KR20090033568A

KR20090033568A - 쌀 및 현미의 외관 품위 측정장치 및 그 방법

Info

Publication number: KR20090033568A
Application number: KR1020070098650A
Authority: KR
Inventors: 윤홍선; 정훈; 이현동; 김영근
Original assignee: 대한민국(관리부서:농촌진흥청)
Priority date: 2007-10-01
Filing date: 2007-10-01
Publication date: 2009-04-06
Also published as: JP5706860B2; JP2010540957A; JP2013029520A; WO2009045035A1; KR100903704B1; JP5368455B2

Abstract

본 발명은 일정량의 쌀에 포함된 완전 쌀과 분상질 쌀, 싸라기, 착색 쌀 및 금간 쌀 등의 비율과 현미에 포함된 완전 현미와 분상질 현미, 싸라기, 착색 현미, 미숙 현미 등의 비율 등을 자동으로 판정할 수 있도록 한 쌀 및 현미의 외관 품위 측정장치 및 측정방법에 관한 것이다.

특히, 외관품위를 판정함에 있어서 짧은 시간에 높은 판정 정밀도를 얻기 위하여 쌀 또는 현미 시료를 한 알씩 공급하는 대신에 수십 알의 시료를 한꺼번에 공급하고 그 시료들을 한 장의 영상에 담아서 컴퓨터 영상처리에 의해 소프트웨어적으로 한 알씩의 외관품위를 판정하는 장치를 개시하였다.

본 발명의 외관품위 판정장치는, 투명 또는 반투명 재질로 구성되며 상면에 시료가 놓여지는 시료대(30)와; 시료대(30)의 하부에 위치되어 시료대(30)를 회전시키는 회전원판(50)과; 시료대(30)의 상부에 위치되어 시료대(30)로 쌀 또는 현미를 공급하는 시료 공급부재와; 시료대(30)로부터 이격되게 설치되어 시료를 조명하는 상부조명(21) 및 하부조명(22)과; 시료대(30)로부터 이격된 상부측에 설치되어 시료대(30) 위의 시료를 촬영하는 CCD 카메라(20)와; 영상처리 프로그램을 이용하여 카메라(20)에 의해 촬영된 영상을 처리하여 외관 품위를 판정하는 컴퓨터(10)와; 컴퓨터(10)의 내부에 설치되어 카메라(20)를 제어하는 프레임 그래버(11)와; 프레임 그래버(11)로부터 카메라(20)의 작동상태에 관한 신호를 받아, 시료 공급통(40)으로부터의 시료 공급속도 및 회전원판(50)의 회전속도를 제어하는 속도조절 기(60);를 포함하는 것을 특징으로 한다.

쌀, 현미, 외관 품위, 외관, 프레임그래버, CCD카메라, 이진화, 분상질쌀, 분상질 현미, 싸라기, 완전쌀, 완전현미, 착색쌀, 착색현미, 미숙 현미, 영상처리, 색차, 픽셀, 화소, 오쓰 알고리즘

Description

쌀 및 현미의 외관 품위 측정장치 및 그 방법{The White and Brown Rice Appearance Characteristics Measurement System and the Same Method}

본 발명은 쌀과 현미의 외관 품위를 평가하는 장치에 관한 것으로서, 특히 일정량의 쌀에 포함된 완전 쌀과 분상질 쌀, 싸라기, 착색 쌀 및 금간 쌀 등의 비율과 현미에 포함된 완전 현미와 분상질 현미, 싸라기, 착색 현미, 미숙 현미 등의 비율을 자동으로 판정할 수 있도록 한 쌀 및 현미의 외관 품위 측정장치에 관한 것이다.

우리나라는 오랜 벼 재배 역사를 가지고 있으면서도 쌀을 마음껏 먹을 수 있게 된 것은 불과 20 여년 전부터이다. 그런데, 최근에는 절대적인 쌀 소비량 감소와 더불어 계속된 풍작 및 최소시장접근(MMA:Minimum Market Access)에 따른 수입물량의 증가 등으로 인해 쌀 재고량이 급격하게 증가하고 있는 실정이다. 이에 따라 2005년말에는 재고량이 천만섬을 넘어서게 되었다. 또한, 우리 쌀은 미국이나 중국 등에서 생산하는 쌀에 비하여 생산비가 현저히 높아서 가격경쟁력을 갖지 못하고 있다.

한편, 최근 국가경제의 발전과 국민 식생활의 변화로 양질미에 대한 선호도 가 높아져 고품질미 생산의 필요성이 증대되고 있다. 특히, 우리 쌀이 외국 쌀에 비하여 가격경쟁력이 낮은 상황에서 우리 쌀을 지키기 위해서는 무엇보다도 소비자의 기호에 맞는 고품질의 쌀을 생산하는 것이 중요한 문제로 대두되었다.

쌀의 품질은 최종적으로 영양과 맛 등이 중요시되지만, 쌀의 이용방법이나 쌀을 취급하는 주체에 따라서는 쌀의 외관을 품질평가의 대상으로 하는 경우가 많다. 이러한 쌀의 외관 품질과 관련된 것은 쌀에 포함된 완전 쌀, 싸라기, 분상질 쌀, 착색 쌀 등의 비율로서, 이들은 쌀의 상품성은 물론 밥맛에도 영향을 주는 것으로 알려져 있다. 그리고, 농림부에서는 쌀의 품질을 3개 등급으로 나누고 있는데(농림부 고시 제2005-59호), 각 등급은 수분, 싸라기, 분상질 쌀, 피해립, 열손립 및 기타 이물의 함량 등과 같은 쌀의 외관품질을 기준으로 하여 구분되고 있다.

한편, 쌀의 외관품질의 평가는 일반적으로 시험자의 육안에 의해 이루어지고 있다. 그런데 육안판정에 근거하여 만들어지는 결과는 일반적으로 검사자의 숙련도 및 개인적인 편견, 피로도, 조명의 종류 및 밝기 등에 의해 영향을 받을 수 있다. 이로 인하여 판정의 객관성이 낮고, 신속한 판정이 어려울 뿐 아니라 노력과 시간도 많이 소요된다. 따라서, 신속하고 객관적으로 쌀의 외관품질을 평가할 수 있는 기계장치의 개발이 요구되고 있다.

현재 외국에서는 쌀을 한 알씩 공급하면서 쌀의 영상을 획득하고, 그 영상을 컴퓨터로 분석하여 외관품질을 평가하는 기계장치가 사용되고 있으며, 국내에도 다수 보급되어 있다. 그러나 이들 장치도 육안판정보다는 빠르지만 비교적 시간이 많 이 소요되고 정밀도가 낮으며 가격이 비싼 문제점이 지적되고 있다.

기계시각(Machine Vision)은 영상처리 기술 및 패턴인식 기술을 컴퓨터 기술과 합성시켜 이루어지는 것이다. 기계시각은 농식품 가공공정에 이용될 수 있는 잠재력이 높은 기술로서 기계시각을 농식품의 품질검사와 등급화에 응용하기 위한 많은 연구가 수행되고 있다. 전통적으로 농식품의 품질검사는 육안검사에 의존해왔는데, 대부분 경우 육안검사는 시간이 오래 걸리고, 많은 사람을 필요로 하며, 작업의 정밀도도 낮아지게 된다. 이와는 대조적으로 기계시각을 이용한 농식품의 검사는 훨씬 일관적이고 편리하며 비용효율이 높다는 것이 증명되었다(Lu et al.,2000; Tao et al., 1995).

기계시각을 이용하는 데는 카메라로 영상을 촬영하여 이를 컴퓨터가 인식할 수 있는 디지털 영상으로 변환시키는 영상획득 과정과 디지털 영상을 분석하여 필요한 정보를 추출하는 영상분석 과정으로 크게 나눌 수 있다.

영상획득의 성공 여부는 기본적으로 적절한 조명에 달려있다. 조명의 특성들은 대상물 및 사용되는 영상획득 장치의 특성에 따라 달라진다. 조명장치로는 형광등, 할로겐등, LED 등 다양한 형태의 것을 사용할 수 있으며, 대상물에 빛을 비추는 방향에 따라 정면조명, 후면조명, 경사조명 등의 방법이 사용된다. 영상장치는 PD(Photo Diode)나 CCD(Charge Coupled Device)로 구현된 점센서, 선센서, 면센서 등의 광학 장치를 이용하여 센서 위에 맺히는 영상을 주사(Scan)하여 영상을 전기 신호로 변환한다. 여기에서 얻어진 아날로그 영상 신호는 x, y방향으로 공간 샘플링을 한 후, A/D변환에 의해 디지털 영상신호로 변환시킨다. A/D변환 후의 영상데 이터는 프레임 버퍼(Frame buffer)에 한 개의 영상 프레임으로 저장된다. 프레임 버퍼는 실시간으로 영상을 획득하고 디스플레이 할 수 있다.

기계시각을 응용하는 목표는 얻어진 영상으로부터 필요한 정보를 추출하는데 있다. 이를 위해서 기계시각에 의해 얻어진 원 영상을 원하는 신호와 관련된 모양으로 향상시키는 작업을 수행하며 이를 영상처리(Image Processing)라 한다. 즉, 영상 내에 포함되어 있는 잡신호의 제거, 영상이 가진 특징의 추출 등을 위하여 여러가지 조작을 수행하는 것이다. 이러한 영상처리 과정에서 영상이 갖고 있는 정보를 변환하지는 않으면서도 영상이 가지고 있는 중요한 특징을 강조하게 되며, 대비 강조, 모서리 강조, 잡상 제거, 첨예화, 확대 등의 기법을 사용되고 있다. 영상분할(Image Segmentation)이란 영상으로부터 필요한 정보를 추출하기 위하여 대상물체를 배경으로부터 분리시키는 작업이다. 예를 들어 쌀의 영상으로부터 배경을 분리시키고 쌀의 영상만을 추출하는 것이다. 영상분할이 끝난 영상은 후처리에 적합한 형태로 표현한다. 표현방법에는 외적특성(경계)의 표현과 내적특성(화소)의 표현방법이 있다. 영상을 2차원적인 수식이나 함수 또는 특별한 표시자를 이용하여 표시하는 것으로서, 2차원 공간에서의 영상은 영역, 경계선 또는 윤곽선 등으로 표시할 수 있다. 영역은 윤곽점, 결, 색깔 등의 성질이 유사하거나 동일한 부분을 구분하여 표시한 영상의 일부분이다. 경계선은 물체의 윤곽점을 구하는 과정으로부터 부각되거나 또는 여러 가지 구획방법에 의해서 얻어지는 경계선을 말한다. 영상처리 프로세서(Image Processor)는 특정의 영상처리를 고속으로 실행하는 전용의 하드웨어로서 영상취입, 영상저장, 저급영상 처리, 영상전시와 같은 기본기능을 수행 하며, 여러 개의 영상을 처리하거나 정확하고 고속으로 영상을 처리하는데 필요하다. 대부분의 영상처리는 한 화면을 단위 프레임 시간(약 1/30초)에 디지털화한다.

곡물에 대해 기계시각을 이용하여 형태적·광학적·조직적 특성을 측정·분류하기 위한 많은 연구들이 수행되어 왔다. Zayas 등(1996)은 밀의 품종 식별에, Ruan 등(1997)은 밀의 부패병 감염정도의 측정에, Ni(1997) 등은 옥수수 입자의 크기 계측에, Xie와 Paulsen(1997)은 옥수수의 백도측정에, Ni 등(1997)은 옥수수의 완전립과 쇄립의 식별에, Steenhoek와 Precetti(2000)는 옥수수의 크기 등급화에, Liu 등(1997)은 쌀의 도정도 측정에, Yadav와 Jindal(2001)은 쌀의 도정품질 측정에, Majumdar 등(1997)은 밀·보리·귀리·호밀의 식별을 위하여 기계시각을 응용하는 연구를 수행하였다. 그러나 이들 연구에서는 낱알의 곡립들이 서로 접촉되지 않고 넓은 면적에 분산되도록 하기 위해 수작업으로 곡립을 카메라 아래에 공급하여 영상을 획득하였다. 이러한 문제점을 해결하기 위하여 Casady와 Paulsen(1989), Jayas (1999) 등은 곡립을 한 개씩 자동으로 공급해 주는 장치를 개발하였지만 측정장치가 복잡하고 비싸지며 측정에 소요되는 시간이 길어지는 문제가 있다.

이러한 문제의 해결을 위하여 곡립이 접촉되어 있는 상태로 공급하고 카메라로 영상을 획득한 다음, 전체적인 영상으로부터 낱개의 곡립의 영상을 소프트웨어(software)적으로 분리함으로써 필요한 정보를 추출·분석하기 위한 영상처리 알고리즘의 개발을 시도하게 되었다. 이러한 알고리즘의 개발은 기계시각을 이용한 곡립검사 장치의 자동화와 단순화에 기여할 것으로 기대되고 있다.

이에 대한 연구로서 Shatadal 등(1995)은 곡립 영상을 침식(Erosion)시킨 다 음 팽창(Dilation)시켜서 접촉부분의 경계선을 찾는 수학적 형태학(Mathematical Morphology)을 이용한 영상처리 알고리즘을 개발하였다 이 알고리즘에 따르면, 낱알을 분리하여 인식하는 비율이 HRS와 Durum 밀에서는 95%, 보리에서는 94%, 호밀에서는 89%, 귀리에서는 79%로 나타났으며, 곡립의 모양이 가늘고 끝이 뾰족할수록, 또 곡립이 길이방향으로 여러 개가 접촉되어 있으면, 낱알 인식의 정밀도가 낮아진다고 하였다.

또, Shashidhar 등(1997)은 곡립의 형상에 가장 근사하는 타원을 만들어 각각의 타원을 곡립으로 인식하도록 하는 타원맞춤(Ellipse Fitting)법을 사용하는 컴퓨터 알고리즘을 개발하였다. 그리고, Visen 등(2001)은 Shashidhar 등이 개발한 타원 맞춤법을 사용하여 접촉되어 있는 곡립들을 접촉된 타원으로 인식시킨 다음에, 접촉된 타원의 외곽의 곡률변화를 비교·분석하여 접촉지점을 찾아내어 분리시킴으로써 낱개의 곡립으로 인식하도록 하는 알고리즘을 개발하였다. 그 결과 밀·보리·호밀·귀리에 대하여 실험한 결과 평균 98.6%의 성공률을 나타내었다.

그러나, 이 알고리즘에 따르면 접촉지점에서의 곡률변화가 뚜렷하지 않거나, 서로 접촉된 곡립의 영상으로부터 낱개의 곡립을 분리할 때 경계면이 불규칙하고 접촉면이 뚜렷하지 않으면, 식별 정도가 떨어진다고 하였다. 또, 이들의 방법은 형상이 비슷한 곡립에 대해서는 적용성이 높으나, 형상이 다른 이종곡립이나 깨진 곡립 등이 혼입되거나 곡립이 붙어있는 모양이 불규칙적이고 복잡하면 낱개의 곡립을 분리·인식하는 정밀도가 낮아진다고 하였다.

본 발명은 상기한 종래 문제점을 해결하기 위하여 안출된 것으로서, 쌀 및 현미의 외관품위를 평가함에 있어서 짧은 시간에 높은 판정 정밀도를 얻기 위하여 쌀 또는 현미를 한 알씩 공급하는 대신에 수십 알의 쌀 또는 현미를 한꺼번에 공급하고 그 쌀 또는 현미들을 한 장의 영상에 담아서 컴퓨터 영상처리에 의해 소프트웨어적으로 한 알씩의 외관품위를 분석하는 장치 및 방법을 제공하는데 목적이 있다.

즉, 쌀 또는 현미를 연속적으로 공급하면서 쌀 또는 현미의 영상을 획득할 수 있는 시험장치, 수십 알의 쌀 또는 현미알이 포함된 한 장의 영상으로부터 한 개씩의 쌀 또는 현미알을 분리시켜 인식하고, 그 쌀알의 외관품위, 즉 완전 쌀, 금간 쌀, 싸라기, 착색 쌀, 분상질 쌀 등 및 현미의 외관품위, 즉 완전현미, 금간현미, 싸라기, 착색현미, 분상질 현미 등을 식별할 수 있는 컴퓨터 영상처리 알고리즘과 프로그램, 그리고 최종적으로 쌀 및 현미의 외관품위 자동측정장치를 개시하여 외관품위 판정에 있어 좀더 빠르고 정밀한 작업을 수행할 수 있도록 하는 것을 목적으로 한다.

벼를 현미 또는 쌀로 가공하면 현미에는 완전 현미, 복백 현미, 착색 현미, 깨진 현미, 금간 현미 등이 포함되어 있고, 쌀에는 완전 쌀, 복백 쌀, 착색 쌀, 깨진 쌀, 금간 쌀 등이 포함되어 있으며, 완전 쌀 또는 완전 현미의 비율이 높을수록 품위가 우수하다. 이에 따라 본 발명은 쌀 또는 현미 시료를 공급하는 공급장치, 시료의 영상을 찍는 CCD카메라와 카메라로 찍은 영상을 분석하는 컴퓨터 시스템으로 기계장치를 구성하고, 시료를 공급하면 컴퓨터 시스템이 자동으로 시료의 외관품위를 판별하여 그 개수 및 구성비율을 나타낸다. 쌀 또는 현미의 외관품위를 판별함에 있어서는 기존에 시료를 1립씩 공급하여 판별하는 시스템과 달리 수십 개의 시료를 연속적으로 공급하여도 각각의 시료 한 알씩의 품위를 판별해 낼 수 있는 쌀 및 현미의 외관 품위 측정장치 및 그 방법을 제공하는 것을 목적으로 한다.

상기한 목적을 달성하기 위한 본 발명의 쌀 및 현미의 외관 품위 측정장치는, 투명 또는 반투명 재질로 구성되며 상면에 쌀 또는 현미 시료가 놓여지는 시료대와; 상기 시료대의 하부에 위치되어 상기 시료대를 회전시키는 회전부재와; 상기 시료대의 상부에 위치되어 시료대로 쌀 또는 현미를 공급하는 공급부재와; 상기 시료대로부터 이격되게 설치되어 쌀 또는 현미를 조명하는 조명부재와; 상기 시료대로부터 이격된 상부측에 설치되어 상기 시료대 위의 쌀 또는 현미를 촬영하는 영상획득부재와; 영상처리 프로그램을 이용하여 상기 영상획득부재에 의해 촬영된 영상을 처리하여 도정 품위를 판정하는 컴퓨터와; 상기 컴퓨터의 내부에 설치되어 상기 영상획득부재를 제어하는 프레임 그래버와; 상기 프레임 그래버로부터 상기 영상획득부재의 작동상태에 관한 신호를 받아, 상기 쌀 또는 현미 공급부재로부터의 쌀 또는 현미 공급속도 및 상기 회전부재의 회전속도를 제어하는 속도조절기;를 포함하는 것을 특징으로 한다.

또, 본 발명의 쌀 및 현미의 외관 품위 측정장치에 따르면, 상기 영상획득부 재는, 렌즈를 조정하여 초점 거리를 변화시킬 수 있고 상하 방향으로 이동 가능하게 설치되는 CCD 카메라인 것을 특징으로 한다.

또한, 본 발명의 쌀의 도정 품위 측정장치에 따르면, 상기 컴퓨터는, 완전 쌀, 분상질 쌀, 싸라기, 금간 쌀, 착색 쌀 또는 완전현미, 분상질 현미, 싸라기, 금감 현미, 착색 현미, 미숙 현미 중 하나 이상의 비율 또는 개수를 측정하여 전체 쌀 및 현미의 외관 품위를 자동으로 판정하는 것을 특징으로 한다.

그리고, 본 발명에 의한 쌀 및 현미의 외관 품위 측정방법은, 시료대 상에 놓여진 쌀 또는 현미를 카메라로 촬영하는 단계와; 상기 카메라에 의해 획득된 쌀또는 현미의 원 영상을 프레임 그래버에 의해 RGB 또는 YUV 모델에 해당하는 데이터 형태로 저장하는 단계와; 저장된 영상을 이진화하는 단계와; 이진화된 영상을 최단거리로 거리변환(Distance Transform)하여 등고선 모양의 2차원 영상을 만드는 단계와; 상기 2차원 영상을 3차원화 하고, 분기점변환(Watershed Transform)을 통해 경계선을 추출하는 단계와; 상기 경계선을 기준으로 하여 붙어있는 쌀 또는 현미들을 분리시키고, 각각의 쌀 또는 현미에 대한 레이블링을 하는 단계와; 상기 단계에서 레이블링된 각 쌀 또는 현미를 분석하여 완전 쌀, 분상질 쌀, 싸라기, 금간 쌀, 착색 쌀, 또는 완전현미, 분상질 현미, 싸라기, 금감 현미, 착색 현미, 미숙 현미 중 하나 이상의 비율 및 개수를 판정하는 단계로 이루어진 것을 특징으로 한다.

또, 본 발명의 쌀 및 현미의 외관 품위 측정방법에 따르면, 상기 저장된 영상을 이진화하는 단계는, 쌀 또는 현미와 배경을 구분하기 위한 농도의 문턱값을 능동적으로 계산할 수 있도록 Otsu 알고리즘을 이용하는 것을 특징으로 한다.

본 발명의 쌀 및 현미의 외관 품위 측정장치 및 방법에 따르면, 쌀 및 현미의 외관 품위 측정장치를 사용할 경우 사람의 눈으로 판별할 때 소요되는 노력과 시간을 절감하고, 기계적 기준에 의해 판별하므로 판별의 객관성을 확보할 수 있는 효과가 있다.

또, 본 발명의 쌀 및 현미의 외관 품위 측정장치 및 방법에 따르면, 쌀 및 현미의 외관품위를 판별함에 있어서 기존에 쌀 또는 현미를 1립씩 공급하여 판별하는 시스템과 달리 수십 개의 쌀 또는 현미를 연속적으로 공급하여도 각각의 쌀 또는 현미 알의 품위를 판별해 낼 수가 있고, 쌀 또는 현미를 1립씩 공급하는 장치가 불필요하여 제품가격을 획기적으로 절감할 수 있으며, 수십 개의 쌀알 또는 현미알 공급하면서 실시간에서 판별하므로 판별시간도 단축시키는 효과가 있다.

이하, 첨부된 도면을 참조하여 본 발명에 의한 쌀 및 현미의 외관 품위 측정장치 및 방법을 설명하면 다음과 같다.

도 1은 본 발명에 의한 쌀 및 현미의 외관 품위 측정장치가 개략적으로 도시된 구성도이고, 도 2는 본 발명의 쌀 및 현미의 외관 품위 측정장치 시작품의 실물 사진이며, 도 3은 본 발명의 영상처리 과정이 도시된 순서도이고, 도 4는 본 발명에 따른 디지털 영상의 농도 히스토그램이 도시된 그래프이다. 또, 도 5는 붙어 있는 쌀의 분리 과정이 도시된 순서도이고, 도 6은 오쓰 알고리즘을 사용하지 않고 이진화하는 과정이 도시된 도면이며, 도 7은 오쓰 알고리즘을 사용하여 이진화하는 과정이 도시된 도면이다. 그리고, 도 8은 거리변환 과정이 도시된 도면이고, 도 9는 붙어 있는 쌀의 경계선을 찾아가는 과정이 도시된 도면이며, 도 10은 붙어 있는 쌀의 경계분리에 따른 맵 라인화 과정이 도시된 도면이다.

본 발명에 의한 쌀 및 현미의 외관 품위 측정장치는, 투명 또는 반투명 재질로 구성되며 상면에 쌀 또는 현미 시료가 놓여지는 시료대(30)와; 상기 시료대(30)의 하부에 위치되어 상기 시료대(30)를 회전시키는 회전원판(50)과; 상기 시료대(30)의 상부에 위치되어 시료대(30)로 쌀 또는 현미를 공급하는 공급통(40) 및 상기 공급통(40)의 내부에 설치되어 상기 시료대(30)로 공급되는 쌀 또는 현미의 양을 조절하는 회전롤러(41)와; 상기 시료대(30)의 상하측에 상기 시료대(30)로부터 이격되게 각각 설치되어 쌀 또는 현미를 조명하는 상부조명(21) 및 하부조명(22)과; 상기 시료대(30)로부터 이격된 상부측에 설치되어 상기 시료대(30) 위의 쌀 또는 현미를 촬영하는 CCD 카메라(20)와; 영상처리 프로그램을 이용하여 상기 카메라(20)에 의해 촬영된 영상을 처리하여 외관 품위를 판정하는 컴퓨터(10)와; 상기 컴퓨터(10)의 내부에 설치되어 상기 카메라(20)를 제어하는 프레임 그래버(11)와; 상기 프레임 그래버(11)로부터 상기 카메라(20)의 작동상태에 관한 신호를 받아, 상기 공급통(40)으로부터의 쌀 또는 현미 공급속도 및 상기 회전원판(50)의 회전속도를 제어하는 속도조절기(60)와; 상기 시료대(30)의 상면에 설치되어 상기 카메라(20)에 의해 촬영을 마친 쌀 또는 현미를 분리하는 배출 분리판(51)과; 상기 시료대(30)의 하부에 설치되어 상기 배출 분리판(51)에 의해 분리된 쌀 또는 현미를 회수하는 수집통(52) 및 이들 장치들을 지지하는 지지대(70)를 포함하여 이루어진다.

여기서, 상기 상부조명(21)은 상기 하부조명(22)에 비해 조도가 높은 것을 사용하고, 상기 카메라(20)는 렌즈를 조정하여 초점 거리를 변화시킬 수 있고 상하 방향으로 이동 가능하게 설치된다. 그리고, 상기 프레임 그래버(11)는 상기 상부조명(21) 및 하부조명(22)에 의한 밝기에 따라 상기 카메라(20)의 렌즈를 조절하며, 동시에 상기 공급통(40) 내부의 회전롤러(41)를 제어하여 쌀 또는 현미 공급량을 조절하도록 한다. 또, 상기 컴퓨터(10)는, 완전 쌀, 분상질 쌀, 싸라기, 금간 쌀, 착색 쌀 또는 완전현미, 분상질 현미, 싸라기, 금감 현미, 착색 현미, 미숙 현미 중 하나 이상의 비율 또는 개수를 측정하여 전체 쌀 및 현미의 외관 품위를 자동으로 판정하게 된다.

여기서, 상기 컴퓨터(10)가 쌀 및 현미의 외관 품위를 판정하는 과정은 다음과 같다.

시료대(30) 상에 놓여진 쌀 또는 현미 시료를 카메라로 촬영하고, 상기 카메라(20)에 의해 획득된 시료의 원 영상을 프레임 그래버(11)에 의해 RGB 또는 YUV 모델에 해당하는 데이터 형태로 저장한 후, 저장된 영상을 이진화한다. 이어, 이진화된 영상을 최단거리로 거리변환(Distance Transform)하여 등고선 모양의 2차원 영상을 만들고, 상기 2차원 영상을 3차원화 하고 분기점변환(Watershed Transform)을 통해 경계선을 추출한다. 그리고, 상기 경계선을 기준으로 하여 붙어있는 시료들을 분리시키고, 각각의 시료에 대한 레이블링을 실시하며, 레이블링된 각 시료를 분석하여 완전 쌀, 분상질 쌀, 싸라기, 금간 쌀, 착색 쌀 또는 완전현미, 분상질 현미, 싸라기, 금감 현미, 착색 현미, 미숙 현미 중 하나 이상의 비율 및 개수를 판정하는 것이다.

여기서, 상기 저장된 영상을 이진화하기 위해서는, 시료와 배경을 구분하기 위한 농도의 문턱값을 능동적으로 계산할 수 있도록 오쓰(Otsu) 알고리즘을 이용하는 것이 바람직하다.

이하에서 상기의 일반적인 구성을 구체화하여, 본 발명인 쌀 및 현미의 외관 품위를 측정한 실험 예를 나타내면 다음과 같다.

1. 실험재료

실험에 사용된 쌀은 미곡종합처리장에서 가공되는 2002년산 쌀을 가공현장에서 채취하여 완전립(Sound kernel), 싸라기(Broken kernel), 분상질립(Chalky kernel), 착색립(Colored kernel)을 육안검사에 의해 분류하여 사용하였다. 쌀 품위구분의 기준은 농림부에서 고시한 표준규격에 따랐다. 완전립은 쌀의 외관특성상 깨지지 않은 쌀과 깨진 쌀이라도 완전한 낟알 평균길이의 3/4이상의 형태를 가지고 있는 것 중 분상질립, 열손립, 피해립을 제외한 것으로 하였고, 낟알의 평균길이는 완전한 낟알 15개 이상을 계측하여 산출하였다. 싸라기는 KS A 5101 표준체 중 호칭치수 1.7㎜의 그물체로 쳐서 체 위에 남는 것 중 완전한 낟알 평균길이의 3/4미만의 깨진 낟알로 하였다. 분상질립은 체적의 1/2이상이 분상질 상태인 낟알로 하였다. 착색립은 피해립, 열손립 등을 포함하여 낟알 길이의 1/4이상이 착색된 낟알 로 하였다.

2. 외관품위 판정장치

쌀의 외관 품위 측정을 위하여 조명장치, 영상처리장치 및 쌀 공급/배출장치로 구성된 외관품질 판정장치를 제작하였다. 도 1과 도 2를 참조하여 구성을 설명하면 다음과 같다.

가. 조명장치

분석할 쌀을 올려놓는 시료대(30)의 상부에는 12W 용량의 백열등 1개를 설치하여 상부조명(21)으로 하고, 상기 시료대(30)의 하부에는 4W 용량의 형광등 2개를 설치하여 하부조명(22)하여 쌀을 조명하였다. 이때, 상기 시료대(30)의 하부로부터 조사되는 하부조명(22)의 광량을 조절하기 위하여 시료대(30)를 흰색의 반투명 아크릴판으로 제작하였다. 여기서, 상기 시료대(30)는 투명 또는 반투명인 것이 바람직하며, 측정시 조명의 밝기가 변화되면 측정결과에 오류가 생길 수 있으므로, 측정 전에 조명의 밝기를 측정하여 기준치와 다를 경우에는 카메라(20)의 렌즈를 조정하여 밝기를 기준치와 맞추도록 하였다.

나. 영상처리장치

영상처리장치는 칼라 CCD카메라(20)(LG하니웰, GC-450NA-G)와 프레임 그래버(11)(WDM방식, BT878chip 사용, 자체제작) 및 PC(10)(펜티엄 Ⅳ 2.0G, DDR-RAM 512MB)로 구성하였다. 본 연구에서 사용하기 위하여 제작한 영상처리장치는 CCD카메라(20)와 PC(10)내에 설치된 프레임 그래버(11)를 이용하여 공급되는 쌀들의 영상을 촬영하고, 촬영한 영상을 PC(10)의 영상처리 프로그램으로 분석하고 저장하도 록 하였다.

상기 CCD카메라(20)는 상하방향으로 이동할 수 있도록 하여 높이를 조절하도록 하였으며 초점거리 6mm, 밝기 F1.2인 렌즈를 부착하였다. 카메라(20)의 위치나 렌즈의 변경 등으로 쌀알 영상의 크기가 변화되면 측정 결과에 오류가 생기므로 측정전에 동전의 크기를 측정하여 기준 크기와 다를 경우에는 카메라(20)의 위치와 렌즈를 조정하여 크기를 기준치와 맞추도록 하였다.

상기 프레임 그래버(11)는 Windows98에 비해 RAM 인식 한계가 없는(메인보드의 사양에 따라서 다르지만, 최근 DDR-RAM 4GB 정도까지 인식함) Windows 2000, Windows XP의 OS에서 사용 가능하도록 WDM(Windows Driver Model)방식의 BT878칩(chip)을 사용하여 자체적으로 제작한 것을 사용하였다. 즉, 통상적인 프레임 그래버는 Windows98 OS를 사용하여 128MB 이상의 RAM을 사용해도 128MB로 밖에 인식하지 못하므로, 상기 카메라(20)로부터 전송된 고용량(640×480×3= 921600 Bytes)의 영상 데이터를 처리하는 데는 많은 시간이 소요된다.

또한, 일반 저가 TV 카드의 캡쳐 기능을 이용하여 VFW(Video For Window) 방식으로도 캡쳐가 가능하지만, 연구에 적합한 640×480의 해상도를 가지는 영상을 캡쳐하기에는 시간이 좀 더 소요되며, VxD 방식에만 제한된 드라이버가 제공되어야만 한다. VxD 방식의 드라이버가 아닌 경우, 320×240의 해상도 및 그 이하의 해상도로 캡쳐가 가능하며, 그 이상의 해상도를 필요로 할 경우에는 카드 제작사의 API를 알아야 하므로 실제적으로는 사용이 불가능하기 때문이다. 그리고, 상기 PC(10)의 영상처리 프로그램은 MFC(Microsoft Foundation Class Library)방식으로 Visual C++언어를 사용하여 작성하였다.

다. 쌀 공급 및 배출장치

시료를 연속적으로 공급하기 위한 쌀 공급장치는 회전롤러(41)에 의해 일정량씩 쌀을 배출하는 쌀 공급통(40)과 공급된 시료를 카메라(20) 아래쪽으로 이송하는 회전원판(50) 및 촬영이 끝난 시료를 분리하는 배출분리판(51) 및 이를 수집하는 수집통(52)으로 구성하였다. 이때, 상기 카메라(20)로 영상을 촬영하는 동안 쌀이 움직이면 정확한 영상획득이 불가능하므로 영상을 촬영하는 동안은 쌀의 공급을 멈추고 촬영이 끝나면 다시 공급하도록 하였다. 즉, 상기 프레임 그래버(11)에서 카메라(20)의 작동상태를 감지하여 전원공급 릴레이를 0.001초 단위의 정확도로 개폐하도록 제어함으로써 쌀 공급통(40)의 회전롤러(41)와 쌀을 이송하는 회전원판(30)을 구동하는 모터의 작동을 제어하였다. 공급되는 쌀의 양을 조절하기 위하여 속도조절기(60)(speed controller)로 쌀 공급통(40)의 회전롤러(41)와 이송 회전원판(30)을 구동하는 모터의 회전수를 수동으로 조절토록 하였다. 이때, 상기 하부조명(22), 속도조절기(60), 수집통(52)은 지지대(70)위에 장착되었다.

3. 영상처리

영상처리란 디지털 영상에 대한 가장 기본적인 처리로서 영상 내에 포함되어 있는 잡음의 제거, 영상이 가진 특징의 추출 및 각종 기본 조작을 행하는 필터링 조작 등을 수행하는 것이다. 영상처리 기법은 응용대상에 따라 여러 가지 형태로 분류가 가능한데, 본 연구에서는 한번에 여러 개씩 공급되는 쌀의 영상으로부터 한 개씩의 쌀알을 분리하여 식별하고 필요한 정보를 추출할 수 있도록 도 3과 같은 순 서에 의해 영상처리를 수행하였다.

가. 영상 획득

컬러 CCD카메라(20)로 촬영한 쌀의 원 영상은 프레임 그래버(11)에 의해 640×480픽셀의 YUV2 모델에 해당하는 데이터 형태로 메모리에 저장하였고, 다시 YUV2 모델의 데이터는 RGB24 모델의 데이터로 변환되어 버퍼에 저장하였다. 보통 컬러 영상은 RGB의 성분으로 표시하는 것이 일반적이지만 YUV 형식으로 표시한 이유는 영상을 휘도 성분과 색차 성분으로 표시하면 RGB보다 메모리를 효과적으로 사용할 수 있고 또한 빠른 속도로 처리를 할 수 있기 때문이다. YUV형식이 메모리를 효과적으로 사용할 수 있는 이유는 색차 성분이 각각의 픽셀에 대하여 주어지는 것이 아니라 4개의 픽셀 당 한 개의 색차 성분이 주어지기 때문이다. 즉 4:1:1의 YUV 형식인 경우 영상을 구성하는 픽셀을 4개씩 묶어 각각의 휘도(Y)를 샘플링하고, 색차(U,V)는 4개 픽셀의 평균값을 취하는 것을 의미한다. 따라서 4개의 픽셀에 4개의 휘도와 각 1개씩의 색차(U,V)가 있으므로 전체 6개의 샘플이 된다. 따라서 RGB의 경우 4개 픽셀에 각각 3개씩, 전체 12개 샘플과 비교하면 메모리가 1/2로 줄어들게 된다. 여기서 4:1:1이 아니라 4:2:2로 되면 YUV2 모델이 된다.

나. 이진화

획득된 영상으로부터 특정 정보를 추출하기 위해 배경과 분석대상물을 분리하기 위하여 디지털 영상을 검정색(0)과 흰색(255) 두 개의 값으로만 표현하는 기법이다. 배경과 분석대상물의 특징을 나눌 때 명도의 문턱값(Threshold)을 두어 그 이하의 값을 0, 그 이상의 값을 255로 두면 쉽게 물체의 식별이 가능하다. 문턱값 의 설정은 사용자의 판단에 의해 결정되는 경우도 있으며 동적 문턱값을 판별해내는 기법이 이용되기도 한다. 본 연구에서는 수십 개의 쌀을 한꺼번에 공급하여 하나의 영상을 획득하므로 공급되는 쌀의 개수에 따라 영상의 명도가 달라진다.

따라서 고정된 문턱값을 사용하게 되면 이진화에 오류가 발생되므로 오쓰(Otsu)법을 사용하여 동적 문턱값을 판별토록 하였다. Otsu법은 Otsu가 1979년에 제안한 알고리즘으로 아직까지도 많이 참조되는 알고리즘 중에 하나로서, 동적으로 이미지의 히스토그램으로부터 자동적으로 문턱값을 찾아준다. Otsu법을 개략적으로 설명하면 다음과 같다. 0부터 L-1까지의 그레이 레벨(Grey level)을 갖는 영상의 이미지가 도 2의 히스토그램과 같은 분포를 나타낼 때 0부터 L-1사이의 임의의 그레이 레벨을 k라고 하면, k를 기준으로 0부터 k점까지의 왼쪽 영역과 k+1부터 L-1까지의 오른쪽 영역으로 나눌 수 있다. 이때 k값은 두 영역 사이의 분산(σ2B(k))이 최대가 되는 지점으로 결정된다.

여기서, k는 임의의 문턱값, μT는 히스토그램의 평균값, ω(k)는 0차 누적 모멘트, μ(k)는 1차 누적 모멘트, p(i)는 히스토그램의 정규 확률 밀도 함수, n(i)는 그레이 레벨 i에서의 픽셀(Pixel:화소)수, N은 총 픽셀수를 각각 의미한다.

이 방법은 조명, 노이즈 등 외부적인 요인에 기인한 히스토그램의 변화가 아니라 측정하려는 쌀의 양이 달라져서 쌀알의 밝기가 변화되는 경우에 변화되는 히스토그램에 따라서 능동적으로 문턱값을 찾아낼 수 있다.

다. 붙어있는 쌀의 경계분리

디지털 영상에서 쌀과 배경을 분리시켜도 여러 개의 쌀이 서로 붙어있는 상태이므로 낱개의 쌀알의 정보를 추출하기 위해서는 붙어 있는 쌀을 모두 분리시켜 인식하여야 한다. 붙어있는 쌀의 경계를 찾아서 분리시키기 위해 도 3과 같이 분기점(Watershed) 알고리즘을 적용하였다. 우선 이진화된 영상을 3×3 유클리드 마스크를 사용하여 외곽에서부터의 최단거리로 거리변환(Distance Transform)하여 등고선 모양의 영상을 만들고 분기점변환(Watershed Transform)을 하기 위해서 2차원의 영상을 3차원화 한다. 3차원화한 영상으로부터 붙어있는 쌀들의 유역능선을 판별하여 별도의 영상을 만들고 이것을 2진화된 원 영상과 합성하여 쌀이 붙어있는 부분에서의 경계선을 만들어 주고 붙어있는 쌀알을 분리하여 각각의 쌀알의 영상을 추출한다.

다음에 영상의 가장자리에 닿아서 쌀이 영상이 잘려나간 것이나 작은 티끌, 보통의 쌀 보다 월등히 큰 이물질 등의 불필요한 영상을 지우고(Edge off), 선택된 쌀알의 영상에서 각각의 쌀알을 독립적으로 구분해주는 인식번호를 부여(Labeling) 한다.

라. 쌀의 외관품질 판정

쌀의 외관품질의 판정을 위한 표준시료로 활용하기 위하여 쌀을 육안으로 구분하여 완전 쌀, 싸라기, 착색 쌀, 분상질 쌀, 금간 쌀로 분류하였다. 이들 표준시료를 본 연구에서 제작한 쌀 외관품질 판정장치를 사용하여 영상을 촬영하고 외관품질 판정에 사용할 영상데이터를 추출하였다. 본 연구에서 쌀의 외관품질 판정을 위하여 장축 길이, 단축 길이, 폭, 면적, 둘레, 적색(Red), 녹색(Green), 청색(Blue), 청록색(Cyan), 빨간색(Magenta), 노란색(Yellow), 검은색(Black), 색상(Hue Value), 채도(Saturation), 농도(Intensity)의 평균 및 표준편차 등의 영상 데이터를 추출하여 사용하였다.

3. 쌀 외관품질 판정 알고리즘

가. 영상의 이진화와 쌀 밝기변화의 보정

디지털 영상으로부터 쌀과 배경을 분리하는데 있어서 도 4에서 보는 바와 같이 밝기가 서로 다른 2개의 영상에 대해 문턱값 T=165를 적용하여 이진화하면 밝기가 변화되면서 쌀과 배경이 명확히 분리되지 않아 밝기 변화에 따라 문턱값을 변경하여야 함을 알 수 있다. 이것은 공급되는 쌀의 양에 따른 각 쌀의 밝기 변화로 인하여 농도 히스토그램이 변화되므로 나타나는 현상이다.

이를 방지하기 위하여 Otsu알고리즘을 이용하여 쌀과 배경을 구분하기 위한 농도의 문턱값을 능동적으로 계산할 수 있도록 컴퓨터 프로그램을 작성하였다. 도 7는 Otsu알고리즘을 이용하여 밝기가 서로 다른 2개 영상에 대해 계산된 문턱값과 이진화된 결과를 나타낸 것으로서, Otsu알고리즘을 이용함으로써 쌀과 배경을 구분하기 위한 농도 문턱값을 능동적으로 계산할 수 있었으며, Otsu알고리즘을 사용하지 않고 이진화한 결과를 나타낸 도 6과 비교할 때 이진화의 성능이 월등히 개선됨을 알 수 있었다.

나. 붙어있는 쌀의 경계분리

디지털 영상에서 쌀을 배경으로부터 분리시켜도 여러 개의 쌀이 서로 붙어있는 상태이므로 낱개의 쌀알의 정보를 추출하기 위해서는 붙어있는 쌀을 모두 분리시켜 인식하여야 한다. 붙어있는 쌀의 경계를 찾아서 분리시키기 위해 거리변환(Distance transform)과 분기점변환(Watershed transform)알고리즘을 적용하였다. 도 8은 거리변환의 과정을 나타낸 것으로서, 도 8(b)와 같은 이진화 영상으로부터 도 8(d)와 같은 등고선 모양을 한 거리 맵(Distance map)을 만들었다.

쌀들이 겹쳐있을 경우 그 경계를 나누기 위해 도 8(d)와 같은 거리 맵영상으로부터 분기점변환에 의해 도 9(a)와 같이 경계선을 추출한다. 이를 유역분할이라 하며, 거리변환을 이용한 분할, 기울기를 이용한 분할, 마커-제어를 이용한 분할이 있는데, 본 연구에서는 거리변환에 의한 유역분할을 사용 하였다. 이렇게 얻어진 유역능선의 이미지를 반전(Inverse)시킨 다음 이진영상과 접합(And)시키면 붙어있는 쌀의 경계선이 떨어져서 인식된다. 도 9는 붙어있는 쌀의 경계선을 찾아내는 과정을 나타낸 것이다.

유역능선을 찾아내는 정확도는 거리 맵의 간격에도 많은 영향을 받는다. 즉, 거리 맵의 간격이 너무 크면 유역능선이 잘 찾아지지 않고, 너무 촘촘하면 도 10(b)와 같이 정상적인 쌀의 영상을 몇 쪽으로 분리시키는 결과를 초래한다.

여기서, 각각의 쌀알을 분석하기 위해 도 9(d)와 같이 쌀알을 독립적으로 구분하여 이름을 만들어 주는 것을 레이블링이라 한다. 이를 위해서 각 픽셀들이 서로 떨어져 있는지 붙어 있는지를 판단하며, 떨어진 화소에는 다른 이름을, 붙어 있는 픽셀에는 같은 이름을 부여한다. 본 연구에서는 반복(recursive) 성분 라벨링 알고리즘을 사용하였다.

다. 쌀의 외관품위 판정

레이블링(labeling)으로 쌀에 번호가 부여되면 각각의 쌀의 면적을 계산하는데 싸라기는 쌀의 면적을 기준으로 판정하였다. 일반적으로 쌀의 면적은 쌀의 영상이 차지하는 픽셀의 개수를 모두 합한 것과 같다. 따라서, 쌀의 픽셀수가 쌀의 면적이 되며, 본 연구에서는 쌀 영상의 픽셀수가 1,000이하이면 싸라기로 판정하였다. 도 11은 본 실시 예에서의 쌀 외관품위 판정장치로 촬영한 싸라기의 영상을 나타낸 것이다.

분상질 쌀과 착색 쌀은 쌀 영상의 색깔 정보를 비교하여 판정하였다. 먼저, 분상질 쌀은 RGB색좌표에서 Red값 > Blue값이면서 Red값 > Yellow값이면 분상질 쌀로 구분하였다. 그러나 일부 완전 쌀 중에서도 분상질 쌀로 판별되는 경우가 있으므로, 분상질 쌀 중에서 Green값-Black값 > 6,000이면 완전 쌀로 구분하였다. 한편, 착색 쌀은 Red값 > Blue값이면서 Red값 < Yellow값이거나, 착색 픽셀수가 30 이상이면 착색 쌀로 구분하였다. 그러나, 일부 분상질 쌀 중에서도 착색 쌀로 판별되는 경우가 있으므로, 착색 쌀 중에서 Yellow값-Red값이 5000이상이고, (착색 픽 셀수) X 3 < (흰색 픽셀수)면 분상질 쌀로 구분하였다.

도 12는 본 연구에서 제작한 쌀 외관품위 판정장치로 촬영한 분상질 쌀과 착색 쌀의 영상을 나타낸 것이다. 깨진 쌀, 착색 쌀 또는 금간 쌀이 아닌 것은 완전 쌀로 판별하였다. 또 완전 쌀 중에서 크랙이 있는 쌀을 금간 쌀로 판정하였다.

금간 쌀의 판정에는 에지(edge)판별법을 이용하였다. 즉, 쌀 표면에 크랙이 있는 부분의 밝기가 다른 부분의 밝기와 차이가 생기는 것을 이용하여 식별하도록 하였다. 이를 위하여 카메라로 찍은 영상에서 각각의 쌀알의 영상을 분리하여 쌀 한 알 마다 한 개씩의 영상을 만들었다. 그리고 쌀의 장축이 수평방향에 대해 기울어진 각도(orientation angle)를 계산한 다음에 장축이 수평이 되도록 쌀알을 회전시켜 배열시키고 수직에지 판별 연산자를 이용하여 수직에지 성분을 추출하였다. 그런데 추출된 수직에지 성분 모두가 크랙성분이 아니기 때문에 수직강화 필터링을 수행하여 수직성분을 두껍게 만든 다음에 평균-표준편차 값을 사용하여 이진화하여 크랙성분을 분리하였다. 그 다음에 씨닝(thinning)을 하여 두꺼운 크랙성분을 얇게 하고, 작은 금은 제거하여 순수한 크랙의 영상을 만들고 원 영상과 크랙 영상을 합성하여 쌀에 크랙을 표시하였다.

도 13은 본 연구에서 제작한 쌀 외관품위 판정장치로 촬영한 완전 쌀의 영상을 나타낸 것이다. 이때, 크랙을 찾기 위해 작성된 알고리즘에 따라 처리하는 과정을 도 14에 나타내었다.

4. 도정 품위 자동판정기의 제작

가. 도정 품위 자동판정기의 구조

쌀 도정 품위 자동판정기를 도 1과 도 2에 도시된 것과 같이 구성하여 시작기를 제작하였다. 본 방명의 쌀의 도정 품위 측정장치는, 쌀을 공급하고 영상을 촬영하는 구동부와 촬영한 영상을 분석하는 컴퓨터로 구성되어 있다. 구동부는 회전롤러(41)를 구비하여 쌀을 일정량씩 공급하는 쌀 공급통(40)과 공급된 쌀을 CCD카메라(20) 하부로 이송시키는 반투명 아크릴로 만든 회전원판(Φ500mm)(50)으로 구성하였다. 상기 회전원판(50) 위에 시료대(30)가 부착되고, 상부조명(21)으로써 쌀을 조명하는 12W 용량의 백열등 1개 및 CCD카메라(20)(LG 하니웰, GC-450NA-G)가 장착하였다. 여기서, 상기 CCD카메라(20)는 앞에는 초점거리 6mm, 밝기 F1.2인 렌즈를 부착하여 초점과 광량을 조절할 수 있으며, 상하방향으로 높이를 조절할 수 있도록 제작하였다. 또 영상촬영이 끝난 쌀을 배출하기 위한 배출분리판(51)과 수집통(52)을 설치하였으며, 상기 회전원판(50) 하부에도 하부조명(22)으로 4W 용량의 조명용 형광등 2개가 설치하였으며, 상기 쌀 공급통(40)의 회전롤러(41) 및 상기 회전원판(50)의 속도를 조절하기 위한 속도조절기(60)를 부착하였다.

시작기에 사용된 컴퓨터(10)는 팬티엄Ⅳ(2,0G, DDR2-RAM 512M)이며, O/S는 Windows XP를 사용하였다. 시작기의 작동방법은 쌀 공급통(40)에 측정할 쌀을 넣은 다음 회전원판(50) 작동스위치를 눌러서 맨 앞에 공급된 쌀이 CCD카메라(20) 하부에 공급되도록 한 뒤에 회전원판(50)의 작동을 멈춘다. 그리고 컴퓨터 모니터에서 밝기측정 모드를 눌러서 밝기가 기준범위 내에 있는지 확인한 다음 시작 모드를 누르면 자동으로 쌀이 공급되면서 분석된다. 측정되는 동안 쌀의 영상과 분석결과가 실시간으로 모니터에 나타나며 분석이 끝나면 결과 값이 모니터에 나타나면서 텍스 트 파일로 컴퓨터의 저장장치에 저장된다. 컴퓨터 내에 내장된 프레임 그래버(11)는 Windows 2000, Windows XP의 OS에서 사용 가능하도록 WDM(Windows Driver Model)방식의 BT878칩(chip)을 사용하여 자체적으로 제작하였으며, 영상처리 프로그램은 MFC(Microsoft Foundation Class Library)방식으로 Visual C++언어를 사용하여 작성하였다.

나. 쌀 외관품위판정 성능

다양한 형태와 색깔의 쌀을 임의로 조제하여 공급된 쌀을 시작기를 사용하여 분석하였을 때 붙어있는 쌀들을 소프트웨어적으로 분리시켜 낱개로 인식하는 정밀도는 98%로 나타났다. 이는 Visen 등(2001)이 타원 맞춤법을 사용하여 접촉되어 있는 곡립들을 낱개의 곡립으로 인식하도록 하였을 때 밀·보리·호밀·귀리에 대한 정밀도가 평균 98.6%이었고, 접촉지점에서의 곡률변화가 뚜렷하지 않거나 서로 접촉된 곡립의 영상으로부터 낱개의 곡립을 분리할 때 경계면이 불규칙하고 접촉면이 뚜렷하지 않으면 식별 정도가 떨어지며, 또 이들의 방법은 형상이 비슷한 곡립에 대해서는 적용성이 높으나 형상이 다른 이종 곡립이나 깨진 곡립 등이 혼입되거나 곡립이 붙어있는 모양이 불규칙적이고 복잡하면 낱개의 곡립을 분리·인식하는 정밀도가 낮아진다고 한 연구결과와 비교할 때 정밀도가 훨씬 개선된 것으로 판단되었다.

시작기는 싸라기를 100% 판정할 수 있었으며, 도 15에 깨진 쌀을 분석한 결과를 나타내었다. 도 16에 분상질 쌀 94개와 싸라기 6개를 분석한 결과를 나타내었으며, 분상질 쌀 중 1개가 완전 쌀로 판별되어 판별 정확도는 98.9%이었다. 도 17 에 착색 쌀 95개와 싸라기 5개를 분석한 결과를 나타내었으며, 착색 쌀 중 1개가 분상질 쌀로 판별되어 판별 정확도는 98.9% 이었다. 도 18에 완전 쌀 93개와 깨진 쌀 12개를 분석한 결과를 나타내었으며, 완전 쌀 중 3개가 분상질 쌀로 판별되어 판별 정확도는 96.8% 이었다. 또 완전립 중 육안판별에 의한 금간 쌀의 개수는 73개이었으나 시작기에 의한 판별결과는 68개로 나타나 판별정확도는 93.2%이었다.

또 100립의 쌀알을 판정하는데 소요되는 시간은 약 15초 정도로 기존에 공급되어 있는 판정장치에 비해 매우 우수하였으며, 장치가 간단하여 제작비용도 기존제품에 매우 감소되었다.

이상에서는 본 발명의 바람직한 실시 예를 설명하였으나, 본 발명은 현미는 물론 밀이나 보리, 귀리 및 호밀 등의 기타 곡물의 외관품위 판정에도 적용할 수 있다. 그리고, 본 발명의 범위는 이 같은 특정 실시 예에만 한정되지 않으며, 해당분야에서 통상의 지식을 가진 자라면 본 발명의 특허청구범위 내에 기재된 범주 내에서 적절하게 변경이 가능할 것이다.

도 1은, 본 발명에 의한 쌀 및 현미의 외관 품위 측정장치가 개략적으로 도시된 구성도.

도 2는, 본 발명의 쌀 및 현미의 외관 품위 측정장치 시작품의 실물 사진.

도 3은, 본 발명의 영상처리 과정이 도시된 순서도.

도 4는, 본 발명에 따른 디지털 영상의 농도 히스토그램이 도시된 그래프.

도 5는, 붙어 있는 시료의 분리 과정이 도시된 순서도.

도 6은, 오쓰 알고리즘을 사용하지 않고 이진화하는 과정이 도시된 도면.

도 7은, 오쓰 알고리즘을 사용하여 이진화하는 과정이 도시된 도면.

도 8은, 거리변환 과정이 도시된 도면.

도 9는, 붙어 있는 시료의 경계선을 찾아가는 과정이 도시된 도면.

도 10은, 붙어 있는 시료의 경계분리에 따른 맵 라인화 과정이 도시된 도면.

도 11은, 깨진 쌀의 영상이 도시된 도면.

도 12는, 착색 쌀과 분상질 쌀의 영상이 도시된 도면.

도 13은, 완전 쌀의 영상이 도시된 도면.

도 14는, 크랙을 찾는 과정이 도시된 도면.

도 15는, 깨진 쌀의 분석결과가 도시된 도면.

도 16은, 분상질 쌀의 분석결과가 도시된 도면.

도 17은, 착색 쌀의 분석결과가 도시된 도면.

도 18은, 완전 쌀의 분석결과가 도시된 도면.

도 19는, 깨진 현미의 영상이 도시된 도면.

도 20은, 착색 현미와 분상질 현미의 영상이 도시된 도면.

도 21은, 완전 현미와 미숙 현미의 영상이 도시된 도면.

도 22는, 깨진 현미의 분석결과가 도시된 도면.

도 23은, 분상질 현미의 분석결과가 도시된 도면.

도 24는, 착색 현미의 분석결과가 도시된 도면.

도 25는, 완전 현미의 분석결과가 도시된 도면.

<도면의 주요 부분에 대한 부호의 설명>

10: 컴퓨터 11: 프레임 그래버

20: CCD 카메라 21: 상부조명

22: 하부조명 30: 시료대

40: 공급통 41: 회전롤러

50: 회전원판 51: 배출 분리판

52: 수집통 60: 속도조절기

70: 지지대

Claims

투명 또는 반투명 재질로 구성되며 상면에 쌀 또는 현미 시료가 놓여지는 시료대와;

상기 시료대의 하부에 위치되어 상기 시료대를 회전시키는 회전부재와;

상기 시료대의 상부에 위치되어 시료대로 쌀 또는 현미를 공급하는 시료 공급부재와;

상기 시료대로부터 이격되게 설치되어 쌀 또는 현미를 조명하는 조명부재와;

상기 시료대로부터 이격된 상부측에 설치되어 상기 시료대 위의 쌀 또는 현미를 촬영하는 영상획득부재와;

영상처리 프로그램을 이용하여 상기 영상획득부재에 의해 촬영된 영상을 처리하여 외관 품위를 판정하는 컴퓨터와;

상기 컴퓨터의 내부에 설치되어 상기 영상획득부재를 제어하는 프레임 그래버와;

상기 프레임 그래버로부터 상기 영상획득부재의 작동상태에 관한 신호를 받아, 상기 시료 공급부재로부터의 쌀 또는 현미의 공급속도 및 상기 회전부재의 회전속도를 제어하는 속도조절기;를 포함하는 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정장치.
제1항에 있어서,

상기 시료대의 상면에 설치되어 상기 영상획득부재에 의해 촬영을 마친 쌀 또는 현미를 분리하는 배출 분리판과;

상기 시료대의 하부에 설치되어 상기 배출 분리판에 의해 분리된 쌀 또는 현미를 회수하는 수집통을 더 포함하는 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정장치.
제1항 또는 제2항에 있어서,

상기 조명부재는, 상기 시료대의 상부에 설치된 상부조명과, 상기 시료대의 하부에 설치되는 하부조명으로 이루어지고;

상기 상부조명에 의해 쌀 또는 현미의 상부에서 반사된 광과 하부 조명에 의해 쌀 또는 현미를 투과한 광을 모두 상기 영상획득부재로 수집하여 영상을 촬영할 수 있도록 고안된 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정장치.
제1항 또는 제2항에 있어서,

상기 영상획득부재는, 렌즈를 조정하여 초점 거리를 변화시킬 수 있고 상하 방향으로 이동 가능하게 설치되는 CCD 카메라인 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정장치.
제1항 또는 제2항에 있어서,

상기 프레임 그래버는, 상기 조명부재에 의한 광량에 따라 상기 영상획득부 재의 렌즈를 조절하는 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정장치.
제1항 또는 제2항에 있어서,

상기 시료 공급부재는, 쌀 또는 현미가 저장된 공급통과, 상기 공급통의 내부에 설치되고 상기 프레임 그래버의 제어에 따라 작동되어 상기 시료대로 공급되는 쌀 또는 현미의 양을 조절하는 회전롤러로 이루어진 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정장치.
제1항 또는 제2항에 있어서,

상기 컴퓨터는, 쌀 또는 현미에 따라 메뉴를 선택할 수 있도록 하여, 완전 쌀, 분상질 쌀, 싸라기, 금간 쌀, 착색 쌀 또는 완전 현미, 분상질 현미, 싸라기, 금간 현미, 착색 현미, 미숙현미 중 하나 이상의 비율 또는 개수를 측정하여 전체 쌀 및 현미의 외관 품위를 자동으로 판정하는 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정장치.
시료대 상에 놓여진 쌀 또는 현미를 카메라로 촬영하는 단계와;

상기 카메라에 의해 획득된 쌀 또는 현미의 원 영상을 프레임 그래버에 의해 RGB 또는 YUV 모델에 해당하는 데이터 형태로 저장하는 단계와;

저장된 영상을 이진화하는 단계와;

이진화된 영상을 최단거리로 거리변환(Distance Transform)하여 등고선 모양 의 2차원 영상을 만드는 단계와;

상기 2차원 영상을 3차원화 하고, 분기점변환(Watershed Transform)을 통해 경계선을 추출하는 단계와;

상기 경계선을 기준으로 하여 붙어있는 쌀 또는 현미들을 분리시키고, 각각의 쌀 또는 현미에 대한 레이블링을 하는 단계와;

상기 단계에서 레이블링된 각 쌀 또는 현미를 분석하여 완전 쌀, 분상질 쌀, 싸라기, 금간 쌀, 착색 쌀 또는 완전 현미, 분상질 현미, 싸라기, 금간 현미, 착색 현미 중 하나 이상의 비율 및 개수를 판정하는 단계로 이루어진 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정방법.
제8항에 있어서,

상기 저장된 영상을 이진화하는 단계는, 쌀 또는 현미와 배경을 구분하기 위한 농도의 문턱값을 능동적으로 계산할 수 있도록 오쓰(Otsu) 알고리즘을 이용하는 것을 특징으로 하는 쌀 및 현미의 외관 품위 측정방법.