JP3588108B2 - 穀物の穀粒及び他の粒状の製品の自動的評価のための方法及び装置 - Google Patents

Description

本発明は、穀物の穀粒即ち穀粒及び、例えば豆、米、及び種のような、ばらで取り扱われる類似の粒状の製品の自動的評価のための方法及び装置に関する。
夫々の穀物の積荷は、所望の穀物のほかに何等かの他の種類のものの或る量の穀粒を、例えば麦の積荷の中にライ麦及びカラスムギを含んだり、それ自身は所望の種類であるが、例えば砕けた穀粒、動物によって噛まれた穀粒、熟していない穀粒、及び焦げた穀粒などの、不満足な品質の穀粒を含んだりし得る。更に石や他の物も穀粒に混って見出だされる。
穀物の穀粒への支払い額は、純度及び品質に基いているので、これらの要素を正確に評価できることが重要である。今日、その評価は、穀類の積荷からのサンプルの視覚的検査、及び正しくない種類の穀粒の及び正しい種類であるが不満足な品質の穀粒の色々な量を計量することによって、手作業で行われる。その代りにこの評価を自動的に行うことができるのが望ましい。
穀類を輸出及び輸入する時、純度、均質性、及び色の一様さに関して素早く穀類の特質を明らかにすることができる必要がある。今日、これを自動的に行うための装置はない。
他の国の中でもアメリカ合衆国、カナダ、オーストラリアに於ける穀類の取扱いの際、スタッフは供給された穀類の組成の評価を、適切な将来の使用法（パスタ製品、パン、飼料、等）を決定に利用することができる。この評価は経験を積んだスタッフだけしか行なえないので、その代りに、それが自動的に行われ得るならば非常に好都合になるであろう。
穀類の取扱いの際、穀粒の大きさを評価できるということも重要である。現在はそれは次第に縮小していくメッシュを有する数多くの篩に穀粒を通すことによって行われる。大きさの評価がより合理的なやり方で行われ得るのが望ましい。
科学文献には、コンピュータによるイメージ分析によって穀類の評価を行う実験の例がある。1987年のシリアル・サイエンス（Cereal Science）第６号の３ページに掲載されたサピアスタイン（Sapirstein）氏、他による論文は、色々な輪郭のパラメータによって麦、ライ麦、大麦、及びオート麦の穀粒を分類する実験を開示する。長さ／幅、幅、運動率（moment）、及び周囲の長さを統計的に計算した組合せを分析することによって、イメージ分析プログラムは、97％以上の精度で穀粒を鑑定できた。
1989年のシリアル・ケミストリー（Cereal Chemistry）66（３）の233ページに掲載されたザヤ（Zaya）氏、他による論文は、麦のサンプル中の“麦以外の構成要素”を決定するためのイメージ分析システムを開示する。麦の穀粒の形状は、10の幾何学的パラメータによって表わされ、更にグレースケールで表わされる麦の穀粒の色の尺度が使用される。
しかし、上述のシステムは、それらが試験的であり、且つ穀粒が１つずつイメージ分析システムに手作業で供給されるという事実に基いているので、商業的には応用できない。
特許文献にも、穀物の穀粒及び他の目的物の自動的な評価のためのシステムの例がある。
イギリス特許GB 2,012,948号明細書は、特に穀物の穀粒、のサンプルの大きさの分布を決定する方法を開示する。この方法によると、穀粒は、ストロボスコープによって照明されるスクリーンと、それによって穀粒のイメージが作られるビデオ・カメラとの間に落とされる。ビデオ・イメージはディジタル化され、穀粒はイメージで鑑定される。夫々の穀粒のイメージの大きさに基いて、サンプル中の穀粒の大きさの分布が決定される。しかし、この方法によって、穀粒を級分けすることはできない。更に、全ての穀粒の大きさを決定することもできない。
WO 91−17525号明細書は、対象物を予め決められた等級に自動的に分類する方法を開示する。この方法によると、ビデオ・カメラは、カメラの前を通ってコンベヤ・ベルトで１つずつ運ばれる対象物の時間のドメインのイメージを撮る。時間ドメインのイメージは、フーリエ解析によって、入力信号の実際の分類を行う神経ネットワーク（neural network）の形にする周波数ドメインの信号に変換される。この方法を、単位時間当り十分な量の目的物を分析する、穀物の分類に商業的に使用可能なものにするのは不可能である。
本発明の目的は、人間による検査及び評価に取って代り得る、ばらで取り扱われる粒状の製品、特に穀物の穀粒、の自動的な評価のための方法及び装置を提供することである。そのような方法及び装置を商業的に有用なものにするためには、今日サンプルを手作業で分析するのにかかるのとほぼ同じ時間でそれを分析できなければならない。より正確には、これは、およそ５分間に、約1500の穀粒の１つのサンプルの重量を分類し決定することができなければならないということを意味する。更に、その分析方法の精度は高くなければならない。例えば、全サンプルの重量の約0.2％の精度で、麦のサンプル中の色々な構成要素のパーセント重量分布を決定できなければならない。穀物のサンプルは石及び他の異物を含み得るので、その様なものが評価中に確認可能であるであることも要求される。その他に、サンプルの大きさの分布及び色の分布を決定することも可能であるべきである。或る応用例に於いては、穀粒の形状を決定できることも重要である。つまり、サンプル内に含まれる全ての穀粒を分類すること及び／或いはそれらの大きさ、形状、及び色を決定することも可能でなければならないということが指摘されるべきである。
本発明の目的は、請求の範囲で規定される特徴を有する方法及び装置によって具現される。
本発明に基く方法及び装置は、穀粒のサンプルが、分析を手作業で行う場合と少なくとも同じくらい速く分析され得るという長所を伴う。これによって、一度に複数の穀粒が、穀粒のディジタル・イメージを作る装置に供給され、各イメージは複数の穀粒を含むが、各穀粒は１つのイメージ内のみに出現するということが可能になる。前記の出現する時には、穀粒は一方向を指向していることが好ましい。穀粒がこのように現されるので、それらはディジタル・イメージ内で素早く且つ確実に鑑定され得る。穀粒の分類は、穀粒を現す複数の画素の画素値に基く入力信号を有する神経ネットワークによって行われる。分類のための評価の基準として画素値を使用することによって精度が高くなるということは明白である。ここで、画素を現すのに使用される値；例えば単色イメージの輝度；カラー・イメージのRGB表示の赤、緑、及び青の輝度；カラー・イメージのHSI表示の色相、彩度、及び輝度は、画素値によってもたらされるということに留意するべきである。
装置の速度を増すためには、複数の画素の画素値に重み添加をして、穀粒を現す画素の情報内容を圧縮することによって神経ネットワークに対する入力信号を作るのが都合が良い。
カラー・イメージを使用する時、複数の画素の各画素の構成要素に対する構成要素毎の重み付けの添加によって、高精度がもたらされるということが分った。
更にRGB表示からHSI表示への変更は、後者が穀物の穀粒の分類により高い信頼性を与えるので、より好都合であることが分った。
経験的な実験によって、穀粒のイメージの大きさと穀粒の重量との間の関係を決定することもできるということが分った。これは穀粒の重量を決定するのに使用される。
代りに、１つ以上の明確な等級に分類された穀粒は、分類処理の後に物理的に分離され得て、その結果分類された穀粒は、分離されない穀粒と同様に、別々に計量され、それによって色々な小分類部分の重量を決定する。
共に近接している１つ或いは２つの穀粒が、１つの穀粒として誤って認められないようにするために、穀粒を現す画素の各干渉性領域の範囲が、その範囲の長手方向の軸に垂直に決定され、その範囲が、その領域の端部以外の或る他の場所で最小値（或いは複数の最小値）を有するかどうかが調べられる。これが事実であるならば、イメージは２つ（或いはそれ以上）の穀粒を含むと評価され、その最小値の所で分割される。
穀粒の形態的特徴は、穀粒を現す画素によって決定される。
本発明の装置の別の実施例は、従属の請求の範囲で規定される。
本発明は、ここで添付の図面を引用しつつ、実施例によって説明される。
図１は、本発明の装置の１つの実施例を示す、供給装置は長手方向断面図でまたイメージ処理装置はブロック図で示される。
図２は、図１の装置を補足し得る分離装置の略側断面図である。
図３は、図２の分離装置及び重量計の端面図である。
図１に示されるように、本発明は基本として、供給装置１、ビデオ・カメラ40、及びイメージ処理装置２を具備する。供給装置１は、ケース４内に配置され、且つモータ（図示されていない）によって駆動される第１のホイール５と、第２のホイール６と、ホイール５、６上を動くエンドレス・ベルト７とを有する第１のベルト・コンベヤ装置３を具備する。ベルト７は、その中へ穀粒が分布される溝８を具備して形成される。その代りに、ベルトは、何らかの他のやり方で設計されたギザギザを有し得る。
ケース４は、ベルト７へ向って次第に先細になっており、且つ穀粒のサンプルで満たされる貯蔵体９を具備する。貯蔵体９は、互いに向って傾斜している２枚の板10、11を具備する。板10の下方の端部はベルト７から間隔を開けて配置され、スクレーパ12がこの端部に取付けられて、穀粒を溝８の中へ落とす。
第２のベルト・コンベヤ15は、第１のベルト・コンベヤ３に対して垂直方向にも水平方向にも中心を外して配置されている。第２のベルト・コンベヤ15は、モータ（図示されていない）によって駆動される第１のホイール16、第２のホイール、及び第１のホイール16と第２のホイール17上を動くエンドレス・ベルト18を具備する。ベルト18は、その中で穀粒が搬送される溝14を具備して形成される。第２のコンベヤの溝14は、第１のコンベヤのものよりも互いにより近接しており、それらの幅は規定の寸法の間隔内の穀粒に合せて調節され、その結果穀粒はそれ自身で溝の長手方向を指向する。ベルトの色は、背景に強いコントラストを与えるように選択される。穀粒を分析するために、例えば紫色を使用するのが好ましい。第１のホイール16と第２のホイール17との間に、第３のホイール19もあり、その機能は下記で説明されるであろう。第２のコンベヤ・ベルト15の第１のホイール16は、第１のベルト・コンベヤ３の第２のホイール６の下に配置されて、穀粒は第１のコンベヤ３から第２のコンベヤ15上へ落下し得る。２枚の板20、21は、第１のベルト・コンベヤ３と第２のベルト・コンベヤ15との間に配置される。穀粒が第１のコンベヤから落下する時、それらは最初に板20で跳ね返り、それから板21で跳ね返り、それによって穀粒は散布する。第２のベルト・コンベヤの側部には、その第１のホイール16に隣接して、最初から、ベルト18の縁部から或る間隔を開けて穀粒を配置するのに役立つ制限手段22がある。ベルト方向での制限手段22の前方端部は、穀粒をエンドレス・ベルト18の溝の中へ向って下方向へ通すように配置されるカーテン23を具備して、穀粒が１つの層を形成すること、とそれらが互いに重なり合わないことを確実にする。第１のホイール16と第３のホイール19との間でベルト18の上方部分と下方部分との間には、与振器25が配置される。与振器は、金属板27の一方の端部が取付けられるシャフト26を具備する。その他方の端部は、モータ（図示されていない）によって駆動されるローラ28と、ベルト18の下方側部との間に配置される。ローラ28の端部表面は、遊びを付けてねじによって装着される３枚の座金29が備えられる。モータがローラ26を回転させる時、金属板27は、一定の周波数でベルトを叩き、ベルト18を振動させるであろう。振動の振幅は、ローラ28の位置及び座金の遊びによって決定される。好ましくは、振幅はベルトの剛性とは無関係に同じであるべきである。
第３のホイール19に隣接して、歯型検知装置31が具備される。これは第３のホイール19の周辺の一方の側部上に装着され、光ダイオード32の形の光放射体と、光電セル33の形の光受容体とを具備する。歯型検知装置31はコンピュータ42に連結される（図示されていない）。第３のホイール19が回転する時、歯型検知装置31はコンピュータ42にパルス型信号を発信する。第３のホイール19は、第３のホイール19と第２のホイール17との間の領域内のベルト18の振動を減衰させるのにも役立つ。
第２のホイール17に隣接する領域内のエンドレス・ベルト18の上に、第２のホイール17の近傍のベルト18のイメージが撮られ得るように、ビデオ・カメラ40が配置される。そのベルトを旨く照明するために、カメラとベルトとの間に環状のランプ41が配置される。カメラ40は、その設計及び機能が下記でより詳細に説明されるであろうイメージ処理装置２に連結される。
供給装置１の機能は、ここで説明される。穀粒のサンプルは、貯蔵体９によって第１のベルト・コンベヤ３に注がれる。それから穀粒はベルト上に山を作るが、ベルトが動く時、ベルトの上向き傾斜部のおかげで及びスクレーパ12によって、ベルト８の溝内に部分部分に散布される。穀粒が第２のホイール６に到達した時、それらは落下し、板20及び21で跳ね返り、第２のベルト18上に散布され、制限手段22は穀粒がこのベルトの縁部上に載るのを妨げる。第２のベルト18の振動のおかげで、前進する穀粒は溝内でベルトの縁部へ向いて横向きにになるように動き得る。溝の間の隆起部上に位置する穀粒は、溝の中に落下するであろう。従って穀粒がビデオ・カメラ40の下の領域に到達する時、それらはベルトの長手方向に分離させられ、ほぼ同じ方向を指向し、ベルト上にほぼ１枚の層に配置されるであろう。こうして穀粒は、重なり合うとしてもほんの非常に狭い範囲内でであろう。しかし、穀粒は溝内でその長手方向に共に近接していることができる。
コンピュータ42が予め決められた数の歯を数える度ごとに、停止信号が発振され、コンピュータ42は全ての駆動モータを止める。そして第１及び第２のベルトが停止し、振動は止められる。少し待った後で、コンピュータ42は、ベルト18上の穀粒のイメージを撮るビデオ・カメラ40に信号を発信する。続いて、モータが再び始動され、上記で説明されたように、停止信号が再び発信されるまで、穀粒の供給が続く。ベルト・コンベヤが止められた後にシステムが待つ理由は、穀粒の如何なる動きも減衰させられて、穀粒が静止するべきであるからである。第３のホイール19は、上記で説明されたように、カメラ40の下の領域で振動を減少させて、待ち時間を短くし得る。予め決められた数の歯が選択された後で、停止信号が発信されて、ビデオ・カメラは、間に間隙が無く、しかし重なり合いも無くベルトをカバーするベルトのイメージを撮るであろう。言い換えると、ビデオ・カメラの前を通る各穀粒は、厳密に１つのイメージ内に現れ、各イメージは複数の穀粒を含み得る。
代りに、ベルトは連続的に移動されることができ、ランプ41は、カメラ40と一緒に制御されるストロボによって置き換えられて、間の間隔も、重なり合いも無しにベルトのイメージが撮られ得る。
イメージ処理装置２は、基本的に、ビデオ・カメラ40に連結されるコンピュータ42、及び分析結果が示されるディスプレー装置を有する使用者の端末43を具備する。コンピュータ42には、ビデオ・カメラ40によって作られたイメージに基く穀粒の分類及び他の評価のためのプログラムがある。これらのプログラムは、カメラ40からのビデオ信号を、実際の分類を行う神経ネットワーク・プログラムへの適切な入力信号への変換を含む。装置が分類のために使用されずに、例えば大きさを決定するのに使用されるならば、コンピュータは神経ネットワークを具備する必要はない。
ビデオ・カメラ40がベルトのイメージを撮ってしまうと、このイメージはコンピュータ内に読み込まれ、従来の技術のいわゆるフレーム掴み装置（frame grabber）によってディジタル化される。作られたディジタル化されたイメージは、例えば512×512の画素を含み得る。画素は、RGB表示によって、即ち赤色の輝度の値と、緑色の輝度の値と、青色の輝度の値とによって示される。代りに、グレー・スケール或いは何等かの他の色の表示も使用され得る。
次のステップで、プログラムは穀粒をディジタル化されたイメージに配置する。ここで各画素の色の閾値が使用される。このステップの処理を単純化するために、RGB表示からHSI表示（色相、彩度、及び輝度）へ移すのが好都合である。画素の値が閾値を超える時、画素は穀粒を現していると仮定され、一方でその値が閾値よりも下である時は、画素は背景を現していると仮定される。プログラムは、点ごとに、ラインごとにイメージを検査する。それが穀粒を現す画素を発見した時、それは全ての隣接する画素を検査する。穀粒を現すと考えられる隣接する画素のそれらの画素に対して、前記第１の画素と繋がっている全ての画素が確認されるまで、この方法は繰り返される。続いて、繋がっている画素の長手方向の軸は、穀粒を現すために決定される。長手方向の軸の方向が、イメージのｙ軸から予め決められた値以上に外れるならば、穀粒の干渉性領域は、その長手方向の軸がイメージのｙ軸と平行するまで回転させられる。
ベルト上の穀粒のイメージが撮られている時、２つ以上の穀粒がベルトの１つの溝内で一緒に近接してか、或いは互いに或る程度重なり合って配置され得る。従って、イメージ内で確認される穀粒の干渉性領域は、１つ以上の穀粒を現し得る。これが事実であるかどうかを調べるために、穀粒の干渉性領域内で夫々ｙの値に対して穀粒を現すｘ方向の画素の数が合計される。従ってプログラムはｘ方向の穀粒の画素数のヒストグラムを作る。それからヒストグラムの包絡線を決定され、ｙ方向で包絡線の末端の点の間に最小値があるかどうかが調べられる。十分にマークされた最小値は、穀粒の画素の干渉性領域が実際に２つの穀粒に対応することを示す。そうであるならば、プログラムは包絡線の最小値でｘ軸と平行に切断を作る。続いて、穀粒の画素の干渉性領域の各部分は、１つの穀粒の１つのイメージとして記憶される。複数の最小値があるならば、各最小値で切断が作られる。穀粒の画素領域が分割されてしまって、各穀粒の長手方向の軸が決定され、そのイメージのＹ軸からのずれが予め決められた値よりも大きいならば、その穀粒は回転させられる。その理由は、１つの穀粒に対応する部分の夫々が、穀粒の画素領域の共通の長手方向の軸がｙ軸に合致するように、両方共イメージのｙ軸に対して傾斜しているので、長手方向の軸が分割前に決定されるならば、イメージは回転させられない、或いは不正確に回転させられるからである。従って、分割後に各穀粒はｙ軸に対して傾斜させられるが、これは分類に関する欠点である。
その後、各穀粒の大きさは、穀粒を現す画素の干渉性領域内の画素の数を数えることによって決定され得る。更に各穀粒の形状及び色は、画素を調べることによって決定され得る。
大きさの決定は、イメージ処理装置が、顆粒に加わり得る石及び他の異物を穀粒として知覚しないようにするために使用され得る。画素の干渉性領域の大きさが、或る間隔内にないならば、それは異物であること示すと考えられ、そのように記録される。
次のステップで、画素のRGB値は、HSI値に変換される。この変換は不可欠ではないが、HSI表示がRGB表示の代りに使用されるならば、穀粒の分類は更に正確になるであろうということが分っている。
次のステップに於て、穀粒のイメージの横列及び縦列に沿って、Ｈの値は別々に合計され、Ｉの値、更に加えてＳの値も別々に合計される。各ｙ座標に対して、最初に全てのｘ座標のＨの構成要素の値が合計される。それからＩの値及びＳの値に対する対応する加算が行われる。続いて、全てのｙ座標のＨの値に対する各ｘ座標に重み添加が行われ、一方でＳ及びＩの値に対しても重み添加が繰り返される。こうしてプログラムは、各画素の構成要素に対して、ｘ方向の１つのヒストグラムとｙ方向の１つのヒストグラムを作る。これは多数の合計値をもたらす。これらの合計値は標準化される、即ち予め分類された穀粒の対応する合計値に対する平均及び標準的なずれが使用され、関係する合計値が、予め分類された穀粒の平均値に等しいならば、その標準値はゼロに設定され、関係する合計値が、平均から±2.5の標準的なずれ以上にずれるならば、その値は±１に設定される。それらの間の合計値は、−１と＋１との間の値の平均値に比例して標準化される。
標準化された合計値は、神経ネットワークへの入力信号を構成する。神経ネットワークは、この場合各合計値ごとの数多くの入力ノードと、この場合穀粒が分類され得るあらゆる等級の夫々を示す数多くの出力ノードとを具備するプログラムである。入力ノードと出力ノードとの間には、隠れたノードがある。既知の穀粒を示す入力信号を神経ネットワークへ供給し、どの等級にその穀粒が分類されるべきであるかをそれに知らせることによって、神経ネットワークは穀粒を正確に分類するように調整され得る。神経ネットワークが色々な関心のある穀粒を分類することを覚えたら、それは以前に見たことのない穀粒を分類するのに使用され得る。隠れたノードは不定（arbitrary）（線形／非線形）関数に入力データをほぼ適合させるのを可能にするＳ字型形状の関数（sigmoid function）である。等級が入力ノードによって線形的であるならば、ネットワークは線形識別適応を行うように適合される。従って、神経ネットワークの方法は、特別な場合として線形識別適応を具備する。
各出力ノードは、０と１との間の値によって現される。級分けに於て、１つの穀粒は、対応する出力ノードが最大値を持つ等級に属するものとして評価される。しかし、一定の種類の穀物を尊重することも可能である。この目的のために、無作為のサンプルが分類前に採られ、どの種類の穀物が支配的であるかが決定され、これが神経ネットワークに報告される。最高出力ノードの値が、予め決められた値よりも低く、尊重される出力ノードが、２番目に最も大きい値を持つならば、その穀粒は、その出力ノードが最も大きい値を有する等級に分類されず、その出力ノードが２番目に大きい値を有する等級に分類される。異物は、規定の閾値よりも低い全ての出力単位の値によって規定される。
分類の結果は、使用者の端末43のディスプレー装置上に、例えば、夫々の種類の穀物ごとのバー、即ちカラスムギ用のもの、焦げた穀粒用のもの、及び砕けた穀粒用のものを有するヒストグラムの形で示される。
その結果は、サンプルの重量による％で示され得る。経験的に決定され得るこれらのパラメータ間に関連性があるため、そのイメージの大きさによって穀粒の重量を決定することができるということが実際に証明されている。従って、評価の際に、関連する穀粒を現す画素の数が数えられる。この数に基いて、各穀粒の大きさと重量が、その結果全サンプルの重量と大きさの分布が決定される。
サンプルの形と色の分布も、神経ネットワークへの入力信号の基いて決定され得る。
下記の表は、本発明の装置によって分析された50gの穀類のサンプルの10ヶの分析例を示す。サンプルは5.00％のライ麦;5.00％のオート麦;5.00％の大麦;5.00％の焦げた麦の穀粒;0.00％のカラス麦;5.00％の砕けた麦の穀粒、及び75.00％の麦から構成されていた。ｘは平均値、ｓ（ｘ）は標準ずれである。全ての値は、サンプルの重量の重量％で示される。

上記の値は、大きさから重量への変換が、更に多数の穀粒の基く時、向上され得るということが期待される。
上述の穀粒の大きさによる重量決定の代替例として、色々な小分類部分の重量が、図１の装置が補足され得て且つ図２及び３で略図で示される装置によって決定され得る。この装置は、カメラ40がベルト上の穀粒のイメージを撮る位置の後ろの第２のベルト18の端部に装着される。この装置は、第２のベルト18上にカバーを構成し、且つ第２のボルト18のホイール17を第３のベルト51の歯付シャフト61に連結する歯付ベルト60によってそれと同期して駆動される第３のベルト51を具備する。第３のベルト51は、第２のベルト18の溝18a及び隆起部18bとアラインされて、互いに向い合っている第２のベルトと第３のベルトの側部間に複数のチャンネル62を形成する交番する溝51a及び隆起部51bとを具備する。
図２及び３の装置は、更にベルト及びカバーによって形成される各チャンネルに対する分離手段を具備する。分離手段は、圧縮空気の源52と、カバー51がベルトの上まで下げられる時、圧縮空気の源を対応するチャンネルの口部と連結するパイプ53とを具備する。ベルトの他方の側部で、チャンネルの口部の正反対側には容器54がある。ベルト18の端部の下には、秤56上に別の容器55が配置される。第１の容器54は、導管57を介して第２の容器56に連結され得る。
図２に示される計量装置の機能を説明するために、麦部分及びライ麦部分の重量が夫々決定されるべき、ライ麦の混合した麦のサンプルの例が使用され得る。ここで、コンピュータ42が、第１のモーメントで、カメラ40によって撮られたイメージ内に１つ以上のライ麦の穀粒を確認すると仮定する。ベルト18が、カメラに対して１ステップ進められて次のイメージを撮る時に分析される先のモーメントの穀粒が、その上にあるベルトの表面は、第３のベルト51によってカバーされ、確認されたライ麦の穀粒は１つ以上のチャンネル62内に配置されるであろう。コンピュータ42は、その中でライ麦の穀粒が確認された対応するチャンネルに圧縮空気の源52を作動させる。同じチャンネル内に配置されるライ麦の穀粒及び麦の穀粒があったならば、それらは容器54内へ吹き飛ばされ、その後でベルト18は、次のイメージが撮られるべき時に作動され得る。従って麦の穀粒であるベルト18上に残っている穀粒は、ベルトが前方へ進む時に、容器55内へ落ちる、サンプルが完全に分析されると、容器55内の麦の穀粒は秤56によって測量される。続いて、麦の穀粒が移され、容器54内の、もしあれば、ライ麦の穀粒及び麦の穀粒が容器55内へ落とされて測量される。この２回の測量作業と麦の穀粒の数及び２回測量された夫々の麦及びライ麦の穀粒の情報とによって、全サンプル中の麦の小区分及びライ麦の小区分の夫々の重量が決定され得る。
勿論、１つ以上の容器55があり得る。サンプルが、ライ麦の他に、大麦の混合物を含むならば、大麦の穀粒は特定の容器に吹き入れられて、別に測量され得る。
図２及び３の装置は、コンピュータが確認できない物体を吹き飛ばすのにも使用され得る。この場合、手作業の検査を要求する信号が作業者に適切に発信される。
図２及び３に示された技術のような圧縮空気の吹き出しによる分離の代替例として、真空吸引装置を使用して、確認された穀粒をベルトから拾い上げることも可能であろう。
第３のベルトの代替例として、溝部及び隆起部からできている下方側部を有しており、且つ第２のベルト上に下げられて、チャンネルを形成するカバーを使用することも可能であろう。

Claims (14)

1. ばらで取り扱われる穀物の粒或いは類似の粒状の製品の自動的評価のための方法であり、
   粒が散布されることと；
   各ディジタル・イメージは複数の粒を含むが、各粒は１つの前記イメージのみに現れる、前記粒の前記イメージが作られることと；
   神経ネットワークへの１組の入力信号が、粒を現す複数の画素に対する画素値によって各粒に対して作られることと；
   前記神経ネットワークが、各粒が所属する複数の等級を決定することと；
   ディジタル・イメージで現された前記粒が、予め決められた値を越える輝度或いは色を有する画素の干渉性領域を配置することによって配置されることと；
   各干渉性領域の延出量が前記領域の長手方向の軸に垂直の方向で測定され、少なくとも決められた大きさを有する範囲にあり且つ長手方向の前記領域の端部からの間隔の開いている全ての極小値の点で前記領域が分割され、各そのように分割された部分が、あたかも１つの粒を現すもののように処理されることと；
   を特徴とする方法。
2. 前記粒が、前記粒のディジタル・イメージが作られる前に、ほぼ予め決められた方向に向けられることを特徴とする、請求項１記載の方法。
3. 神経ネットワークへの入力信号の生成が、前記粒を現す複数の画素に対する画素値の重みの添加を含む、請求項１或いは２の何れか１項記載の方法。
4. 前記画素値の重みの添加が、前記粒を現す複数の画素内の各画素の構成要素に対して構成要素毎に行われることを特徴とする、請求項３記載の方法。
5. ディジタル・イメージの画素が、赤の輝度と緑の輝度と青の輝度の構成要素（RGB表示）によって現されることと、前記画素の構成要素が、色相の構成要素と彩度の構成要素と輝度の構成要素（HSI表示）に変換されることとを特徴とする、請求項１乃至４の何れか１項記載の方法。
6. 各粒の大きさ及び／或いは形状及び／或いは色が、ディジタル・イメージのRGB表示の構成要素によって決定されることを特徴とする、請求項５記載の方法。
7. 各粒の重量が、粒を現す画素の領域の大きさに基いて決定されることを特徴とする、請求項１乃至６の何れか１項記載の方法。
8. 前記級分け後に、少なくとも第１の等級に級分けされた粒が分離され、その後分離された粒が別に計量され、分離されない粒が同じように別に測量されることを特徴とする、請求項１乃至６の何れか１項記載の方法。
9. ばらで取り扱われる穀類の粒或いは類似の粒状の製品を自動的に評価するための装置であり、
   各粒が１つのディジタル・イメージのみに現れるように前記粒の前記イメージを作るためのカメラ（40）と、
   前記カメラ（40）のレンズの被写域内に一度に複数の粒を提示するように適合された提示装置（14,15,16,17,18,19,25,26,27,28）と、
   前記粒を級分けするための神経ネットワークと、
   ディジタル・イメージを表す信号を受信し、受信した信号に下記の処理を施すように適合された配置手段であり、前記処理は、予め決められた値を超える輝度或いは色を有する画素のみの干渉性領域を配置することによってディジタル・イメージでの粒を配置し、又前記領域の長手方向の軸に垂直な方向で測定される干渉領域の範囲が少なくとも決められた大きさを有する範囲にあり、長手方向の前記領域の端部から間隔の開いている全ての極小値の点で前記領域を分割し、その結果各そのように分割された部分があたかも１つの粒を現すように配置するように処理する、前記配置手段と、
   によって特徴付けられる装置。
10. 前記提示装置（14,15,16,17,18,19,25,26,27,28）が、前記粒に適合する形状を持ち、且つ共通の方向を指向するギザギザ（14）を付けて形成されるベルト・コンベヤ（15）を具備することを特徴とする、請求項９記載の装置。
11. 前記提示装置（14,15,16,17,18,19,25,26,27,28）が、前記コンベヤ（15）を振動して、前記粒を前記コンベヤの上で方向付けるように適合された振動手段（25,26,27,28）を具備することを特徴とする、請求項10記載の装置。
12. 前記振動手段（25、28）が、一方の端部がベルト（18）と、ローラ（28）を具備する振動要素との間に配置される金属板（27）と前記ローラ上に遊びを持って装着され、ローラ（28）が回転される時、座金（29）が前記金属板（27）を叩く複数の前記座金（29）とを具備することを特徴とする、請求項11記載の装置。
13. 前記級分け後に、予め決められた粒を残りの粒から分離するための手段（51,52,53）によって特徴付けられる、請求項９乃至12の何れか１項記載の装置。
14. 分離のための前記手段（51,52,53）が、前記提示装置（14,15,16,17,18,19,25,26,27,28）から予め決められた粒を吹き飛ばすための手段（52）を具備することを特徴とする、請求項13記載の装置。

Images