JP6481263B2 - 粒状物外観品位判別装置における品位判別基準の作成方法 - Google Patents
粒状物外観品位判別装置における品位判別基準の作成方法 Download PDFInfo
- Publication number
- JP6481263B2 JP6481263B2 JP2014117106A JP2014117106A JP6481263B2 JP 6481263 B2 JP6481263 B2 JP 6481263B2 JP 2014117106 A JP2014117106 A JP 2014117106A JP 2014117106 A JP2014117106 A JP 2014117106A JP 6481263 B2 JP6481263 B2 JP 6481263B2
- Authority
- JP
- Japan
- Prior art keywords
- quality
- imaging
- granular material
- granular
- quality discrimination
- 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.)
- Active
Links
- 239000008187 granular material Substances 0.000 title claims description 80
- 238000002360 preparation method Methods 0.000 title claims description 3
- 238000003384 imaging method Methods 0.000 claims description 102
- 238000000034 method Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 6
- 239000013618 particulate matter Substances 0.000 claims description 4
- 235000013339 cereals Nutrition 0.000 description 49
- 238000007621 cluster analysis Methods 0.000 description 17
- 230000002950 deficient Effects 0.000 description 17
- 239000002245 particle Substances 0.000 description 6
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 239000008188 pellet Substances 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8592—Grain or other flowing solid samples
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Sorting Of Articles (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Description
そして、上記穀粒外観品位判別装置によれば、多数の穀粒の品位を容易かつ迅速に判別することができる。
本体と、該本体上面に設けられる撮像面と、該撮像面を開閉するカバーを備える撮像手段であって、前記本体は、前記撮像面上に載置した粒状物に光を照射する光源と、該粒状物からの反射光を受光する受光部を備え、該撮像手段により粒状物を撮像して撮像データを取得し、前記撮像データに基づいて粒状物の品位を判別する粒状物外観品位判別装置における品位判別基準の作成方法であって、
複数の粒状物をトレイに収容し品位別に区分けして撮像手段の撮像面に載置する粒状物載置工程と、
前記撮像面に載置した前記複数の粒状物を前記撮像手段により撮像して撮像データを取得する撮像データ取得工程と、
前記撮像データに基づいて前記品位別に区分けした前記粒状物の外形形状、面積、長さ、幅、色彩及び胴割れの少なくとも一つを含む品位情報を取得する品位情報取得工程と、
前記品位別に取得した前記品位情報を使用して品位判別基準を作成する品位判別基準作成工程と、を備え、
前記粒状物載置工程で前記撮像手段の撮像面に載置される複数の粒状物は、複数の領域に仕切られたトレイに収容されて品位別に区分けされ、
前記粒状物載置工程における各品位別に区分けされた粒状物の数が一つ以上であり、
前記品位判別基準作成工程における品位判別基準の作成は、機械学習アルゴリズムを用いていることを特徴とする。
前記粒状物載置工程で前記撮像手段の撮像面に載置される複数の粒状物は、品位別に異なるトレイに収容されて区分けされてもよい。
[粒状物外観品位判別装置の構成]
図1は、本発明の方法で使用する粒状物外観品位判別装置の一例を示す。
粒状物外観品位判別装置1は、米、麦、豆、コーン等の穀粒やペレット等、粒状物を撮像する撮像手段2と、該撮像手段2とケーブル3で接続されるコンピュータ4を備える。前記撮像手段2には例えば市販のスキャナーや複合機を用いることができる。
図2は、粒状物外観品位判別装置における品位判別基準の作成手順のフローを示す。
(1)ステップS1:
撮像には、図1に示す撮像手段2を使用できる。作業者は分類したい各品位のサンプル粒、例えば米粒であれば、整粒、未熟粒、砕粒、胴割粒、着色粒、異物等のサンプル粒を事前に準備してグループ化(A,B,C,・・・)し、これらサンプル粒を撮像手段2の撮像面2bにグループ毎に区分けして載置する。ここで、前記グループ毎のサンプル粒の数は、一つでもよいが、後述する品位情報を多く取得するためには多い方が好ましい。なお、グループ間でサンプル粒の数を揃える必要はない。
図3に示すように、前記サンプル粒を前記撮像手段2の撮像面2bに載置するに際しては、複数領域に仕切られた一つのトレイ5上に収納することで前記グループ(A,B,C,・・・)別に区分けすることができる。また、一つのグループに一つのトレイを用いて、各グループのトレイを撮像面2bにそれぞれ載置するようにしてもよいし、トレイが用意できない場合などは、グループ毎に載置する領域を撮像面2上に設け、他のグループのサンプル粒と混在しないように、直接サンプル粒を撮像面2b上に載置してもよい。
なお、前記サンプル粒は、グループ毎に区分けする必要はあるが、整列させて載置する必要はない。
ステップS1で撮像手段2の撮像面2bに前記グループ毎に区分けして載置されたサンプル粒を撮像し、各サンプル粒の撮像データを取得する。
ステップS2で取得した撮像データに基づいて、コンピュータ4は各サンプル粒の品位情報(特徴情報)をグループ毎に取得する(品位情報取得)。
ここで、前記品位情報には、サンプル粒の外形形状、面積、長さ、幅、色彩(RGB情報)、胴割れなどが含まれる。
ステップS2で取得した撮像データをディスプレイで確認しながら、作業者は各グループを良品・不良品のどちらかに指定する(良品・不良品情報指定)。
ここで、本実施の形態において、上記良品・不良品情報指定は必須のものではない。上記良品・不良品情報指定をすれば、後述する粒状物の品位判別において、品位判別対象の粒状物をステップS5でコンピュータ4に登録する品位名別に判別することに加え、良品・不良品別に分類することも可能となる。
作業者は前記各グループの名称(品位名)をコンピュータ4に登録(入力)する(品位名設定)。これにより、品位名と品位情報、良品・不良品情報が関連づけられる(品位別情報設定)。ここでは、品位判別対象のサンプル粒を米粒とし、整粒、未熟粒、砕粒、胴割粒、着色粒及び異物の6種類の品位に設定することとする。
後述する粒状物の品位判別に際し、二つ以上の品位に該当すると判別される場合において、一つの品位にのみ該当すると判別されるようにするために、優先順位を設定する(優先判別順位設定)。一方、前記優先順位を設定せず、該当する全ての品位に判別されるようにすることもできる。優先判別順位設定を行えば、一つのサンプル粒は一つの品位にカウントされ、優先判別順位設定を行わなければ、一つのサンプルは該当する全ての品位にカウントされることになる。
上記品位別の品位情報を用いて、品位判別基準を作成する。本実施の形態では、公知のクラスター分析(例えば特開2010−60389等参照)及びアダブースト(AdaBoost(機械学習アルゴリズム))の分析(例えば特開2013−33331等参照)を使用してコンピュータ4が自動的に品位判別基準を作成する。
品位判別基準の作成例について説明する。
図4は、ステップS7における品位判別基準作成の一例であって、クラスター分析及びアドブーストによる分析を利用した品位判別基準の作成フローを示す。
(1)ステップS10:
クラスター分析を行うにあたり、この分析で使用する閾値及び目標系統数を取得する。前記閾値及び目標系統数は事前にコンピュータ4のメモリに保存されているものである。前記閾値は、クラスター分析で各サンプル粒を系統に分類仕分けするときに用いるもので、入力された品位情報から計算される系統間の距離について、正解か否かを判断するために用いるものである。前記目標系統数は、クラスター分析により分類仕分けする系統の数の目標値である。
ステップS5で登録した品位名の中から一つの品位を選択し、それ以外の品位(非選択品位)のサンプル粒について、ステップS3で取得した品位情報を使用してクラスター分析を行う。この分析は、アダブーストによる分析を行うための前処理であって、ステップS5での作業者による品位名設定とは別に、上記非選択品位のサンプル粒を分類仕分けすることを目的としている。このクラスター分析による分類仕分けにより、ステップS1において作業者が各品位のサンプル粒を事前準備する際に生じる仕分けミスなどの影響を排除することが可能となる。
ステップS11でのクラスター分析による分類仕分けで、前記目標系統数に分類仕分けされたかを確認する。本実施の形態では、目標系統数を6個としている。これは判別結果が優れた系統数を試験的に求めたものである。
ステップS11におけるクラスター分析による分類仕分けの結果、系統数が目標系統数と異なる場合は、上記目標系統数と一致するまで前記閾値を変更してクラスター分析を繰り返し行う。前記閾値は、その大きさにより系統数が増減するので、目標系統数に仕分けられるまで自動的に閾値を変更して分析を繰り返し行う。
非選択品位のサンプル粒を目標系統数に分類仕分けした結果を保存する。例えば、ステップS11で選択した品位が整粒であれば、整粒以外のサンプル粒が、作業者がステップS5で登録した品位に関係なく、6個の系統に分類仕分けされたことになる。ステップS13では、これら系統を各品位で保存することになる。
ステップS11でのクラスター分析は、全ての品位で行う。本実施の形態では、ステップS5にて6個の品位に分類しているので、これら全ての品位毎にクラスター分析を行い、品位毎に系統を求めることになる。
(6)ステップS15:
ステップS15では、ステップS5で登録した品位を一つ選択し、この選択した品位のサンプル粒と、その品位での系統(本実施の形態では6個)の中の一つの系統に分類仕分けされたサンプル粒とで、ステップS3で取得した品位情報を用いてアダブーストによる分析を行い、各品位情報の閾値・ポジネガ・重み係数を算出する。本実施の形態では、前記各品位情報の閾値・ポジネガ・重み係数が品位判別基準となる。
ステップS16では、ステップS15の分析で算出した分析結果(品位情報毎の閾値・ポジネガ・重み係数)を保存する。
ステップS15で選択した品位のサンプル粒について、全ての系統でアダブーストによる分析を行ったかを確認する。アダブーストによる分析は、系統毎に行う。
ステップS18では、全ての品位でアダブーストによる分析を行ったかを確認する。全ての品位で品位毎にアダブーストによる分析を行い、全ての品位について全ての系統で各品位情報の閾値・ポジネガ・重み係数を算出し、品位判別基準として保存することで、品位判別基準の作成が終了(学習が完了)する。
図5は、粒状物外観品位判別装置における粒状物の品位判別手順のフローを示す。
(1)ステップS21:
品位判別対象の複数の粒状物を撮像手段2の撮像面2bに載置する。
ステップS21で撮像手段2の撮像面2bに載置された粒状物を撮像し、各粒状物の撮像データを取得する。
ステップS22で取得した撮像データに基づいて、コンピュータ4が各粒状物の品位情報を取得する。この品位情報は、ステップS3と同一のものである。
ステップS23で取得した品位情報と、事前に作成した品位判別基準とを用いて、アダブーストによる分析で各粒状物の品位を判別する。
ステップS24での判別結果とステップS4での良品・不良品情報に基づいて、コンピュータ4は各粒状物を良品又は不良品のどちらかに分類しデータを保存する。
ステップS24での品位判別結果を保存する。
ステップS25の分類結果に基づいて、良品又は不良品に分類された各粒状物を適宜ディスプレイにより表示する。
ステップS24の品位判別結果に基づいて、判別された各粒状物を品位毎に適宜ディスプレイにより表示する。
図6は、ステップ24における品位判別基準に基づく品位判別の一例であって、品位判別フローを示す。
(1)ステップS31:
まず、ステップS31で一つの品位を選択する。
選択した品位には、目標値(本実施の形態では6個)の系統がクラスター分析により求められているので、その中の一つの系統を選択する。
選択した品位及び系統のアダブーストによる分析結果(品位情報毎の閾値・ポジネガ・重み係数)であって、ステップS16において保存されたものをメモリから読み込む。
撮像により取得した撮像データの中から一つの粒状物を選択する。
選択した粒状物についての品位情報を一つ選択する。
(6)ステップS36:
ステップS34で選択した粒状物について、ステップS35で選択した品位情報がステップS33で読み込んだ閾値よりも大きいかどうかを判断する。
上記品位情報が上記閾値よりも大きい場合は、ステップS37にて、ネガポジを確認する。逆に上記品位情報が上記閾値よりも小さい場合は、ステップS38にてネガポジを確認する。上記ネガポジの確認結果により、加算値を求める。
ここで、本実施の形態でのネガポジは、上記品位情報が上記閾値のプラス側にある場合とマイナス側にある場合とで、どちら側にある場合に選択した品位に該当するかを判断する基準(フラグ)である。
ステップS39にて、系統毎に求める信頼度(又は類似度)に、ステップS37又はステップS38で求めた加算値を加算する。
全ての品位情報についてステップS36〜ステップS39の作業を行ったか確認する。ステップS36での判断は、使用する全ての品位情報について行う。
全ての粒状物についてステップS36〜ステップS39の作業を行ったか確認する。ステップS36での判断は、撮像した全ての粒状物について行う。
全ての系統についてステップS36〜ステップS39の作業を行ったか確認する。ステップS36での判断は、選択した品位の全ての系統について行う。
全ての品位についてステップS36〜ステップS39の作業を行ったか確認する。ステップS36での判断は、ステップS5で設定した全ての品位について行う。
撮像した粒状物毎に複数の信頼度が求められるが、この信頼度の大きさ等に基づいて、各粒状物の品位を判別する。これにより、品位の判別を終了する。
2 撮像手段(スキャナー)
2a 本体
2b 撮像面
2c カバー
3 ケーブル
4 コンピュータ
5 トレイ
Claims (3)
- 本体と、該本体上面に設けられる撮像面と、該撮像面を開閉するカバーを備える撮像手段であって、前記本体は、前記撮像面上に載置した粒状物に光を照射する光源と、該粒状物からの反射光を受光する受光部を備え、該撮像手段により粒状物を撮像して撮像データを取得し、前記撮像データに基づいて粒状物の品位を判別する粒状物外観品位判別装置における品位判別基準の作成方法であって、
複数の粒状物をトレイに収容し品位別に区分けして撮像手段の撮像面に載置する粒状物載置工程と、
前記撮像面に載置した前記複数の粒状物を前記撮像手段により撮像して撮像データを取得する撮像データ取得工程と、
前記撮像データに基づいて前記品位別に区分けした前記粒状物の外形形状、面積、長さ、幅、色彩及び胴割れの少なくとも一つを含む品位情報を取得する品位情報取得工程と、
前記品位別に取得した前記品位情報を使用して品位判別基準を作成する品位判別基準作成工程と、を備え、
前記粒状物載置工程で前記撮像手段の撮像面に載置される複数の粒状物は、複数の領域に仕切られたトレイに収容されて品位別に区分けされ、
前記粒状物載置工程における各品位別に区分けされた粒状物の数が一つ以上であり、
前記品位判別基準作成工程における品位判別基準の作成は、機械学習アルゴリズムを用いていることを特徴とする品位判別基準の作成方法。 - 本体と、該本体上面に設けられる撮像面と、該撮像面を開閉するカバーを備える撮像手段であって、前記本体は、前記撮像面上に載置した粒状物に光を照射する光源と、該粒状物からの反射光を受光する受光部を備え、該撮像手段により粒状物を撮像して撮像データを取得し、前記撮像データに基づいて粒状物の品位を判別する粒状物外観品位判別装置における品位判別基準の作成方法であって、
複数の粒状物をトレイに収容し品位別に区分けして撮像手段の撮像面に載置する粒状物載置工程と、
前記撮像面に載置した前記複数の粒状物を前記撮像手段により撮像して撮像データを取得する撮像データ取得工程と、
前記撮像データに基づいて前記品位別に区分けした前記粒状物の外形形状、面積、長さ、幅、色彩及び胴割れの少なくとも一つを含む品位情報を取得する品位情報取得工程と、
前記品位別に取得した前記品位情報を使用して品位判別基準を作成する品位判別基準作成工程と、を備え、
前記粒状物載置工程で前記撮像手段の撮像面に載置される複数の粒状物は、品位別に異なるトレイに収容されて区分けされ、
前記粒状物載置工程における各品位別に区分けされた粒状物の数が一つ以上であり、
前記品位判別基準作成工程における品位判別基準の作成は、機械学習アルゴリズムを用いていることを特徴とする品位判別基準の作成方法。 - さらに、前記粒状物の品位名を登録する品位名登録工程を備える請求項1又は2記載の品位判別基準の作成方法。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014117106A JP6481263B2 (ja) | 2014-06-05 | 2014-06-05 | 粒状物外観品位判別装置における品位判別基準の作成方法 |
PCT/JP2015/065922 WO2015186708A1 (ja) | 2014-06-05 | 2015-06-02 | 粒状物外観品位判別装置における品位判別基準の作成方法 |
KR1020167035637A KR102382399B1 (ko) | 2014-06-05 | 2015-06-02 | 입상물 외관 품위 판별 장치에 있어서의 품위 판별 기준의 작성 방법 |
BR112016028473-9A BR112016028473B1 (pt) | 2014-06-05 | 2015-06-02 | Método de criação de critérios de discriminação de grau de qualidade num dispositivo de discriminação de grau de qualidade aparente de material granular |
US15/315,427 US10386307B2 (en) | 2014-06-05 | 2015-06-02 | Method of creating quality grade discrimination criteria in granular material appearance quality grade discrimination device |
CN201580029634.2A CN106662534A (zh) | 2014-06-05 | 2015-06-02 | 粒状物外观等级判别装置的等级判别基准的生成方法 |
TW104118053A TWI681182B (zh) | 2014-06-05 | 2015-06-04 | 粒狀物外觀品級判別裝置中的品級判別基準之製作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014117106A JP6481263B2 (ja) | 2014-06-05 | 2014-06-05 | 粒状物外観品位判別装置における品位判別基準の作成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015230265A JP2015230265A (ja) | 2015-12-21 |
JP6481263B2 true JP6481263B2 (ja) | 2019-03-13 |
Family
ID=54766777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014117106A Active JP6481263B2 (ja) | 2014-06-05 | 2014-06-05 | 粒状物外観品位判別装置における品位判別基準の作成方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10386307B2 (ja) |
JP (1) | JP6481263B2 (ja) |
KR (1) | KR102382399B1 (ja) |
CN (1) | CN106662534A (ja) |
BR (1) | BR112016028473B1 (ja) |
TW (1) | TWI681182B (ja) |
WO (1) | WO2015186708A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6560707B2 (ja) * | 2017-04-20 | 2019-08-14 | ファナック株式会社 | 加工面品位評価装置 |
CN107862230B (zh) * | 2017-11-14 | 2020-12-22 | 安徽虚境科技有限公司 | 一种等级决定及录入方法 |
JP7023180B2 (ja) * | 2018-05-10 | 2022-02-21 | 大阪瓦斯株式会社 | 酒米分析装置 |
CN109539996B (zh) * | 2018-12-12 | 2021-06-04 | 安徽省农业科学院水稻研究所 | 一种水稻柱头长度的测量方法 |
CN110044269A (zh) * | 2019-04-08 | 2019-07-23 | 安徽省农业科学院水稻研究所 | 一种水稻柱头长度测量最佳取样时期的方法 |
JP7345776B2 (ja) * | 2019-06-11 | 2023-09-19 | 近江度量衡株式会社 | 農産物の選別装置 |
WO2022080504A1 (ja) * | 2020-10-16 | 2022-04-21 | 国立研究開発法人農業・食品産業技術総合研究機構 | 判定装置、学習装置、判定方法、学習方法及び制御プログラム |
CN116596339B (zh) * | 2023-05-22 | 2024-05-31 | 江苏辰威生物科技有限公司 | 一种饲料原料生产调节方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL82037A0 (en) * | 1987-03-29 | 1987-10-20 | Kalman Peleg | Method and apparatus for automatically inspecting and classifying different objects |
JP2000146847A (ja) * | 1998-11-16 | 2000-05-26 | Kett Electric Laboratory | クラスタリング及びボロノイ分割を利用したニューラル ネットワークを用いた穀類粒判別装置 |
JP2002312762A (ja) * | 2001-04-12 | 2002-10-25 | Seirei Ind Co Ltd | ニューラルネットワークを利用した穀粒選別装置 |
TWI220011B (en) * | 2003-02-10 | 2004-08-01 | Sheng Shiuan Corp | Mold for producing upper stop of nylon safety zipper |
JP2010060389A (ja) | 2008-09-02 | 2010-03-18 | Horiba Ltd | 粒子解析装置、データ解析装置、x線分析装置、粒子解析方法及びコンピュータプログラム |
WO2010041388A1 (ja) * | 2008-10-09 | 2010-04-15 | 株式会社サタケ | 画像読み取り装置用トレイ |
JP5533245B2 (ja) * | 2010-05-19 | 2014-06-25 | 株式会社サタケ | 穀粒外観品位判別装置における品位別重量比率の算出方法 |
JP5565869B2 (ja) | 2011-08-01 | 2014-08-06 | 株式会社ユニバーサルエンターテインメント | 識別装置及び識別プログラム |
KR101998910B1 (ko) * | 2012-03-27 | 2019-07-10 | 가부시끼가이샤 사따께 | 광학식 입상물 선별기 |
JP6024949B2 (ja) | 2012-06-27 | 2016-11-16 | 株式会社サタケ | 穀粒外観測定装置 |
US9014434B2 (en) * | 2012-11-26 | 2015-04-21 | Frito-Lay North America, Inc. | Method for scoring and controlling quality of food products in a dynamic production line |
-
2014
- 2014-06-05 JP JP2014117106A patent/JP6481263B2/ja active Active
-
2015
- 2015-06-02 US US15/315,427 patent/US10386307B2/en active Active
- 2015-06-02 KR KR1020167035637A patent/KR102382399B1/ko active IP Right Grant
- 2015-06-02 WO PCT/JP2015/065922 patent/WO2015186708A1/ja active Application Filing
- 2015-06-02 BR BR112016028473-9A patent/BR112016028473B1/pt active IP Right Grant
- 2015-06-02 CN CN201580029634.2A patent/CN106662534A/zh active Pending
- 2015-06-04 TW TW104118053A patent/TWI681182B/zh active
Also Published As
Publication number | Publication date |
---|---|
KR102382399B1 (ko) | 2022-04-01 |
KR20170015338A (ko) | 2017-02-08 |
WO2015186708A1 (ja) | 2015-12-10 |
TW201546440A (zh) | 2015-12-16 |
US20170199132A1 (en) | 2017-07-13 |
JP2015230265A (ja) | 2015-12-21 |
TWI681182B (zh) | 2020-01-01 |
BR112016028473A8 (pt) | 2020-10-20 |
BR112016028473A2 (pt) | 2017-08-22 |
BR112016028473B1 (pt) | 2021-08-17 |
US10386307B2 (en) | 2019-08-20 |
CN106662534A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6481263B2 (ja) | 粒状物外観品位判別装置における品位判別基準の作成方法 | |
JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
JP6152845B2 (ja) | 光学式粒状物選別機 | |
KR101783836B1 (ko) | 미생물 검출방법, 미생물 검출장치 및 프로그램 | |
Paliwal et al. | Grain kernel identification using kernel signature | |
Arboleda | Comparing performances of data mining algorithms for classification of green coffee beans | |
JP5533245B2 (ja) | 穀粒外観品位判別装置における品位別重量比率の算出方法 | |
OuYang et al. | An automatic method for identifying different variety of rice seeds using machine vision technology | |
KR101926641B1 (ko) | 건설폐기물 중의 유기 이물질과 무기 이물질의 선별을 위한 분석시스템과 이를 이용한 순환골재 생산방법 | |
WO2016114845A1 (en) | Improved sorting system | |
JP6490365B2 (ja) | 微生物検査装置の検証方法、微生物検査装置における検証装置及びプログラム | |
JP2020187656A (ja) | 画像検査装置 | |
RU2699751C1 (ru) | Способ сортировки объектов по их цветовым характеристикам | |
Gong et al. | Recent developments of seeds quality inspection and grading based on machine vision | |
JP2001041895A (ja) | 粒状物品位判別装置 | |
JP6805506B2 (ja) | 粒状物外観品位判別装置 | |
WO2021149820A1 (ja) | 光学式粒状物判別装置 | |
JP2003251282A (ja) | 苺用等階級計測判定装置 | |
KR101384541B1 (ko) | 반사판 자동 조절 기능을 이용한 색채 선별기 운용 방법 | |
KR20180071912A (ko) | 품위판정유닛이 구비된 색채선별장치 | |
JP2021117091A (ja) | 光学式粒状物判別装置 | |
JP2020187655A (ja) | 画像検査装置 | |
JPH06160298A (ja) | 自動色調判定方法 | |
Yun et al. | A computer vision system for rice kernel quality evaluation | |
Liu et al. | An automatic method for identifying different variety of rice seeds using machine vision technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180529 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180718 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6481263 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |