段と、
前記２値化手段により２値化した前記２値化画像におけ
る複数の黒色又は白色の部分のそれぞれの周囲長を演算
する演算手段と、前記演算手段により演算した前記複数
の黒色又は白色の部分のそれぞれの周囲長を周囲長毎に
分類して分布を演算する分布演算手段と、前記比較基準
となる種子の表面紋様の画像を２値化して、その２値化
画像における前記複数の黒色又は白色の部分のそれぞれ
の周囲長を周囲長毎に分類した基準分布を予め記憶して
いる基準分布記憶手段と、前記分布演算手段によって演
算した分布と前記基準分布記憶手段に記憶している基準
分布とを比較し、前記被検体の種子が前記比較基準とな
る種子の系統に属するか否かを選別する選別手段とより
なることを特徴とする種子選別装置である。
体である種子が比較基準となる種子の系統に属するか否
かを選別する種子選別装置において、前記被検体である
種子の表面紋様の画像を拡大して入力する画像入力手段
と、前記画像入力手段により入力した前記画像を黒色及
び白色の２色の２値化画像に２値化する２値化手段と、
前記２値化手段により２値化した前記２値化画像におけ
る複数の黒色又は白色の部分のそれぞれの周囲長を演算
する演算手段と、前記演算手段により演算した前記複数
の黒色又は白色の部分のそれぞれの周囲長を周囲長毎に
分類して分布を演算する分布演算手段と、前記比較基準
となる種子の表面紋様の画像を２値化して、その２値化
画像における前記複数の黒色又は白色の部分のそれぞれ
の周囲長を周囲長毎に分類した基準分布を予め記憶して
いる基準分布記憶手段と、前記分布演算手段によって演
算した分布と前記基準分布記憶手段に記憶している基準
分布とを比較し、前記被検体の種子が前記比較基準とな
る種子の系統に属するか否かを選別する選別手段とより
なることを特徴とする種子選別装置である。
【０００８】請求項２の発明は、被検体である種子が比
較基準となる種子の系統に属するか否かを選別する種子
選別装置において、被検体である種子の表面紋様の画像
を拡大して入力する画像入力手段と、前記画像入力手段
により入力した前記画像を黒色及び白色の２色の２値化
画像に２値化する２値化手段と、前記２値化手段により
２値化した前記２値化画像における複数の黒色又は白色
の部分のそれぞれの面積，円形度係数を演算する演算手
段と、前記演算手段により演算した前記複数の黒色又は
白色の部分のそれぞれの面積，円形度係数を面積，円形
度係数毎に分類して分布を演算する分布演算手段と、前
記比較基準となる種子の表面紋様の画像を２値化して、
その２値化画像における前記複数の黒色又は白色の部分
のそれぞれの面積，円形度係数を面積，円形度係数毎に
分類した基準分布を予め記憶している基準分布記憶手段
と、前記分布演算手段によって演算した分布と前記基準
分布記憶手段に記憶している基準分布とを比較し、前記
被検体の種子が前記比較基準となる種子の系統に属する
か否かを選別する選別手段とよりなることを特徴とする
種子選別装置である。請求項３の発明は、被検体である
種子が比較基準となる種子の系統に属するか 否かを選別
する種子選別装置において、被検体である種子の表面紋
様の画像を拡大して入力する画像入力手段と、前記画像
入力手段により入力した前記画像を黒色及び白色の２色
の２値化画像に２値化する２値化手段と、前記２値化手
段により２値化した前記２値化画像における複数の黒色
又は白色の部分のそれぞれの周囲面積比を演算する演算
手段と、前記演算手段により演算した前記複数の黒色又
は白色の部分のそれぞれの周囲面積比を周囲面積比毎に
分類して分布を演算する分布演算手段と、前記比較基準
となる種子の表面紋様の画像を２値化して、その２値化
画像における前記複数の黒色又は白色の部分のそれぞれ
の周囲面積比を周囲面積比毎に分類した基準分布を予め
記憶している基準分布記憶手段と、前記分布演算手段に
よって演算した分布と前記基準分布記憶手段に記憶して
いる基準分布とを比較し、前記被検体の種子が前記比較
基準となる種子の系統に属するか否かを選別する選別手
段とよりなることを特徴とする種子選別装置である。
較基準となる種子の系統に属するか否かを選別する種子
選別装置において、被検体である種子の表面紋様の画像
を拡大して入力する画像入力手段と、前記画像入力手段
により入力した前記画像を黒色及び白色の２色の２値化
画像に２値化する２値化手段と、前記２値化手段により
２値化した前記２値化画像における複数の黒色又は白色
の部分のそれぞれの面積，円形度係数を演算する演算手
段と、前記演算手段により演算した前記複数の黒色又は
白色の部分のそれぞれの面積，円形度係数を面積，円形
度係数毎に分類して分布を演算する分布演算手段と、前
記比較基準となる種子の表面紋様の画像を２値化して、
その２値化画像における前記複数の黒色又は白色の部分
のそれぞれの面積，円形度係数を面積，円形度係数毎に
分類した基準分布を予め記憶している基準分布記憶手段
と、前記分布演算手段によって演算した分布と前記基準
分布記憶手段に記憶している基準分布とを比較し、前記
被検体の種子が前記比較基準となる種子の系統に属する
か否かを選別する選別手段とよりなることを特徴とする
種子選別装置である。請求項３の発明は、被検体である
種子が比較基準となる種子の系統に属するか 否かを選別
する種子選別装置において、被検体である種子の表面紋
様の画像を拡大して入力する画像入力手段と、前記画像
入力手段により入力した前記画像を黒色及び白色の２色
の２値化画像に２値化する２値化手段と、前記２値化手
段により２値化した前記２値化画像における複数の黒色
又は白色の部分のそれぞれの周囲面積比を演算する演算
手段と、前記演算手段により演算した前記複数の黒色又
は白色の部分のそれぞれの周囲面積比を周囲面積比毎に
分類して分布を演算する分布演算手段と、前記比較基準
となる種子の表面紋様の画像を２値化して、その２値化
画像における前記複数の黒色又は白色の部分のそれぞれ
の周囲面積比を周囲面積比毎に分類した基準分布を予め
記憶している基準分布記憶手段と、前記分布演算手段に
よって演算した分布と前記基準分布記憶手段に記憶して
いる基準分布とを比較し、前記被検体の種子が前記比較
基準となる種子の系統に属するか否かを選別する選別手
段とよりなることを特徴とする種子選別装置である。
【０００９】
【作 用】本発明の種子選別装置は、純度の高い種子に
おいて紋様が、遺伝的要因と相関が高いので、この紋様
を画像処理することにより種子を破壊することなく選別
する。
おいて紋様が、遺伝的要因と相関が高いので、この紋様
を画像処理することにより種子を破壊することなく選別
する。
【００１０】すなわち、画像入力手段によって、被検体
である種子の表面紋様の画像を拡大して入力する。２値
化手段は、前記画像を黒色および白色の２色の２値化画
像に２値化する。演算手段は、２値化画像における黒色
または白色の部分のそれぞれの面積値または周囲長値等
の紋様測定デ―タを演算する。分布演算手段は、演算手
段により演算した前記それぞれの紋様測定デ―タの分布
値を演算する。
である種子の表面紋様の画像を拡大して入力する。２値
化手段は、前記画像を黒色および白色の２色の２値化画
像に２値化する。演算手段は、２値化画像における黒色
または白色の部分のそれぞれの面積値または周囲長値等
の紋様測定デ―タを演算する。分布演算手段は、演算手
段により演算した前記それぞれの紋様測定デ―タの分布
値を演算する。
【００１１】そして、選別手段は、前記分布値と、予め
決められている基準分布値とを比較し、分布値が基準分
布値以上かまたはそれ以下かで、種子を選別する。
決められている基準分布値とを比較し、分布値が基準分
布値以上かまたはそれ以下かで、種子を選別する。
【００１２】
【実施例】以下、本発明の一実施例を図面に基づいて説
明する。
明する。
【００１３】図１は、本発明の一実施例を示す種子選別
装置１０のブロック図である。
装置１０のブロック図である。
【００１４】符号１２は、走査型電子顕微鏡であって、
倍率を１５倍〜２０００００倍程度に変化させることが
できる。そして、この走査型電子顕微鏡を使用して、種
子の表面紋様の画像を拡大して入力する。
倍率を１５倍〜２０００００倍程度に変化させることが
できる。そして、この走査型電子顕微鏡を使用して、種
子の表面紋様の画像を拡大して入力する。
【００１５】符号１４は、走査型電子顕微鏡１２によっ
て入力した画像を処理するための画像処理装置である。
この画像処理装置１４には、記憶装置１６と、演算装置
１８が接続されている。
て入力した画像を処理するための画像処理装置である。
この画像処理装置１４には、記憶装置１６と、演算装置
１８が接続されている。
【００１６】符号２０は、画像処理装置１４によって処
理された結果をプリントアウトするプリンタであって、
符号２２はその処理結果を表示するディスプレイであ
る。
理された結果をプリントアウトするプリンタであって、
符号２２はその処理結果を表示するディスプレイであ
る。
【００１７】上記種子選別装置１０を使用して、種子を
選別する場合について、図２のフローチャートに基づい
て説明する。
選別する場合について、図２のフローチャートに基づい
て説明する。
【００１８】なお、本比較の場合には、選別したい２種
類の系統の種子Ａと種子Ｂとを用意し、両者は、遺伝的
要因と高い相間関係にある。そして、同じく遺伝的要因
と高い相間関係にある被検体である種子Ｘ，Ｙが、どち
らの系統の種子Ａか種子Ｂに属するかを選別する。
類の系統の種子Ａと種子Ｂとを用意し、両者は、遺伝的
要因と高い相間関係にある。そして、同じく遺伝的要因
と高い相間関係にある被検体である種子Ｘ，Ｙが、どち
らの系統の種子Ａか種子Ｂに属するかを選別する。
【００１９】（１）比較の基準となる種子Ａの紋様のデ
ータを入力する場合について説明する。
ータを入力する場合について説明する。
【００２０】ステップ１において、走査型電子顕微鏡１
２に、種子Ａのサンプル１粒を置いて、その表面紋様を
入力する。この入力の場合に、拡大率は種々考えられる
が、本実施例の場合には、３５０倍の倍率で入力する
（図３参照）。そして、ステップ２に進む。
２に、種子Ａのサンプル１粒を置いて、その表面紋様を
入力する。この入力の場合に、拡大率は種々考えられる
が、本実施例の場合には、３５０倍の倍率で入力する
（図３参照）。そして、ステップ２に進む。
【００２１】ステップ２において、入力した画像を２値
化画像に処理できるように、画像の補正を行ないステッ
プ３に進む。
化画像に処理できるように、画像の補正を行ないステッ
プ３に進む。
【００２２】ステップ３において、補正された画像を黒
色および白色の２値化画像に変換する（図４参照）。そ
して、ステップ４に進む。
色および白色の２値化画像に変換する（図４参照）。そ
して、ステップ４に進む。
【００２３】ステップ４において、２値化画像の黒色部
分に、それぞれ識別番号を付与する（図５参照）。そし
て、ステップ５に進む。
分に、それぞれ識別番号を付与する（図５参照）。そし
て、ステップ５に進む。
【００２４】ステップ５において、識別番号が付与され
た黒色部分のそれぞれの周囲長を計算する。ここで、周
囲長とは黒色部分の外周長に黒色部分の内部にある孔の
内周長を合計したものをいう。そして、ステップ６に進
む。
た黒色部分のそれぞれの周囲長を計算する。ここで、周
囲長とは黒色部分の外周長に黒色部分の内部にある孔の
内周長を合計したものをいう。そして、ステップ６に進
む。
【００２５】ステップ６において、周囲長が計算された
識別番号の有する黒色部分を、周囲長毎に分類して分布
を演算する。この演算した結果をプリンタ２０で出力し
たものが、図６のヒストグラムである。ここで、周囲長
が、１５８．９０ピクセル未満のものは、８１．９４％
であり、１５８．９０以上３１７．８０ピクセル未満の
ものは、１１．８１％である。そして、ステップ７に進
む。
識別番号の有する黒色部分を、周囲長毎に分類して分布
を演算する。この演算した結果をプリンタ２０で出力し
たものが、図６のヒストグラムである。ここで、周囲長
が、１５８．９０ピクセル未満のものは、８１．９４％
であり、１５８．９０以上３１７．８０ピクセル未満の
ものは、１１．８１％である。そして、ステップ７に進
む。
【００２６】ステップ７において、種子Ａのデータが２
０粒になるまで入力するため、ステップ１〜ステップ６
の動作を行ない、２０粒に達すればステップ８に進む。
なお、選別に何粒の種子を用いるかは、その系統の純度
に応じて行なう。
０粒になるまで入力するため、ステップ１〜ステップ６
の動作を行ない、２０粒に達すればステップ８に進む。
なお、選別に何粒の種子を用いるかは、その系統の純度
に応じて行なう。
【００２７】ステップ８において、２０粒の種子Ａに関
して得られた分布値のそれぞれの合計値を計算して、２
０粒全体の周囲長の分布データを計算する。この演算し
た結果をプリンタ２０で出力したものが、図７のヒスト
グラムである。そして、ステップ９に進む。
して得られた分布値のそれぞれの合計値を計算して、２
０粒全体の周囲長の分布データを計算する。この演算し
た結果をプリンタ２０で出力したものが、図７のヒスト
グラムである。そして、ステップ９に進む。
【００２８】ステップ９において、合計された分布デー
タを記憶する。
タを記憶する。
【００２９】以上により、基準となる種子Ａの表面紋様
の周囲長のデータを得られたことになる。
の周囲長のデータを得られたことになる。
【００３０】（２）種子Ｂの紋様のデータを入力する場
合も、図２のフローチャートの動作と同じようにして処
理し（図８〜図１１参照）、種子Ｂの表面紋様の周囲長
の分布を、記憶装置７に記憶させる。この演算した結果
をプリンタ２０で出力したものが、図１２のヒストグラ
ムである。
合も、図２のフローチャートの動作と同じようにして処
理し（図８〜図１１参照）、種子Ｂの表面紋様の周囲長
の分布を、記憶装置７に記憶させる。この演算した結果
をプリンタ２０で出力したものが、図１２のヒストグラ
ムである。
【００３１】（３）種子Ｘ，Ｙが、種子Ａか種子Ｂのど
ちらに選別されるかを調査する方法について説明する。
ちらに選別されるかを調査する方法について説明する。
【００３２】（３−１） 周囲長が、０．００〜１５
８．９０ピクセル未満の分布値（以下、第１分布範囲と
いう）に着目する。種子Ａに関して第１分布範囲に含ま
れる確率ａ（％）は、８３．１３％であり、種子Ｂに関
しての確率ｂ（％）は７４．５６％である。したがっ
て、８３．１３％と７４．５６％の中間値である７８．
８５％を基準分布値ｍとする。そして、以下、７８．８
５％未満のものが、種子Ａに属し、それ以上のものにつ
いては種子Ｂに含まれるとする。すなわち、ｍ＝（ａ＋
ｂ）／２である。しかし、この基準分布値ｍは、必要に
応じて変化させてもよい。
８．９０ピクセル未満の分布値（以下、第１分布範囲と
いう）に着目する。種子Ａに関して第１分布範囲に含ま
れる確率ａ（％）は、８３．１３％であり、種子Ｂに関
しての確率ｂ（％）は７４．５６％である。したがっ
て、８３．１３％と７４．５６％の中間値である７８．
８５％を基準分布値ｍとする。そして、以下、７８．８
５％未満のものが、種子Ａに属し、それ以上のものにつ
いては種子Ｂに含まれるとする。すなわち、ｍ＝（ａ＋
ｂ）／２である。しかし、この基準分布値ｍは、必要に
応じて変化させてもよい。
【００３３】（３−２） ２０粒の種子Ｘについて選別
する。なお、これは予めどちらの種子に属しているかを
判明しているサンプルについて使用し、この装置を利用
して得られた結果が、予め判明している種類と合致して
いるかどうかを調べたものである。種子Ｘは、予めＡで
あることが判っている。
する。なお、これは予めどちらの種子に属しているかを
判明しているサンプルについて使用し、この装置を利用
して得られた結果が、予め判明している種類と合致して
いるかどうかを調べたものである。種子Ｘは、予めＡで
あることが判っている。
【００３４】２０粒の種子Ｘについて、前記と同様に図
２のフローチャートによる選別処理を行ない、周囲長の
分布値をそれぞれ得る。そして、第１分布範囲に含まれ
る確率ｘ（％）に着目する。
２のフローチャートによる選別処理を行ない、周囲長の
分布値をそれぞれ得る。そして、第１分布範囲に含まれ
る確率ｘ（％）に着目する。
【００３５】すると、図１３の左欄のように、２０粒の
うち１７粒が、ｘ＞ｍとなり種子Ａに属していると判別
され、３粒は他の種子であると判別された。したがっ
て、誤差数は３となる。
うち１７粒が、ｘ＞ｍとなり種子Ａに属していると判別
され、３粒は他の種子であると判別された。したがっ
て、誤差数は３となる。
【００３６】（３−３） ２０粒の種子Ｙについて選別
する。なお、種子Ｙは、予め種子Ｂであることが判明し
ている。
する。なお、種子Ｙは、予め種子Ｂであることが判明し
ている。
【００３７】この場合も同じく図２のフローチャートに
基づいて選別処理を行ない、周囲長の分布値を得る。そ
して、第１分布範囲に含まれる確率ｙ（％）に着目す
る。
基づいて選別処理を行ない、周囲長の分布値を得る。そ
して、第１分布範囲に含まれる確率ｙ（％）に着目す
る。
【００３８】その結果が、図１３の右欄に示し、ｙ＜ｍ
となるものは２０粒であって、誤差数は０であり、１０
０％判別できたこととなる。
となるものは２０粒であって、誤差数は０であり、１０
０％判別できたこととなる。
【００３９】上記実施例では、種子Ａか種子Ｂのどちら
に属するかの判別する紋様測定データとして、周囲長を
使用したが、これに代えて紋様測定データとして、面
積，円形度係数や周囲面積比を使用することもでき、ま
た、これらの紋様測定データを組合わせて使用してもよ
い。なお、面積，円形度係数とは、４π×面積／（周囲
長）２をいい、周囲面積比とは周囲長／面積をいう。
に属するかの判別する紋様測定データとして、周囲長を
使用したが、これに代えて紋様測定データとして、面
積，円形度係数や周囲面積比を使用することもでき、ま
た、これらの紋様測定データを組合わせて使用してもよ
い。なお、面積，円形度係数とは、４π×面積／（周囲
長）２をいい、周囲面積比とは周囲長／面積をいう。
【００４０】また、上記実施例では、基準分布値ｍを２
０段階のヒストグラムの第１分布範囲のａとｂから求め
たが、これに代えて、ｎ個の分布範囲を指定した ｍ＝（ａ１＋ａ２＋…＋ａｎ＋ｂ１＋ｂ２＋ｂ３＋…＋ｂｎ）／２ として求めることができる。さらに、ヒストグラムの段
階も２０に限らず、１００段階等に変化さてもよい。
０段階のヒストグラムの第１分布範囲のａとｂから求め
たが、これに代えて、ｎ個の分布範囲を指定した ｍ＝（ａ１＋ａ２＋…＋ａｎ＋ｂ１＋ｂ２＋ｂ３＋…＋ｂｎ）／２ として求めることができる。さらに、ヒストグラムの段
階も２０に限らず、１００段階等に変化さてもよい。
【００４１】
【発明の効果】以上により、本発明の種子選別装置であ
ると、種子の表面紋様を画像処理することによって、種
子に損傷を与えることなく、迅速に、しかも確実に選別
することができる。
ると、種子の表面紋様を画像処理することによって、種
子に損傷を与えることなく、迅速に、しかも確実に選別
することができる。
【図１】本発明の一実施例を示す種子選別装置のブロッ
ク図である。
ク図である。
【図２】同じくフローチャートである。
【図３】種子Ａの表面紋様の図である。
【図４】種子Ａの表面紋様を２値化した画像の図であ
る。
る。
【図５】前図の２値化した画像に識別番号を付与した画
像の図である。
像の図である。
【図６】１粒の種子Ａにおける周囲長の分布ヒストグラ
ムである。
ムである。
【図７】２０粒の種子Ａの分布ヒストグラムである。
【図８】種子Ｂの表面紋様の図である。
【図９】前図の２値化画像の図である。
【図１０】前図の２値化画像に識別番号を付与した画像
の図である。
の図である。
【図１１】１粒の種子Ｂにおける周囲長の分布ヒストグ
ラムである。
ラムである。
【図１２】２０粒の種子Ｂにおける周囲長の分布ヒスト
グラムである。
グラムである。
【図１３】種子Ａおよび種子Ｂについてそれぞれ選別を
行なった場合の表である。
行なった場合の表である。
１０ 種子選別装置 １２ 走査型電子顕微鏡 １４ 画像処理装置 １６ 記憶装置 １８ 演算装置 ２０ プリンタ ２２ ディスプレイ
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−346877（ＪＰ，Ａ) 特開 平６−281430（ＪＰ，Ａ) 特開 昭55−89735（ＪＰ，Ａ) 実開 平１−77882（ＪＰ，Ｕ) 実開 平１−84787（ＪＰ，Ｕ) (58)調査した分野(Int.Cl.7，ＤＢ名) A01C 1/00 B07C 5/342 B07C 5/36
Claims (3)
- 【請求項１】被検体である種子が比較基準となる種子の
系統に属するか否かを選別する種子選別装置において、 前記 被検体である種子の表面紋様の画像を拡大して入力
する画像入力手段と、 前記画像入力手段により入力した前記画像を黒色及び白
色の２色の２値化画像に２値化する２値化手段と、 前記２値化手段により２値化した前記２値化画像におけ
る複数の黒色又は白色の部分のそれぞれの周囲長を演算
する演算手段と、 前記演算手段により演算した前記複数の黒色又は白色の
部分のそれぞれの周囲長を周囲長毎に分類して分布を演
算する分布演算手段と、前記比較基準となる種子の表面紋様の画像を２値化し
て、その２値化画像における前記複数の黒色又は白色の
部分のそれぞれの周囲長を周囲長毎に分類した基準分布
を予め記憶している基準分布記憶手段と、 前記分布演算手段によって演算した分布と前記基準分布
記憶手段に記憶している基準分布とを比較し、前記被検
体の種子が前記比較基準となる種子の系統に属するか否
か を選別する選別手段とよりなることを特徴とする種子
選別装置。 - 【請求項２】被検体である種子が比較基準となる種子の
系統に属するか否かを選別する種子選別装置において、 前記 被検体である種子の表面紋様の画像を拡大して入力
する画像入力手段と、 前記画像入力手段により入力した前記画像を黒色及び白
色の２色の２値化画像に２値化する２値化手段と、 前記２値化手段により２値化した前記２値化画像におけ
る複数の黒色又は白色 の部分のそれぞれの面積，円形度
係数を演算する演算手段と、 前記演算手段により演算した前記複数の黒色又は白色の
部分のそれぞれの面積，円形度係数を面積，円形度係数
毎に分類して分布を演算する分布演算手段と、前記比較基準となる種子の表面紋様の画像を２値化し
て、その２値化画像における前記複数の黒色又は白色の
部分のそれぞれの面積，円形度係数を面積，円形度係数
毎に分類した基準分布を予め記憶している基準分布記憶
手段と、 前記分布演算手段によって演算した分布と前記基準分布
記憶手段に記憶している基準分布とを比較し、前記被検
体の種子が前記比較基準となる種子の系統に属するか否
か を選別する選別手段とよりなることを特徴とする種子
選別装置。 - 【請求項３】被検体である種子が比較基準となる種子の
系統に属するか否かを選別する種子選別装置において、 前記 被検体である種子の表面紋様の画像を拡大して入力
する画像入力手段と、 前記画像入力手段により入力した前記画像を黒色及び白
色の２色の２値化画像に２値化する２値化手段と、 前記２値化手段により２値化した前記２値化画像におけ
る複数の黒色又は白色の部分のそれぞれの周囲面積比を
演算する演算手段と、 前記演算手段により演算した前記複数の黒色又は白色の
部分のそれぞれの周囲面積比を周囲面積比毎に分類して
分布を演算する分布演算手段と、前記比較基準となる種子の表面紋様の画像を２値化し
て、その２値化画像における前記複数の黒色又は白色の
部分のそれぞれの周囲面積比を周囲面積比毎に分類した
基準分布を予め記憶している基準分布記憶手段と、 前記分布演算手段によって演算した分布と前記基準分布
記憶手段に記憶している基準分布とを比較し、前記被検
体の種子が前記比較基準となる種子の系統に属するか否
か を選別する選別手段とよりなることを特徴とする種子
選別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07580593A JP3334003B2 (ja) | 1993-04-01 | 1993-04-01 | 種子選別装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07580593A JP3334003B2 (ja) | 1993-04-01 | 1993-04-01 | 種子選別装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06284806A JPH06284806A (ja) | 1994-10-11 |
| JP3334003B2 true JP3334003B2 (ja) | 2002-10-15 |
Family
ID=13586785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP07580593A Expired - Fee Related JP3334003B2 (ja) | 1993-04-01 | 1993-04-01 | 種子選別装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3334003B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7111740B2 (en) | 2003-08-08 | 2006-09-26 | Daiichi Jitsugyo Viswill Co., Ltd. | Sorting apparatus, sorting method and alignment apparatus |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7367155B2 (en) * | 2000-12-20 | 2008-05-06 | Monsanto Technology Llc | Apparatus and methods for analyzing and improving agricultural products |
| DE60318032T2 (de) | 2002-04-04 | 2008-11-20 | Monsanto Technology Llc | Automatisiertes system zum aufnehmen, wägen und sortieren von teilchenförmigem material |
| BRPI0414708B1 (pt) | 2003-09-23 | 2019-05-14 | Monsanto Technology Llc | Sistema e método para processamento de sementes. |
| US7703238B2 (en) | 2004-08-26 | 2010-04-27 | Monsanto Technology Llc | Methods of seed breeding using high throughput nondestructive seed sampling |
| BRPI0514276B1 (pt) | 2004-08-26 | 2017-12-12 | Monsanto Technology Llc | Apparatus and method for automated seed testing |
| US7998669B2 (en) | 2006-03-02 | 2011-08-16 | Monsanto Technology Llc | Automated contamination-free seed sampler and methods of sampling, testing and bulking seeds |
| US8028469B2 (en) | 2006-03-02 | 2011-10-04 | Monsanto Technology Llc | Automated high-throughput seed sampler and methods of sampling, testing and bulking seeds |
| US9387518B2 (en) | 2006-06-28 | 2016-07-12 | Monsanto Technology Llc | Small object sorting system and method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE439545B (sv) * | 1978-11-01 | 1985-06-17 | Forenede Bryggerier As | Sett for styrning av en separationsprocess utford pa fron eller kernor |
| JPH0177882U (ja) * | 1987-11-09 | 1989-05-25 | ||
| JPH0525751Y2 (ja) * | 1987-11-30 | 1993-06-29 | ||
| JP3058940B2 (ja) * | 1991-05-24 | 2000-07-04 | トピー工業株式会社 | 種子選別装置 |
| GB2273154B (en) * | 1992-12-02 | 1996-12-11 | Buehler Ag | Method for cleaning and sorting bulk material |
-
1993
- 1993-04-01 JP JP07580593A patent/JP3334003B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7111740B2 (en) | 2003-08-08 | 2006-09-26 | Daiichi Jitsugyo Viswill Co., Ltd. | Sorting apparatus, sorting method and alignment apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06284806A (ja) | 1994-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4864857B2 (ja) | 有糸分裂活性の測定 | |
| Granitto et al. | Weed seeds identification by machine vision | |
| US7483919B2 (en) | Object based image retrieval | |
| Dubey et al. | Potential of artificial neural networks in varietal identification using morphometry of wheat grains | |
| EP0804777B1 (en) | Image identifying apparatus | |
| CN104169945B (zh) | 对图像中的对象的两级分类 | |
| EP0574831B1 (en) | Product inspection apparatus | |
| Paliwal et al. | Grain kernel identification using kernel signature | |
| CN103518224A (zh) | 用于分析微生物生长的方法和软件 | |
| JP3334003B2 (ja) | 種子選別装置 | |
| CN110782440B (zh) | 一种作物籽粒性状测量方法 | |
| Manik et al. | Leaf morphological feature extraction of digital image anthocephalus cadamba | |
| JPH08504522A (ja) | 境界ピクセル・パラメータの規則正しいシーケンスを用いた物体を識別するための方法及び装置 | |
| Sako et al. | Computer image analysis and classification of giant ragweed seeds | |
| Deng et al. | Image features and DUS testing traits for peanut pod variety identification and pedigree analysis | |
| CN108596244A (zh) | 一种基于光谱角度密度峰值的高光谱图像标签噪声检测方法 | |
| Ghate et al. | Maturity detection in peanuts (Arachis hypogaea L.) using machine vision | |
| CN111626989A (zh) | 针对缺失标注的病理图像的高精度检测网络训练方法 | |
| CA2406933C (en) | Finding objects in an image | |
| Deguy et al. | Classification of Texture Images using Multi-scale Statistical Estimators of Fractal Parameters. | |
| Van de Vooren et al. | Application of image analysis for variety testing of mushroom | |
| Chtioui et al. | Rough sets theory as a pattern classification tool for quality assessment of edible beans | |
| Ling et al. | Quantification of somatic coffee embryo growth using machine vision | |
| Georgoulaki | Classification of Pointillist paintings using colour and texture features | |
| LU504066B1 (en) | Multi-flower quality grading method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |