JP7053075B2 - 教師データ生成方法および異物検査装置ならびに異物検査方法 - Google Patents
教師データ生成方法および異物検査装置ならびに異物検査方法 Download PDFInfo
- Publication number
- JP7053075B2 JP7053075B2 JP2021098751A JP2021098751A JP7053075B2 JP 7053075 B2 JP7053075 B2 JP 7053075B2 JP 2021098751 A JP2021098751 A JP 2021098751A JP 2021098751 A JP2021098751 A JP 2021098751A JP 7053075 B2 JP7053075 B2 JP 7053075B2
- Authority
- JP
- Japan
- Prior art keywords
- foreign matter
- visible light
- image
- infrared
- inspected
- 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
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
特許文献1に記載の異物検出装置および方法は、食品材料である被検査物に近赤外光を照射し、第一波長域の近赤外光、第二波長域の近赤外光、被検査物の材質の違いによる吸収率の変化が小さい第三波長域の近赤外光を検出し、この第一波長域の近赤外光、第二波長域の近赤外光の光量を、第三波長域の近赤外光の光量で除算して、規格化し、規格化後の光量を解析することで、食品材料中の異物を検出する。
このため、近赤外光だけでなく可視光を被検査物に照射し、可視光カメラで食品材料を撮像し、可視光によって食品材料と色彩などの特徴量の異なる異物を検出する技術も提案されている(特許文献2)。
異物の過検出が生ずると、本来安全な食品材料であっても異物として材料から排除されるため、そのような本来排除されるべきでないものが異物として排除されることで、過検出により製造工程が滞って生産性が低下する。また、必要以上に食品材料の廃棄がされることになり、コストが増加する。
なお、本実施形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、本発明の技術的思想は、構成部品の形状、構造および配置等を下記のものに特定するものではない。本発明の技術的思想は、特許請求の範囲に記載された請求項が規定する技術的範囲内において、種々の変更が可能である。
図1は、本発明の一実施形態に係る異物検査装置の一例を示す構成図である。
異物検査装置1は、被検査物8を搬送する搬送装置2と、近赤外光照射装置3と、近赤外カメラ4と、可視光照明装置5と、カラーカメラ6と、コンピュータを備えた処理装置10とを備える。処理装置10は、ディスプレイ13や図示しない入力装置、記憶装置、CPUを備えている。処理装置10は、機能構成として、異物の学習を行う異物学習手段11、異物の判定を行う異物判定手段12を備えている。
搬送装置2としては、ベルトコンベア、パレットコンベア等を適用することができる。図1では、搬送装置2として、互いに平行な二つのローラ2a間に無端ベルト2bをかけ渡し、被検査物8を無端ベルト2bの上面に載置して搬送するベルトコンベアを用いている。図1は、この無端ベルト2bの上面(搬送面)上に、被検査物として、食品材料である乾燥野菜を搬送する例を示している。
近赤外カメラ4は、処理装置10からの制御信号で指定されるタイミングで撮影を行う。近赤外カメラ4として、例えば、512画素程度のラインセンサカメラを用いることもできる。
また、処理装置10は、搬送装置2の搬送速度と、照射領域3aの位置と、照射領域5aの位置等をもとに、被検査物8が照射領域3a及び照射領域5aを通過するタイミングで、照射領域3a、5a内の被検査物8を撮影するように、近赤外カメラ4及びカラーカメラ6それぞれの撮影タイミングを決定し、撮影タイミングを指定する制御信号を近赤外カメラ4及びカラーカメラ6に出力する。また、近赤外カメラ4及びカラーカメラ6の撮影タイミングで照射領域3a、5aに対して光照射を行うように、近赤外光照射装置3及び可視光照明装置5に制御信号を出力する。
図2は、処理装置10において実行される異物検査の処理手順を説明するフローチャートである。処理装置10では、異物検査の処理を予め設定した定周期で実施する。この異物検査は、被検査物8を搬送装置2で搬送して、近赤外光および可視光を被検査物8に照射し、近赤外カメラ3、可視光カメラ6で撮像し、この近赤外画像、可視光画像を取り込み、取り込んだ画像データに基づいて、被検査物中に混入している異物を検出し、異物を検出したときは、検出した異物を排出し、あるいは警報を出力するなどの異物を排除するための処理を行う。
この異物検査装置には、異物が検出されたときは、搬送装置2を停止して、異物を排出する機構を設けることもできる。
異物の判定を行うについては、予め異物のサンプルを学習して、学習した異物の画像に基づいて、異物を判定する必要がある。この異物学習は、異物検査のための教師データの生成であり、異物サンプルを学習して教師データ生成し、この教師データに基づいて異物検査を行う。以下では、異物学習手段11での異物の学習過程について説明する。
異物の学習は、複数種類の異物サンプルを搬送コンベアに載置して搬送し、その異物サンプルを近赤外光および可視光で撮像した画像に基づいて異物学習を行う。
異物としては、被検査物8を加工食品の原材料となる乾燥野菜としたときに、乾燥野菜に混入する可能性のある、樹脂類、糸類、木片、紙辺などを異物として想定し、その異物となるサンプルを乾燥野菜に混ぜて、搬送装置2に載置し、これを近赤外カメラ3、可視光カメラ5で撮像する。そして、撮像した画像を、処理装置10のディスプレイ13にそれぞれ、近赤外の画像、可視光の画像として、互いに並行に対応して表示する。そして、そこに表示される、異物サンプルの画像を異物であるとして、作業者がマーキングして指定し、指定された画像を異物として学習させる作業を繰り返す。
この学習過程を図3のフローチャートを参照して説明する。
異物の学習は、異物の種類ごとにそれぞれ行われる。
異物のサンプルとしては、化繊を含む赤い糸、化繊を含む白い糸、透明のビニール破片、黒いビニールテープ破片、ナイロンひも、結束バンド、金属片、透明なセロハンテープ、緑色のセロハン紙、青いゴム製の手袋などを準備し、被検査物の食品材料としては、乾燥野菜として葉物野菜である、キャベツ・ネギ・青菜などである。乾燥野菜の色は、可視光で、緑色、白色になる。
作業者(学習の作業者)は、異物サンプルと乾燥野菜とをコンベアに載せ、学習する異物サンプルの種類を指定して、撮像の指示をする。
搬送装置2のコンベアに載せられた異物サンプルと乾燥野菜とは、近赤外カメラ4とカラーカメラ6とにより撮像され、その画像は、処理装置10の学習手段11に取り込まれる(ステップS21、ステップS22)。
学習手段11は、取り込んだ近赤外画像と可視光画像とを、ディスプレイ11に並べて表示する(ステップS23)。このとき、取り込まれた近赤外画像と可視光画像とは、両者の位置が対応して表示されるように、同時に並列に並べられて表示される。すなわち、ディスプレイの画面上、左右に近赤外画像と可視光画像の画像位置(ベルトコンベアの搬送方向の位置)が一致するように表示され、取り込まれた異物サンプルと乾燥野菜の画像が対応して作業者に見えるように表示される。
作業者は、この左右の近赤外画像と可視光画像とを見ながら、異物サンプルの画像をマウス等のポインタを用いてマークして、異物サンプルであることを指定していく(ステップS24)。
このマークによる指定によって、学習手段は、マークされた異物の画像の色、形等の特徴を抽出して、学習を行う。学習としては、ニューラルネットワークを用いた深層学習などを用いる。
そして、用意したすべての異物サンプルについて学習させ、すべてのサンプルについて学習させると、学習過程は終了する(ステップS25)。
異物サンプルとして、乾燥野菜に混入するおそれのある異物として、上述の異物を用意し、異物ごとに、それぞれ、30個以上マーキングして、学習させる。
以下異物学習の一例として、「ポリエチレンひも」、「透明なビニール」、「緑色のセロハン紙」の例で説明する。
(赤いポリエチレンのひもの例)
図4は、異物サンプルとして、赤いポリエチレンのひものサンプル(ひもの破片)が乾燥野菜としてキャペツの葉片と共に撮像して学習させる例である。
処理装置10のディスプレイ13には、被検査物の製品名として「キャベツ」が表示されている。また、異物の種類の表示欄が設けられており、表示された異物サンプルの種別の欄を参考にして、学習する異物の種類を「ポリエチレンひも」として種別が表示される欄の下部のファイル作成欄に指定する。
近赤外画像と、可視光画像とが並べて表示されており、ポリエチレンひもは、材質が「キャベツ」と異なるため、近赤外画像で乾燥野菜の中から識別でき、また、色彩が「赤」であるため、可視光画像でも識別できる。作業者は、この表示された近赤外画像および可視光画像の中から、「赤いポリエチレンひも」のサンプルの画像をクリックしてマーキングし、異物であることを指定して、学習させる。マーキングを行うと、異物の周囲に四角の領域が表示される。図4の表示例では、近赤外画像と可視光画像のそれぞれ4カ所をマーキングされている。マーキングすると、画像一覧の欄に、画像名としてマーキングした「ポリエチレンひも」の画像が登録されたことが表示される。画像をスクロールしながら、撮像された乾燥野菜の中から、「ポリエチレンひも」の画像をマーキングして、「ポリエチレンひも」を学習させる。
なお、このとき、異物(サンプル)の色も指定できるように、異物の種類名と異物の色をディスプレイに表示することができる。
「ポリエチレンひも」は、樹脂製で天然素材ではないので、近赤外光での検出が可能であり、また、色が「赤」であるため、可視光での検出も可能である。
なお、画面上の近赤外画像と可視光画像の表示の上部に見られる矩形の画像は、異物学習の際に搬送路2の上面に置かれる白い樹脂製のマーカーの画像である。
次に、図5は、透明なビニールの破片が混在した例である。この場合、異物はプラスチックのビニールであることから、近赤外光では乾燥野菜とは異なる吸光率をもつので、近赤外画像で異物として判定することができる。一方、可視光では、透過して無色となるので、可視光では異物として識別できない。
したがって、異物の種類をビニールとして指定し、異物のサンプルの撮像画像を近赤外光、可視光で表示したとき、可視光の画像では、異物として指定することはできない。しかし、近赤外光では異物として視認できるので、近赤外光の画像中で、透明なビニールの破片の画像を異物としてマーキングすることで、ビニールの異物を学習できる。
化繊は、素材が天然素材でないため、近赤外光のλ1、λ2の吸光率の乾燥野菜との差が大きく、近赤外光で撮像した乾燥野菜の画像の中から、容易に識別することができる。また、赤いひもは、可視光で撮像した画像の中では、白色あるいは緑色の乾燥野菜の中で、色違いであるから、その識別は、容易である。
このとき、近赤外光で撮像した近赤外画像の中と、可視光で撮像した可視光画像の中から、赤い糸状のひもをマーキングすることで、赤いひもを異物として学習することができる。
(緑のセロハン紙)
図7は、素材が天然素材で、色が「緑色」のセロハン紙のサンプルを異物として学習させる画面を示す。
この場合、「緑色」のセロハン紙は、天然素材であるが染料等が練りこまれているため、近赤外画像の吸光率の差は少ないが撮像できるものがある。また、可視光画像では、色は、乾燥野菜のキャベツと同系色であるので、撮像できるがマーキングすると過検出する。しかし、色ではなく近赤外光画像は、反射角度によって、吸光されて視認できる画像がある。そこで、「緑色」のセロハン紙のサンプルについては、近赤外光画像の可視光画像の位置の画像で異物の形状が視認できる場合は、異物としてマーキングし、可視光画像については、異物としてマーキングしないで学習させる。
これは、近赤外画像で、吸光率が乾燥野菜と類似であるかもしれないが、近赤外画像のデータで可能な限り、異物として学習することを意味する。
なお、天然素材で透明なセロハンテープについても同様である。
なお、上述の判定において、近い色であるか否かは、測色計を用いて、被検査物との色差の値を計測して、その色差により、自動的に学習過程を分岐することが可能である。
被検査物の乾燥野菜と同じ天然素材で、色彩が乾燥野菜に似たセロハン紙は、色で乾燥野菜と同じ色であると判別ができない。しかし、近赤外画像で、セロハン紙の反射を検出できるので、可視光画像で異物として学習させるのではなく、近赤外画像で異物として学習させておくと、近赤外画像で異物として検出するが可視光画像で色彩と形状が似た乾燥野菜を異物として過剰に検出することはなくなる。
このように、被検査物とその素材の材質が似ており、近赤外光の「吸光率」による差が無い「異物サンプル」であって、被検査物の色彩と近い色を有する「異物サンプル」については、可視光画像上で異物として視認される位置に対応する近赤外画像上の位置の画像で異物として視認できるものを異物として指定して学習させている。このため、可視光画像では異物であるとはされないが、近赤外画像では、異物として判定されるので、近赤外画像、近赤外画像のそれぞれで、異物判定を行うと、過剰に異物を検出する現象を低減することができる。これにより、生産の滞り、廃棄物の増大によるコストへの波及を低減することが可能である。
(深層学習と非深層学習との組み合わせ)
以上述べた実施の形態は、異物検査装置1の処理装置10は、予め異物サンプルを近赤外光および可視光で撮像して、深層学習を行って、異物判定を行うものであったが、被検査物に対する異物判定において、異物サンプルの深層学習を行って異物判定をする異物検査と、異物サンプルの深層学習を行わずに異物判定をする異物検査とを組み合わせる異物検査が可能である。
DL異物判定121は、図1から図8の実施の形態で説明した異物サンプルによって深層学習を施された異物判定手段である。非DL異物判定122は、深層学習によって異物サンプルの学習をしない異物判定手段であり、近赤外カメラ4、可視光カメラ6によって撮像した被検査物の画像データに基づいて異物判定を行い、DL異物判定121、非DL異物判定122は、それぞれ異物判定の結果を出力することができる。
例えば、天然素材の糸が異物であったとき、深層学習した近赤外画像では異物と判定することは難しいが、糸を深層学習した可視光画像では異物の判定は可能である。一方、深層学習をしていない可視光画像では、糸を学習していないので、糸の識別は難しい。このため、深層学習をした可視光画像での異物判定を用いれば、異物として糸が混在しているとの異物検出の信号を出力できる。
これにより、異物判定の程度についてランクを設けて、被検査物に混入している異物に対する処置の程度を設定することができる。
図8に示した学習過程は、作業者が行うこともできるし、その処理を、一部または全部を処理装置10が実行することもできる。処理装置10が行う場合、異物かどうかの判断は、例えば、素材や色以外の特徴(例えば、形)、場所、特徴量の組み合わせを利用して行うことができる。
上述の異物検査装置1として、近赤外照明装置3、可視光照明装置5をそれぞれ備え、近赤外カメラ4、可視光カメラ6とは別々の位置に設けた例で説明したが、近赤外カメラ4、可視光カメラ6は、同一の光路から分光した構成とし、近赤外光および可視光を照射する光源を一つとした構成でもよい。この場合は、近赤外画像と可視光画像と撮像位置が同じになるので、近赤外画像と可視光画像の領域が一致するように、調整処理を行う処理をする必要はなくなる。
異物のサンプルの種類は、上述の例に限られるものではない。また、上述の実施の形態の説明としては、食品材料として、乾燥野菜を例にとって説明したが、これに限られるものではない。例えば、コーヒー豆や、豆類に混入している異物を検出したり、被検査物に含まれている成分とは異なる成分のものが含まれているか否かを判別することもできる。
2 搬送装置
2a ローラ
2b 無端ベルト
3 近赤外光照射装置
4 近赤外カメラ
5 可視光照射装置
6 可視光カメラ
8 被検査物
10 処理装置
11 学習手段
12 異物判定手段
13 ディスプレイ
Claims (6)
- 予め複数の異物サンプルを近赤外光と可視光とで撮像し、撮像された異物サンプルの近赤外画像および可視光画像を学習させる教師データ生成方法であり、
学習させる異物サンプルを撮像し、その撮像された異物サンプルの近赤外画像と可視光画像とを表示するステップと、
表示された異物サンプルの近赤外画像および可視光画像の中から、異物サンプルの画像を異物として指定するステップとを有し、
前記異物として指定するステップは、
可視光画像でも異物として視認できる異物サンプルであって、被検査物と色空間(L*a*b)の色差が70以下または同等の色差の色を有する異物サンプルに対しては、可視光画像では異物として指定せずに、可視光画像上において異物として視認される位置に対応する、近赤外画像上の位置の画像において、異物の形状を視認できる場合は、近赤外画像上の画像を異物として指定する、
ことを特徴とする教師データ生成方法。 - 請求項1に記載の教師データ生成方法であって、
近赤外カメラで撮像した異物サンプルの近赤外画像と可視光カメラで撮像した異物サンプルの可視光画像とを同時に並列して表示して、異物の指定を行う、
ことを特徴とする教師データ生成方法。 - 搬送路上に載置されて搬送される被検査物中に混入している異物を光学的に検出する異物検出装置であって、
予め定められた波長の近赤外光および可視光を前記被検査物に照射する光照射手段と、
前記光照射手段により照射された前記被検査物を近赤外光で撮像する近赤外カメラと、
前記光照射手段により照射された前記被検査物を可視光で撮像する可視光カメラと、
前記近赤外カメラで撮像した前記被検査物の近赤外画像と、前記可視光カメラで撮像した被検査物の可視光画像とに基づいて前記被検査物に異物が混入しているかを判定する異物判定手段と、
を備え、
前記異物判定手段は、異物学習手段で予め学習した異物サンプルの近赤外画像および可視光画像の教師データを参照して前記被検査物の異物の判定を行う手段であって、
前記教師データは、その学習過程で、
可視光画像でも異物として視認できる異物サンプルであって、被検査物と色空間(L*a*b)の色差が70以下または同等の色差の色を有する異物サンプルに対しては、可視光画像では異物として指定せずに、可視光画像上において異物として視認される位置に対応する、近赤外画像上の位置の画像において、異物の形状を視認できる場合は、近赤外画像上の画像を異物として指定されて学習した、
ことを特徴とする異物検査装置。 - 請求項3に記載の異物検査装置であって、
前記近赤外カメラで撮像した異物サンプルの近赤外画像と前記可視光カメラで撮像した異物サンプルの可視光画像とを同時に並列して表示する手段を備える、
ことを特徴とする異物検査装置。 - 搬送路上に載置されて搬送される被検査物中に混入している異物を光学的に検出する異物検出方法であって、
予め定められた波長の近赤外光および可視光で異物サンプルを撮像して、教師データの生成を行う教師データ生成ステップと、
予め定められた波長の近赤外光および可視光を前記被検査物に照射する光照射ステップと、
前記光照射ステップにより照射された前記被検査物を近赤外光で撮像する近赤外撮像ステップと、
前記光照射ステップにより照射された前記被検査物を可視光で撮像する可視光撮像ステップと、
前記近赤外撮像ステップで撮像された近赤外画像と、前記可視光撮像ステップで撮像された可視光画像とに基づいて、前記被検査物に異物が混入しているかを判定する異物判定ステップと、
を有し、
前記教師データ生成ステップにおいて、可視光画像でも異物として視認できる異物サンプルであって、被検査物と色空間(L*a*b)の色差が70以下または同等の色差の色を有する異物サンプルに対しては、可視光画像では異物として指定せずに、可視光画像上において異物として視認される位置に対応する、近赤外画像上の位置の画像において、異物の形状を視認できる場合は、近赤外画像上の画像を異物として指定して学習させる、
ことを特徴とする異物検査方法。 - 請求項3に記載の異物検査装置であって、
前記異物判定手段は、異物学習手段で予め深層学習した異物サンプルの近赤外画像および可視光画像を参照して前記被検査物の異物の判定を行う第一の異物判定手段と、異物サンプルの学習をせずに前記被検査物の前記近赤外画像および可視光画像に基づいて前記被検査物の異物の判定を行う第二の異物判定手段とを備え、
前記異物判定手段は、前記第一の異物判定手段、前記第二の異物判定手段の双方が異物と判定したときは、前記搬送路を停止させる、
ことを特徴とする異物検査装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022048427A JP2022088495A (ja) | 2020-07-17 | 2022-03-24 | 教師データ生成方法および異物検査装置ならびに異物検査方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020122804 | 2020-07-17 | ||
JP2020122804 | 2020-07-17 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022048427A Division JP2022088495A (ja) | 2020-07-17 | 2022-03-24 | 教師データ生成方法および異物検査装置ならびに異物検査方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022019569A JP2022019569A (ja) | 2022-01-27 |
JP7053075B2 true JP7053075B2 (ja) | 2022-04-12 |
Family
ID=80203693
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021098751A Active JP7053075B2 (ja) | 2020-07-17 | 2021-06-14 | 教師データ生成方法および異物検査装置ならびに異物検査方法 |
JP2022048427A Pending JP2022088495A (ja) | 2020-07-17 | 2022-03-24 | 教師データ生成方法および異物検査装置ならびに異物検査方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022048427A Pending JP2022088495A (ja) | 2020-07-17 | 2022-03-24 | 教師データ生成方法および異物検査装置ならびに異物検査方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7053075B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7440044B2 (ja) | 2022-02-08 | 2024-02-28 | ユーシーシー上島珈琲株式会社 | コーヒー豆類の良品識別機能を備える良品検査システムおよび良品検査方法 |
KR102442972B1 (ko) * | 2022-04-05 | 2022-09-14 | (주)엠에스아이티 | 이미지 프로세싱을 통한 원자재에 포함된 이물질 판별 시스템 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015114226A (ja) | 2013-12-12 | 2015-06-22 | ジェイティエンジニアリング株式会社 | 外観検査装置及び外観検査方法 |
CN106824824A (zh) | 2016-10-26 | 2017-06-13 | 湖南理工学院 | 一种具有前置图像处理及反射式光谱单元的塑料分选系统 |
CN109420622A (zh) | 2017-08-27 | 2019-03-05 | 南京理工大学 | 基于卷积神经网络的烟叶分拣方法 |
JP2020051982A (ja) | 2018-09-28 | 2020-04-02 | Jfeテクノリサーチ株式会社 | 画像検査装置及び検査モデル構築システム |
JP2020051981A (ja) | 2018-09-28 | 2020-04-02 | Jfeテクノリサーチ株式会社 | 検査装置 |
JP2021018082A (ja) | 2019-07-17 | 2021-02-15 | 株式会社大道産業 | 異物の検出装置 |
-
2021
- 2021-06-14 JP JP2021098751A patent/JP7053075B2/ja active Active
-
2022
- 2022-03-24 JP JP2022048427A patent/JP2022088495A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015114226A (ja) | 2013-12-12 | 2015-06-22 | ジェイティエンジニアリング株式会社 | 外観検査装置及び外観検査方法 |
CN106824824A (zh) | 2016-10-26 | 2017-06-13 | 湖南理工学院 | 一种具有前置图像处理及反射式光谱单元的塑料分选系统 |
CN109420622A (zh) | 2017-08-27 | 2019-03-05 | 南京理工大学 | 基于卷积神经网络的烟叶分拣方法 |
JP2020051982A (ja) | 2018-09-28 | 2020-04-02 | Jfeテクノリサーチ株式会社 | 画像検査装置及び検査モデル構築システム |
JP2020051981A (ja) | 2018-09-28 | 2020-04-02 | Jfeテクノリサーチ株式会社 | 検査装置 |
JP2021018082A (ja) | 2019-07-17 | 2021-02-15 | 株式会社大道産業 | 異物の検出装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2022019569A (ja) | 2022-01-27 |
JP2022088495A (ja) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830179B2 (en) | Food inspection assisting system, food inspection assisting apparatus and computer program | |
JP7053075B2 (ja) | 教師データ生成方法および異物検査装置ならびに異物検査方法 | |
KR101656635B1 (ko) | 어종 판별 장치 및 어종 판별 방법 | |
JP4209926B1 (ja) | 近赤外線を用いた包装食品の検査装置 | |
WO2008016309A1 (en) | Multi-modal machine-vision quality inspection of food products | |
EP3801934B1 (en) | Process and system for in-line inspection of product stream for detection of foreign objects | |
US20080204733A1 (en) | Sensing in Meat Products and the Like | |
WO2016133175A1 (ja) | 莢果選別システム、莢果選別装置及び莢果選別方法 | |
WO2019151393A1 (ja) | 食品検査システム、食品検査プログラム、食品検査方法および食品生産方法 | |
GB2446822A (en) | Quality control of meat products using optical imaging | |
JP2020051982A (ja) | 画像検査装置及び検査モデル構築システム | |
JP6454923B2 (ja) | 食品検査装置 | |
KR102240757B1 (ko) | Lctf-기반 다분광 영상 기술을 이용한 가공 채소류 내 포함된 이물질 실시간 검출 시스템 | |
WO2018198923A1 (ja) | 卵の検査装置 | |
JP2022132878A (ja) | 卵検査装置および卵検査方法 | |
JP6699694B2 (ja) | 検査システム、検査方法 | |
JP6448697B2 (ja) | 検査装置、ptp包装機及びptpシートの製造方法 | |
JP2020051981A (ja) | 検査装置 | |
KR102205445B1 (ko) | 다분광 형광 영상을 이용한 가공 채소류 측 이물질 검출시스템 및 검출방법 | |
JP7029343B2 (ja) | 異物検出装置および異物検出方法 | |
KR101636508B1 (ko) | 과일 선별 장치 | |
Lawrence et al. | Hyperspectral imaging for poultry contaminant detection | |
JP6572648B2 (ja) | 粒状樹脂検査装置ならびに検査方法 | |
JPH06229957A (ja) | 材質判別方法 | |
JP2004317153A (ja) | 青果物の光沢検査装置及び光沢検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210614 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210614 |
|
AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20210727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220207 |
|
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: 20220222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220324 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7053075 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |