KR20210016369A - 종자 선별 - Google Patents

종자 선별 Download PDF

Info

Publication number
KR20210016369A
KR20210016369A KR1020207034558A KR20207034558A KR20210016369A KR 20210016369 A KR20210016369 A KR 20210016369A KR 1020207034558 A KR1020207034558 A KR 1020207034558A KR 20207034558 A KR20207034558 A KR 20207034558A KR 20210016369 A KR20210016369 A KR 20210016369A
Authority
KR
South Korea
Prior art keywords
seeds
seed
ray
sorting
camera
Prior art date
Application number
KR1020207034558A
Other languages
English (en)
Inventor
에릭 엘. 바로우맨
자렛 알. 세글린스키
고빈드 차드하리
브루인 린더트 드
조니 제이. 코틱
반 미르더부르트 루이스 엠. 폼페
브래드 디. 화이트
Original Assignee
몬산토 테크놀로지 엘엘씨
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 몬산토 테크놀로지 엘엘씨 filed Critical 몬산토 테크놀로지 엘엘씨
Publication of KR20210016369A publication Critical patent/KR20210016369A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/3416—Sorting according to other particular properties according to radiation transmissivity, e.g. for light, x-rays, particle radiation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material

Abstract

종자들을 선별하기 위한 종자 선별 시스템은 시스템을 통해 종자들을 이동시키도록 구성된 종자 이송 스테이션을 포함한다. 이미징 어셈블리는 종자들이 시스템을 통해 이동함에 따라 종자들의 x-레이 이미지들을 획득하도록 구성된 x-레이 카메라를 포함한다. x-레이 카메라는 종자들이 시스템을 통해 종자 이송 스테이션에 의해 이동되는 속도 및 폭을 수용하기 위해 높은 라인 스캔 속도에서 고품질 이미지들을 생성하도록 구성된다. 선별 어셈블리는 종자들의 획득된 x-레이 이미지들에 기초하여 종자들을 개별 빈들로 선별하도록 구성된다.

Description

종자 선별
본 개시는 일반적으로 종자들을 처리하기 위한 시스템 및 방법에 관한 것으로, 보다 구체적으로는, x-레이 이미징 및 종자 분류 및 선별을 위한 종자 선별 시스템 및 방법에 관한 것이다.
농업 산업, 특히 종자 사육 및 종자 생산 산업에서 높은 처리량으로 종자들을 분석, 분류 및 선별할 수 있는 것이 중요하다. 이를 통해 종자들의 분석이 바람직하게는 신속할 뿐만 아니라 신뢰성 있고 총량과 속도가 높게 발생한다는 것을 의미한다. 역사적으로, 종자들은 미리 결정된 크기들에 대응되는 홀들이 있는 스크린들을 포함하는 기계 장비를 사용하여 크기별로 카테고리화된다. 종자 카테고리화는 종자들의 특정 외관 특성들을 검출하기 위해 종자들의 이미지 분석을 사용하여 실시된다.
기존의 종자 이미징 프로세스를 사용하면, 높은 처리량과 높은 예측 분류 정확도로 자동화된 방식으로 개별 종자들의 내부 형태를 이미지화하고 분석할 수 없다. 과거에는, 종자 회사들이 독립형 x-레이 이미징 캐비닛 또는 장치를 사용하여 종자들을 x-레이 이미지화할 수 있었다. 그러나, 이 프로세스는 일반적으로 오프라인에서 수행되는 매우 느린 일괄 프로세스이다. 따라서, 높은 처리량과 높은 이미지 품질로 산업 규모에서 그리고 장기간 지속 가능한 방식으로 실시간 이미징, 분류 및 선별을 수행할 수 있는 시스템에 대한 필요성이 있다. 추가로, 관련 종자 특징들을 측정하고 분류/예측 정확도가 높은 분류 모델을 개발 또는 트레이닝하기 위한 고급 PC 기반 방법에 대한 필요성이 있다.
일 양태에서, 종자들을 선별하기 위한 종자 선별 시스템은 일반적으로 시스템을 통해 종자들을 이동시키도록 구성된 종자 이송 스테이션을 포함한다. 이미징 어셈블리는 종자들이 시스템을 통해 이동함에 따라 종자들의 x-레이 이미지들을 획득하도록 구성된 x-레이 카메라를 포함한다. x-레이 카메라는 종자들이 시스템을 통해 종자 이송 스테이션에 의해 이동되는 속도 및 폭을 수용하기 위해 높은 라인 스캔 속도에서 고품질 이미지들을 생성하도록 구성된다. 선별 어셈블리는 종자들의 획득된 x-레이 이미지들에 기초하여 종자들을 개별 빈들로 선별하도록 구성된다.
다른 양태에서, x-레이 카메라는 일반적으로 카메라 하우징 및 카메라 하우징 내에 수용된 광학 센서 컴포넌트들을 포함한다. 광섬유는 광학 센서 컴포넌트들에 장착되며 광학 센서 컴포넌트들로부터 연장된다. 광섬유는 카메라 하우징 내에 수용된다. 광섬유 신틸레이터는 광섬유에 장착된다.
또 다른 측면에서, 한 묶음(batch)의 종자들에 대한 분류 모델을 구축하기 위한 트레이닝 방법은 일반적으로 복수의 홀들을 포함하는 스캔트레이에 종자들을 적재하는 단계를 포함한다. 종자들은 스캔트레이의 홀들에 고정된다. 종자 선별 어셈블리와 관련된 x-레이 카메라를 사용하여 스캔트레이의 종자들의 x-레이 이미지들을 촬영한다. 종자들을 특정 등급에 속하는 것으로 식별하기 위해 스캔트레이의 종자들의 x-레이 이미지들을 사용하여 종자 분류 모델을 구축한다.
도 1은 자동화된 종자 선별 시스템의 블록이다;
도 2는 종자 선별 시스템의 사시도이다;
도 3은 x-레이 차폐 도어들이 개방된 종자 선별 시스템의 사시도이다;
도 4는 x-레이 차폐 도어들이 제거된 종자 선별 시스템의 사시도이다;
도 5는 종자 선별 시스템의 적재 및 이송 어셈블리의 사시도이다;
도 6은 적재 및 이송 어셈블리의 싱귤레이션 공급 플레이트의 사시도이다;
도 7은 적재 및 이송 어셈블리의 종자 수집기 및 싱귤레이션 공급 플레이트의 측면도이다;
도 8은 적재 및 이송 어셈블리의 종자, 공기, 파편 분리기의 사시도이다;
도 9는 종자 선별 시스템의 x-레이 이미지 획득 어셈블리의 사시도이다;
도 10은 시스템의 종자 이송 스테이션 및 종자 이송 스테이션 위에 장착된 x-레이 튜브 및 종자 이송 스테이션 아래의 x-레이 카메라에 의해 이송되는 싱귤레이션된 종자들을 나타내는 종자 선별 시스템의 사시도이다;
도 11은 이미징 어셈블리의 x-레이 카메라의 입사창의 사시도이다;
도 12는 이미징 어셈블리의 x-레이 카메라의 사시도이다;
도 13은 x-레이 카메라의 또 다른 사시도이다;
도 14는 광섬유 신틸레이터를 보여주는 카메라의 입사창이 제거된 x-레이 카메라의 단편적인 사시도이다;
도 14a는 광섬유 신틸레이터의 상부에 있는 신틸레이터 재료의 확대된 단편적인 도면이다;
도 15는 x-레이 카메라의 입사창의 사시도이다;
도 16은 카메라의 광섬유를 보여주는 커버 및 광섬유 신틸레이터가 제거된 x-레이 카메라의 단편적인 사시도이다;
도 16a는 카메라의 광섬유를 보여주는 입사창 및 광섬유 신틸레이터가 제거된 x-레이 카메라의 단편적인 사시도이다;
도 16b는 x-레이 카메라의 개략도이다;
도 17은 세 개의 선별 빈들을 포함하는 종자 선별 시스템의 선별 어셈블리의 사시도이다;
도 18은 선별 어셈블리의 단편적인 사시도이다;
도 19는 선별 어셈블리의 또 다른 단편적인 사시도이다;
도 20은 종자 선별 시스템 및 스캔트레이 핸들링 어셈블리의 사시도이다;
도 21은 상부 스캔 트레이에 위치된 종자들이 있는 스캔들이들의 스택의 단편적인 사시도이다;
도 21a는 스캔트레이 스택의 사시도이다;
도 22는 스캔트레이의 단편적인 사시도이다;
도 23은 커스텀화된 분류를 트레이닝하는 동안 이미지화된 스캔트레이들의 처리 동안 획득된 트레이닝 세트의 x-레이 이미지들이다;
도 24는 종자 선별 시스템을 사용하여 획득된 토마토 종자들의 x-레이 이미지이다;
도 25는 종자 형태를 보여주는 토마토 종자의 x-레이 이미지이다;
도 26은 유용한 토마토 종자 및 죽은 토마토 종자의 x-레이 이미지들이다;
도 27은 종자 선별 시스템을 사용하여 획득된 오이 종자의 x-레이 이미지이다;
도 28a는 우수한 토마토 종자의 x-레이 이미지이다;
도 28b는 비정상 토마토 종자의 x-레이 이미지이다;
도 28c는 후추 조장의 x-레이 이미지이다;
도 29는 또 다른 실시예의 종자 선별 시스템의 사시도이다;
도 30은 도 29의 종자 선별 시스템의 단편적인 사시도이다;
도 31은 도 29의 종자 선별 시스템의 x-레이 획득 어셈블리의 사시도이다;
도 32는 도 29의 종자 선별 시스템의 종자 어셈블리의 사시도이다;
도 33은 도 29의 종자 선별 시스템의 컨베이어 위의 코튼 종자들의 x-레이 이미지이다;
도 34a는 성숙한 코튼 종자의 x-레이 이미지이다;
도 34b는 미성숙한 코튼 종자의 x-레이 이미지이다;
도 35a는 조영제를 사용하여 검출된 손상을 보여주는 코튼 종자들의 x-레이 이미지이다;
도 35b는 종자 손상의 분석을 보여주는 도 35a의 x-레이 이미지이다;
도 36은 다양한 손상 정보를 보여주는 코튼 종자들의 x-레이 이미지들이다;
도 37a는 정상 코튼 종자에 대한 광학 이미지와 x-레이 이미지의 비교이다.
도 37b는 변색 코튼 종자에 대한 광학 이미지와 x-레이 이미지의 비교이다;
도 38은 코튼 종자들에 대한 광학 이미지들과 x-레이 이미지들의 비교이다;
도 39는 건장한 코튼 종자와 결함 코튼 종자의 x-레이 이미지들이다;
도 40은 건강한 코튼 종자와 결함 코튼 종자의 x-레이 이미지들이다;
도 41은 조영제로 처리한 코튼 종자와 조영제로 처리하지 않는 코튼 종자의 x-레이 이미지들이다;
도 42는 내부 크랙이 있는 조영제로 처리한 코튼 종자와 조영제로 처리하지 않는 코튼 종자의 x-레이 이미지들이다;
도 43은 외부 크랙이 있는 조영제로 처리한 코튼 종자와 조영제로 처리하지 않는 코튼 조장의 x-레이 이미지들이다;
도 44a는 조영제로 처리된 고품질 콩 종자들의 x-레이 이미지들이다;
도 44b는 조영제로 처리된 저품질 콩 종자들의 x-레이 이미지들이다;
도 45는 조영제로 처리된 건강한 카놀라 종자와 결함 카놀라 종자의 x-레이 이미지이다;
도 46은 평평한 옥수수 종자와 둥근 옥수수 종자의 x-레이 이미지이다;
도 47은 크랙 분류 체계의 요약이다;
도 48은 선별 빈으로 선별된 건강한 종자의 x-레이 이미지이다; 그리고
도 49는 선별 빈으로 선별된 결함 종자들의 x-레이 이미지이다.
대응되는 참조 문자들은 문자는 도면 전체에 걸쳐 대응되는 부분들을 나타낸다.
도 1 내지 4를 참조하면, 종자 분류 시스템은 일반적으로 10으로 표시된다. 시스템은 복수의 종자들을 선택된 카테고리들로 수용, 분석, 분류 및 다. 시스템(10)은 시스템을 통해 종자들을 수용 및 전달하도록 구성된 적재 및 이송 어셈블리(12), 종자들이 적재 및 이송 어셈블리에 의해 시스템을 통해 전달됨에 따라 종자들의 이미지 데이터를 수집하기 위한 이미징 어셈블리(14), 및 이미징 어셈블리에 의해 종자들에 대해 수집된 이미지 데이터에 기초하여 종자들을 선택된 카테고리들로 선별하도록 구성된 선별 어셈블리(16)를 포함한다. 컨트롤러(18)(예를 들어, 프로세서 및 적절한 메모리)는 시스템(10)을 동작시키도록 프로그래밍된다. 이미징 어셈블리(14)는 이미지 데이터를 수집하고 컨트롤러(18)는 종자들의 빠르고 매우 정확한 크기, 형태 및 내부 구성을 제공하고, 시스템(10)이 종자들의 결함들을 신뢰성 있게 검출하거나 종자 품질 메트릭을 예측할 수 있도록 알고리즘들 및 분류 모델들을 트레이닝하기 위해 이미지 특징 분석을 위한 최적화된 오퍼레이터들을 통합한다. 종자 분류 시스템(10)은 이에 제한되는 것은 아니나, 채소 종자들(예를 들어, 토마토, 토마토 뿌리 줄기, 후추, 박과, 십자화과), 줄뿌림 작물 종자들(예를 들어, 옥수수, 콩 및 코튼)를 및 기타 작물들(예를 들어, 알팔파, 카놀라, 쌀 및 밀)을 포함하는 임의의 적절한 종자 유형에 사용될 수 있다. 바람직한 실시예에서, 시스템은 채소 종자들을 선별 및 분류하는 데 사용된다.
분류 어셈블리(16)는 추후 처리, 평가 및/또는 분석을 위해 보다 정확하게 카테고리화되도록 종자들을 둘 이상의 선택된 카테고리들로 선별하도록 구성된다. 예를 들어, 이미징 어셈블리(14) 및 컨트롤러(18)에 의해 결함이 있는 것으로 결정된 종자들은 건강한/비결 함 종자들로부터 분리될 수 있다. 결함이 있는 종자들은 사용할 수 없거나 원치 않거나, 병에 걸리거나, 변색되거나 기계적으로 손상된 종자들 및 특정 품질 메트릭에 기초하는 불활성 물질로 식별될 수 있다. 예를 들어, 채소 종자들의 종자 품질은 사용 가능한 모종 식물(모종)을 생산하는 종자의 능력에 따라 라벨을 붙일 수 있다. 모종(seeding)은 정상(normal), 주(week), 비정상(abnormal), 비-발아(non-germinating)와 같은 일반적인 라벨 등급을 가질 수 있다. 그러나, 건강한/비-결함 종자들이 종자들의 외부 이미지로부터 동일하게 보일 수 있기 때문에, 종자들의 내부 기하학적 형태를 보는 이미징 어셈블리(14)의 능력은 종자들의 상태에 대한 보다 정확한 표시를 제공한다. 예를 들어, 내부 크랙은 이미징 어셈블리(14)를 사용하여 볼 수 있다. 이는 종자의 배아로 확장되는 크랙이 특히 종자 발아에 좋지 않기 때문에 유익하다. 추가로, 적재 및 이송 어셈블리(12), 이미징 어셈블리(14), 컨트롤러(18) 및 선별 어셈블리(16)는 시스템이 실시간 종자 선별 속도 요건을 충족시키기 위해 종자들의 높은 처리량 측정을 제공할 수 있게 한다. 이와 같이, 시스템(10)은 기존의 종자 처리 절차로 구현될 수 있으며 종자 선별 기능을 빠르고 원활하게 제공할 수 있다.
도 5 내지 8을 참조하면, 적재 및 이송 어셈블리(12)는 종자들을 호퍼 내로 수용하기 위한 주입구(22) 및 종자들을 호퍼로부터 디스펜싱하기 위한 배출구(24)를 포함하는 호퍼(광범위하게는, 종자 적재 스테이션)(20)를 포함한다. 진동 공급기(25)와 공급 슈트(31)는 종자들이 배출구로부터 디스펜싱될 때 종자들을 적량 공급하기 위해 배출구(24)에 배치된다. 컨베이어(27)(광범위하게는, 종자 이송 스테이션)는 싱귤레이션 공급 플레이트(26)의 배출구에 위치된다. 진동 공급부(25)는 제1 진동 공급기(29) 및 제1 진동 공급기와 연관된 진동 슈트(31)를 포함한다. 제1 진동 공급기(29)는 진동 에너지를 사용하여 진동 슈트(31)를 따라 싱귤레이션 공급 플레이트(26)로 종자들을 운반한다. 제2 진동 공급기(33)는 싱귤레이션 공급 플레이트(26)과 연관된다. 제2 진동 공급기(33)는 진동 에너지를 사용하여 싱귤레이션 공급 플레이트(26)를 따라 종자들을 운반한다. 싱귤레이션 공급 플레이트(26)는 싱귤레이션 공급 플레이트(26)의 길이를 따라 연장되는 복수의 평행 채널들(35)을 포함한다. 채널들(35)은 종자들을 컨베이어(27)(도 10)로 전달하기 위해 복수의 평행 행들로 배열한다. 진동 에너지는 또한 각각의 종자가 이미징 어셈블리(14)에 의해 이미지화될 수 있도록 이동 방향으로 행들 내에서 서로 종자들을 이격시킨다. 각 채널(35)은 종자가 이동할 수 있도록 각 채널의 바닥에 재료의 작은 부분을 남기는 채널의 양쪽에 형성된 슬롯(37)을 갖는다. 다른 슬롯 구성 및 배열도 본 개시의 범위 내에서 구상된다. 각 슬롯(37)은 종자 수집기(39) 위에 위치된다. 잉여 종자들은 슬롯(37)으로 떨어지고, 하기에 더 상세히 설명되는 바와 같이 호퍼(20)로 다시 전달하기 위해 종자 수집기(39)에 의해 포획된다. 예시된 실시예에서, 싱귤레이션 공급 플레이트(26)는 여덟(8) 개의 채널들(35)을 포함한다. 그러나, 싱귤레이션 공급 플레이트(26)는 본 개시의 범위를 벗어나지 않고 서로 다른 개수의 채널들(35)을 가질 수 있다. 일 실시예에서, 싱귤레이션 공급 플레이트(26)는 다섯(5) 개의 채널들(35)을 가질 수 있다. 또 다른 개수의 채널들이 구상된다.
진동 공급 속도는 진동 공급기들(29, 33)의 진동 진폭 및/또는 주파수를 변경함으로써 제어 시스템에 의해 조정될 수 있다. 진동 공급기들(29 및 33)이 도시되어 있지만, 종자들을 싱귤레이팅하기 위한 다른 방법들이 사용될 수 있다고 생각된다. 일 실시예에서, 싱귤레이션 휠(도시되지 않음)이 사용될 수 있다. 추가로, 추적 센서(도시되지 않음)는 싱귤레이션 공급 플레이트(26)의 배출구에 위치될 수 있다.
종자 수집기(39)에 의해 수집된 종자들은 공기 트랜스벡터(45)의 공압력 하에서 배관(41)을 통해 종자, 공기 및 파편 분리기(43)로 보내진다. 종자, 공기 및 파편 분리기(43)는 주입구(47), 상부 배출구(49) 및 하부 배출구(51)를 갖는 바디(52)를 포함한다. 파이프(53)는 바디(43) 내에 수용된다. 배관(41)은 주입구(47)를 통해 바디(43) 내로 종자들을 도입한다. 종자, 공기 및 파편 분리기(43)는 기계적 및 공기 역학적 힘들을 사용하여 종자들을 하부 배출구(51)로 돌리고 공기 및 파편을 상부 배출구(49)로 돌린다. 힘들은 종자들이 분리기(43)를 중심으로 회전하고 바디(52)가 하부 배출구(51)로 내려 가게 한다. 공기 및 파편은 파이프(53)에 포획되고 상부 배출구(49)로부터 위쪽으로 향한다. 하부 배출구(51)는 적재 및 이송 어셈블리(12)에 의해 다시 핸들링되도록 종자들을 호퍼(20)로 떨어뜨린다. 제2 공기 트랜스벡터(도시되지 않음)는 하부 배출구(51)에서 실질적으로 공기 유출이 없도록 파편 분리기(43) 내의 공기 흐름의 균형을 맞추기 위해 상부 배출구(49)에 배치될 수 있다.
예시된 실시예에서, 컨베이어(27)는 평평한 수평 컨베이어 운반 표면을 정의하는 벨트(28)를 포함한다. 컨베이어(27)는 종자들이 시스템(10)을 통해 전달될 때 종자들이 쉴 수 있도록 평평한 표면을 제공한다. 일 실시예에서, 컨베이어(27)는 벨트(28)가 고정될 수 있는 긴 플레이트를 포함할 수 있으며, 긴 플레이트의 재료는 벨트(28)가 평평하게 유지될 수 있고 벨트(예를 들어, 스테인리스 스틸 또는 크롬으로 제조됨)에 최소한의 마찰/마모를 야기할 수 있을 것이다. 그 결과, 시스템(10)은 시스템을 통한 각 종자의 이동을 완전히 제어할 수 있으며, 따라서 종자들이 컨베이어에서 실질적으로 고정된 방향 및 위치에 유지될 것이기 때문에 종자들이 컨베이어(27) 상에서 이동할 때 종자들의 위치를 더 잘 추적할 수 있다. 각 종자의 무게 중심의 실제 위치는 이미지 획득 어셈블리(14)(예를 들어, x-레이 카메라)에 의해 결정된다. 일 실시예에서, x-레이 카메라(60)는 라인 스캔 카메라이다. 라인 스캔 카메라(60)는 오브젝트의 "라인들"을 캡처하는 움직이는 오브젝트들을 스캔하는 단일 행의 감광 픽셀들을 갖는다. 오브젝트가 이동 속도를 아는 것은 카메라(60)가 오브젝트의 완전한 그림을 형성하기 위해 선들을 함께 조각 낼 수 있도록 한다. 이미지 획득 어셈블리(14)의 라인 스캔 속도와 공간 분해능 및 컨베이어(27)의 이동 속도 둘 다를 제어하고 추적함으로써, 각 종자의 실제 위치가 계산될 수 있다. 일 실시예에서, 고 정밀 인코더는 컨베이어(27)의 위치를 추적하기 위해 시스템(10)으로 통합된다. 인코더는 또한 그 이미지들을 얻기 위해 이미징 어셈블리(14)를 트리거하는 마스터 타이밍 장치의 역할을 할 수 있다. 하기에 더 상세하게 설명되는 바와 같이, 평평한 표면은 이미징 어셈블리(14)에 의해 보다 정확한 측정들이 획득될 수 있게 한다. 컨베이어(27)는 평평한 표면을 포함할 필요가 없고, 종자들을 운반하는 벨트(28)가 이동할 수 있는 표면만을 가질 필요가 있다는 점에 유의해야 한다.
컨베이어(27)는 일반적으로 약 10 내지 110 mm/초 사이에서 동작한다. 그리고 최대 약 40 인치/초 이상의 속도로 동작할 수 있는 고속 컨베이어일 수도 있다. 채소 종자들의 경우, 컨베이어 (27)는 약 10 내지100 mm/초 사이의 속도로 동작할 수 있다. 일 실시예에서, 컨베이어는 채소 종자들의 경우 약 55 mm/초의 속도로 동작한다. 이는 14 미크론 센서 픽셀 해상도에서 약 3024mm2/초의 이미징 속도를 산출한다. 그러나, 속도는 10 내지 1000 mm/초의 범위일 수 있다. 컨베이어 속도를 증가시키는 것은 벨트(28)의 이동 방향으로 종자들 사이의 피치 거리를 증가시키거나 종자들 사이의 피치 거리가 일정하게 유지될 때 더 높은 종자 속도를 허용한다. 컨베이어(27)는 약 50mm(2 인치) 내지 약 90mm(3.5 인치)의 전형적인 스캔 폭으로 일반적으로 약 30 내지 약 60 종자/초 사이의 속도로 시스템(10)을 통해 종자들을 전달할 수 있다. 일 실시예에서, 컨베이어(27)는 약 55 mm(2.2 인치)의 일치하는 스캔 폭으로 약 55 mm/초의 속도로 동작된다. 원하는 경우, 스캔 너비는 X-레이 카메라의 더 넓은 TDI 센서 및/또는 카메라의 광섬유 테이퍼를 사용하여 증가될 수 있다. 대안으로, 매초마다 이미지화될 수 있는 영역을 증가시키는 것은 벨트(28) 속도를 증가시킴으로써 발생될 수 있다. 나란히 배치된 다수의 x-레이 카메라들은 또한 스캔 폭을 증가시키는데 사용될 수 있다. 벨트(28)의 속도는 컨트롤러(18)에 의해 제어될 수 있다.
일 실시예에서, 컨베이어 벨트(28)는 선택적으로 투명이다. 컨베이어 벨트(28)의 투명성은 하기에 더 상세히 설명되는 바와 같이, 컨베이어 아래로부터의 광학 이미징이 수행될 수 있게 한다. 그러나, 컨베이어는 본 개시의 범위를 벗어나지 않고 반투명(translucent)이거나 반투명(semi-transparent )일 수 있다. 일 실시예에서, 벨트(28)는 Mylar®로부터 형성된다. Mylar®는 이축 배향(biaxially-oriented) 폴리에틸렌 테레프탈레이트의 브랜드명이며, 스트레칭된 폴리에틸렌 테레프탈레이트(PET)로 만든 폴리에스테르 필름이다. 박막 Mylar®가 사용되며, 본 발명에서 사용되는 저에너지(일반적으로 5 내지 50 keV) x-레이 광자들에 대한 전형적인 저 감쇠 특성들을 갖는다. 광학적 및 x-레이 투과성 물질들을 포함하는 다른 물질들도 본 개시의 범위를 벗어나지 않고 구상된다. 컨베이어는 또한 본 개시의 범위를 벗어나지 않고 불투명일 수 있다. 컨베이어(27)의 벨트(28)에도 코팅이 도포될 수 있다. 코팅은 벨트(28)를 깨끗하게 유지하는 것을 돕고 선명한 이미지들을 획득하는 이미징 어셈블리(14)의 능력을 손상시킬 수 있는 마크들이 없는 정전기 방지 및 스크래치 방지 특성들을 갖도록 구성될 수 있다. 추가로 또는 대안으로, 복수의 이온화기(도시되지 않음) 또는 전도성 브러시들(도시되지 않음)은 시스템(10) 상의 정전하들을 방전시켜 컨베이어(27) 상의 미세 입자 물질의 부착을 감소시키기 위해 제공될 수 있다. 종자들이 벨트(28) 상에서 이동하고/하거나 벨트(28)의 수평면의 단부에서 벨트(28)에 부착되어 머무르는 것을 방지하기 위해 정전하의 방전이 필요하다. 대안으로 또는 동시에, 정전하는 55 퍼센트(55 %) 이상의 높은 습도 유지를 통해 최소화되거나 감소될 수 있다.
도 9 내지 16b를 참조하면, 이미징 어셈블리(14)는 종자들의 x-레이 이미지들을 획득하기 위해 컨베이어 표면 아래에 장착된 x-레이 카메라(60)를 포함한다. 일 실시예에서, x-레이 카메라(60)는 고효율, 저에너지, 고감도 x-레이 TDI 카메라(예를 들어, 10 내지 50 KeV)를 포함한다. TDI(시간, 지연 및 통합) 기술은 움직이는 오브젝트의 다중 노출들을 축적하는 개념에 기초하여, 입사광 또는 광자들을 수집하는 데 사용할 수 있는 통합 시간을 효과적으로 증가시킨다. x-레이 카메라(60)의 구성은 시스템이 높은 이미징 속도로 동작하면서 고품질 이미지들을 획득할 수 있게 한다. 표준 x-레이 카메라들은 시스템에서 사용되는 벨트 속도 및 스캔 폭에서 이동 컨베이어(27)에 유용한 정보 품질을 가진 이미징 종자들을 수용하기에는 너무 낮은 이미징 감도를 가질 수 있다. 추가로, X-레이 카메라(60)의 고효율 설계는 카메라에서 x-레이 튜브들의 수명을 연장시키는 요구되는 kV 설정에서 최대 전력 설정으로 x-레이 튜브를 작동시킬 필요를 제거한다. 일 실시예에서, x-레이 튜브의 수명은 약 10,000 시간 이상이다.
x-레이 카메라(60)는 하우징(62) 및 하우징 내에 부분적으로 포함된 TDI CCD 센서(63)를 포함한다. 센서(63)는 하우징(62) 내의 회로부(도시되지 않음)에 동작 가능하게 연결된다. 도 16 내지 16b에서 볼 수 있듯이, 센서(63)는 센서의 일부가 하우징(62)의 상부 표면 위로 연장되도록 상승된다. 광섬유(67)는 CCD 센서(63)의 상부에 장착된다. 광섬유(67)는 센서(63)에 기계적으로 그리고 광학적으로 결합된다. 예시된 실시예에서, 광섬유(67)는 다수의 수직 배향 광섬유 가닥들로 구성된다. 광섬유는 함께 융합된 광섬유 블록으로 구성된다. 일 실시예에서, 각 개별 섬유 직경은 약 10 마이크로 미터이다. 일 실시예에서, 광섬유(67)는 광섬유 면판(fiber optic face plate; FOFP)과 같다. 광섬유 면판은 제로 깊이 윈도우 역할을 하는 일관된 다중 섬유 플레이트로, 플레이트의 한 면에서 다른 면으로 픽셀 단위(광섬유 단위)로 이미지를 전송한다. 광섬유 신틸레이터(70)는 광섬유(67) 상에 장착되고 광학적으로 결합된다. 커스터마이즈된 신틸레이터 재료(69)가 광섬유 신틸레이터(70)(도 16b)의 상부에 배치/성장한다. 신틸레이터(70)는 광섬유(67) 또는 제2 광섬유(도시되지 않음) 상에 직접 배치될 수 있다. 일 실시예에서, 신틸레이터 재료(69)는 약 10 마이크로미터와 약 500 마이크로미터 사이의 두께(T1)를 갖는다. 일 실시예에서, 신틸레이터 재료는 약 55 마이크로미터의 두께(T1)(도 16b)를 갖는다. 광섬유 신틸레이터(70)는 광섬유(67) 상에 기계적으로 그리고 광학적으로 결합된다. 일 실시예에서, 광학 오일(71)(도 16b)은 광섬유(67)와 광섬유 신틸레이터(70) 사이에 배치된다. 일 실시예에서, 광학 오일(71)은 광섬유(67)와 센서(63) 사이에 배치될 수 있다.
카메라 바디(68)가 하우징(62)의 상부에 장착되고 광섬유(67)의 상부에 광섬유-신틸레이터(70)를 부착하여 광섬유-신틸레이터(70)가 광섬유(67)에 기계적으로 그리고 광학적으로 결합되도록 한다. 광섬유 신틸레이터(70)는 x-레이 광자들을 가시 광선 광자들로 변환하도록 구성된다. 가시 광선 광자들은 광섬유 신틸레이터(70) 아래로 결합된 광섬유(67)로 이동하고 광학적으로 결합된 TDI-CCD 센서(63)로 이동한다. 바디(68)는 또한 광섬유 신틸레이터(70)를 둘러싸고 있어 카메라(60)를 위한 하우징 구조의 일부를 형성한다. 입사창(72)은 카메라 바디(68)에 부착되고 광섬유-신틸레이터(70)를 덮는다. 예시된 실시예에서, 입사창(72)은 프레임(74) 및 프레임에 의해 지지되는 얇은 탄소 섬유 시트(76)를 포함한다. 입사창(72)은 또한 카메라(60)를 위한 하우징 구조의 일부를 형성한다. 광섬유 신틸레이터(70) 및 광섬유(67)는 이미지 선명도, 감도, 광자 효율, 감쇠 및 잔광을 최적화하도록 설계 및 제조된다. 카메라(60)가 다수의 하우징 컴포넌트들을 갖는 것으로 도시되어 있지만, 카메라는 단일 하우징 구조로 형성될 수 있다. 추가로, 하우징 컴포넌트들은 본 개시의 범위를 벗어나지 않고 상이한 구성들을 가질 수 있다.
일 실시예에서, 광섬유 신틸레이터(70)는 신틸레이터 재료(69)로서 55 마이크론 원주형 CsI:TI(탈륨으로 활성화된, 세슘 요오드화물)로 코팅될 수 있다. 일 실시예에서, 광섬유 신틸레이터(70)는 신틸레이터 재료(69)로서 Gd2O2S: Pr, Ce, F로 코팅될 수 있다. 추가로, 감소된 두께를 갖는 신틸레이터(70)를 설계함으로써, x-레이 튜브(81)는 방출된 광자 에너지 스펙트럼에서 고 에너지 광자들의 일부가 신틸레이터 재료(69)에서 변환되지 않거나 부분적으로 변환될 것이므로 더 높은 kV 설정에서 보다 효율적으로 작동될 수 있다.
카메라(60)는 상승된 TDI CCD 센서(63) 상에 광섬유(67) 및 광섬유 신틸레이터(70)를 통합함으로써 표준 x-레이 TDI 카메라들의 구성을 개선한다. 광섬유 신틸레이터(70)의 상부에 있는 신틸레이터 재료(69)는 입사창으로부터 더 먼 거리에 신틸레이터를 장착하는 표준 x-레이 TDI 카메라로 가능한 것보다 컨베이어 벨트(28)에 훨씬 더 가깝게 위치된다. 따라서, 신틸레이터(70) 및 광섬유(67)는 센서(63)가 리세스되게 하는 동시에, 센서를 벨트/종자들에 가깝게 하는 것과 동일한 효과를 제공한다. 얇은 탄소 섬유 시트(76)를 포함하는 입사창(72)은 또한 재료의 두께 및 신틸레이터와 종자들이 위치되는 컨베이어 벨트 사이의 에어 갭을 감소시킴으로써 가능한 한 컨베이어 벨트(28)에 가까운 신틸레이터(70) 및 신틸레이터 재료(69)의 배치를 용이하게 한다. 일 실시예에서, 탄소 섬유 시트(76)의 두께는 0.2 mm(0.01 인치)이고, 신틸레이터(70)에서 탄소 섬유 시트(76)까지의 거리(D)는 약 0.6 mm(0.02 인치)이며, 동시에 컨베이어 벨트(28)의 두께는 약 0.1 mm(0.004 인치)이다.
컨베이어 벨트와 밀접하게 관련하여 카메라(60)를 배치하는 것은 광자 플럭스, 기하학적 (비)선명도 및 기하학적 확대를 고려할 때 이점들을 갖는다. 광자 플럭스는 x-레이 튜브에서 방출되는 초당 평방 미터당 광자들의 측정값이다. 따라서, 광자 플럭스는 x-레이 튜브의 초점으로부터 측정 거리의 함수이다. 기하학적 (비)선명도는 x-레이 튜브 초점으로부터 오브젝트(종자)까지의 거리, 오브젝트로부터 신틸레티어까지의 거리의 함수이며, x-레이 초점 크기의 함수이다. 기하학적 배율은 'x-레이 튜브 초점으로부터 오브젝트(종자)까지의 거리' 대 '오브젝트로부터 카메라 신틸레이터까지의 거리'의 비율이며, 이 실시예에서는 약 1.01 인자에 불과하다. 비선명도는 방사선 이미지에서 공간 분해능의 손실이다. 일반적으로 3가지 유형의 비선명도인, 기하학적 비선명도, 모션 비선명도 및 사진이나 시스템 비선명도가 있는 것으로 간주된다. 기하학적 비선명도는 x-레이 빔의 기하학적 측면들로 인해 발생된다. 겉보기 초점 크기 및 피사체-필름 거리(object-film distance; OFD)와 초점-필름 거리(focus-film distance; FFD) 사이의 비율이라는 두 가지 주요 인자들이 동시에 작용한다. 미세한 초점 크기들은 기하학적인 비선명도를 최소화할 것이며, 따라서 더 자세한 이미지들을 제공한다. FFD:OFD 비율을 높게 유지하면 기하학적 비선명도가 최소화될 것이다. 이는 OFD를 최소로 유지, 즉 오브젝트의 일부를 가능한 한 검출기에 가깝게 x-레이되는 오브젝트의 일부를 유지함으로써 가장 쉽게 수행될 수 있다. 그러나, 이는 가능하지 않은 경우, FFD를 정상 100 내지 110 cm 이상으로 증가시키는 것은 비선명도 레벨을 수용할 수 있도록 유지하는 것이 필요할 것이다.
신틸레이터(70) 및 신틸레이터 재료(69)가 컨베이어 벨트(28)에 가깝게 장착될 수 있도록 카메라(60)를 구성하면, 해로운 이미지 비선명도를 유발하지 않고 더 큰 초점 크기(예를 들어, 1.0mm x 1.0mm 이상)를 갖는 x-레이 튜브(81)의 사용을 허용한다. 더 큰 초점은 더 높은 광자 플럭스들을 가능하게 하여 이미징 리턴 속도를 높인다. 그 결과, 초당 더 많은 양의 이산 광자들이 x-레이 튜브(81)에 의해 방출된다. 이동하는 컨베이어 벨트(28) 상의 종자들을 이미지화하기 위해 표준 x-레이 TDI 카메라가 있는 이 크기의 초점을 갖는 x-레이 튜브를 사용하면 x-레이 이미지들의 기하학적 선명도를 손상시킬 것이다. 이는 초점이 크면 기하학적 비선명도가 높아지기 때문이다. 본 개시는 카메라 신틸레이터를 종자에 매우 가깝게 위치시켜, 매우 낮은 배율을 초래한다. 이를 통해 허용 가능한 범위 내에서 기하학적 비선명도를 유지하면서 상대적으로 큰 초점(상대적 고전력 출력)이 있는 x-레이 튜브들의 사용을 허용한다.
일 실시예에서, 컨베이어 벨트(28)(종자들)와 x-레이 튜브(81)의 초점 사이의 거리는 약 130 mm(5 인치)이다. 상기에 나타낸 바와 같이, x-레이 카메라 입사창(72)은 컨베이어 벨트(28)에 가깝게 장착된다. 일 실시예에서, x-레이 카메라 광섬유 신틸레이터(70)는 컨베이어 벨트(28)로부터 약 0.4 mm(0.01 인치) 내지 약 10 mm(0.4 인치) 사이의 간격을 갖는다. 일 실시예에서, 표시된 거리는 0.7 mm(0.03 인치)이다. 종자 운반 컨베이어(27) 벨트(28)에 가깝게 x-레이 카메라 신틸레이터(70)를 장착하면 카메라가 x-레이 이미지들의 기하학적 선명도를 손상시키지 않고 더 큰 초점 크기를 가진 x-레이 튜브들을 사용하도록 한다. 더 큰 초점은 더 높은 광자 플럭스를 가능하게 하여 이미징 속도를 높이고/높이거나 주어진 x-레이 튜브가 최대 전력 설정 미만으로 동작하도록 하여 결과적으로 튜브 수명을 크게 연장시킨다.
이미지 품질은 카메라(60)의 스캔 폭을 컨베이어(27) 상의 종자들의 이동에 동기화시킴으로써 더욱 최적화된다. 따라서, 카메라(60)의 라인 스캔 속도는 종자들이 컨베이어를 따라 이동할 때 종자들의 실제 모양과 구성이 카메라에 의해 캡처되도록 컨베이어(27)의 속도와 일치된다. 예를 들어, 라인 스캔 속도를 컨베이어 속도와 동기화시키면 카메라의 라인 스캔 속도가 너무 느리거나 너무 빠르기 때문에 둥근 종자가 타원형 또는 장타원형의 종자가 아닌 둥근 종자로 이미지될 것임을 보장한다. 모양 및 전체 종자 구성은 시스템에 의해 이루어지는 분류 결정에 중요하기 때문에, 종자 구성을 정확하게 캡처하는 x-레이 이미지들을 생성할 수 있는 카메라(60)를 갖는 것이 신뢰할 수 있는 종자 분류 모델을 생성하는 데 중요하다.
필터(80)가 x-레이 카메라(60)와 필터 위의 x-레이 튜브(81) 사이에 배치된다. 컨베이어 벨트(28) 위에 장착된 프레임(82)은 필터(80)를 고정한다. 일 실시예에서, 필터는 동일한 재료를 포함하고 벨트(28)와 동일한 두께를 갖는다. 하기에 더 상세하게 설명되는 바와 같이, 스캔트레이들(90)의 필름은 또한 동일한 재료로 구성되고 벨트와 동일한 두께를 갖는다. 필터(80)는 컨트롤러(18)에 의해 자동으로 제어되고, 스캔트레이들(90)의 이미징 동안 x-레이 카메라(60)의 시야 밖으로 이동되며, 컨베이어 벨트(28)에 직접 위치되는 종자들의 이미징 동안(예를 들어, 종자 선별 동안) 시야로 이동된다.
x-레이 이미지들의 정확성과 반복성을 유지하기 위해, 카메라의 적절한 기능 및 교정(calibration)을 체크하기 위한 규정들이 시스템(10)에 추가될 수 있다. 이 교정은 카메라에 들어오는 제로 라이트를 포함할 것이며, 제로 설정들로의 카메라의 교정을 허용한다. 다음으로, 프레임(82)의 필터(80)는 x-레이 투과 표준을 포함하는 시간 안정된 기준 샘플이다. 이러한 표준은 또한 x-레이 타겟들(예를 들어, 합성 재료의 가변 두께 샘플 오브젝트)을 포함할 수 있다. 표준은 주기적인 간격들(예를 들어, 각각의 한 묶음(batch)의 시작)으로 이미지화될 수 있으며, 이미징 처리 방법들은 이미징 하드웨어의 상태를 체크하고 모든 필요한 모든 카메라 수정들을 수행하는 데 사용될 것이다. 다른 실시예에서, 카메라의 교정은 자동으로 달성될 수 있다. 카메라를 자동으로 교정하기 위해, 시스템은 추가 종자들이 벨트에 공급되는 것을 금지하거나 방지하고, 벨트로부터 모든 종자들이 제거될 때까지 벨트가 움직일 적이다. 이후, 카메라는 벨트가 이동하는 동안 종자들이 없는 벨트로부터의 측정값들에 기초하여 자동으로 교정될 것이다. 이동 벨트는 시스템이 벨트의 임의의 결함들의 평균을 낼 수 있게 할 것이다.
예시된 실시예에서, 시스템(10)은 x-레이에 대한 노출로부터 작업자들을 보호하기 위한 리트랙터블(retractable) x-레이 차폐 도어들(102)을 포함한다.
도 17 내지 19를 참조하면, 선별 어셈블리(16)는 한 쌍의 선별 모듈들(40)과, 이미징 어셈블리(14) 및 컨트롤러(18)에 의해 획득된 측정값들에 기초하여 종자들을 적어도 두 개의 서로 다른 카테고리들로 선별하기 위해 컨베이어(27)의 단부에 위치된 복수의 선별 빈(bin)들(42)을 포함한다. 예시된 실시예에서, 세 개의 선별 빈들(42)이 도시되어 있다. 분류 모듈들(40)은 종자들이 각각 컨베이어(27)의 단부를 따라 이송될 때 종자들을 빨아들이기 위해 진공 소스와 유체 연통하는 다수의 진공 노즐들(44)을 포함한다. 이 실시예에서, 각 선별 모듈은 8개의 선별 노즐들을 포함한다. 이 선별 노즐의 수는 싱귤레이션 공급 플레이트의 개별 채널들의 수와 일치한다. 이 실시예에서, 선별기는 직렬의 2개의 선별 모듈들을 갖는다. 이는 시스템이 한 묶음으로부터 종자들을 3개의 별도의 부분들로 분류 및 선별할 수 있도록 한다. 선별 모듈들(40)에 의해 흡입되지 않은 종자들은 종자들이 제1 선별 빈(42a)으로 떨어지는 컨베이어(27)의 단부로 이동하게 한다. 분류 모듈들(40)의 진공 흡입은 컨베이어 벨트(28)로부터 선택된 종자를 제거하고 이들을 제2 및 제3 선별 빈들(42b, 42c)로 보내는데 사용된다. 일 실시예에서, 시스템은 하나의 선별 모듈만으로 구비될 수 있다. 진공 노즐들의 수는 싱귤레이션 공급 플레이트의 채널들의 수에 대응되며, 더 넓은 컨베이어 벨트 시스템의 배치에 의해 그리고 8개 이상의 채널들을 호스팅하는 더 넓은 싱귤레이션 공급 플레이트에 대응하여 개수가 증가될 수 있다. 일 실시예에서, 토마토 또는 토마토 뿌리 줄기 종자들을 선별할 때, 시스템은 8개의 채널 싱귤레이션 공급 플레이트 및 선별 모듈 당 8개의 노즐로 구비될 수 있다. 다른 실시예에서, 후추 종자들을 선별할 때, 시스템은 5 내지 6개의 채널 싱귤레이션 공급 플레이트들(26) 및 대응되는 노즐들의 수로 구비될 수 있다.
앞서 언급된 바와 같이, 종자들은 카메라 트리거와 컨베이어(27)의 모션 제어를 동기화시킴으로써 추적될 수 있다. 이는 라인 스캔 폭(벨트 이동 방향)을 한 라인 스캔으로부터 다음 라인 스캔으로의 실제 공간 변위와 동기화시킴으로써 수행될 수 있다. 다른 실시예에서, 종자들은 광 게이트(50)에 의해 추적될 수 있다. 도 18 및 19를 다시 참조하면, 광 게이트(50)는 결정된 위치에서 종자들의 존재 및 타이밍을 검출하도록 구성된다. 싱귤레이션 공급 플레이트(26)의 채널들의 수는 광 게이트의 광 센서들의 수와 일치한다. 시스템(10)은 종자들의 경로를 추적하고 종자들이 광 게이트에 대응되는 광 센서의 등록에 있을 때를 예측할 수 있다. 따라서, 시스템(10)은 종자가 컨베이어(27) 상에서 이동할 때 각 종자의 위치를 예측할 수 있다. 대응되는 광 센서에서 실제 타이밍과 종자의 예측된 위치 사이의 임의의 편차는 대응되는 진공 노즐이 아래쪽으로 분출되도록 계산된 시점을 수정하는 데 사용될 수 있다. 이 정보는 선별 모듈들(40)의 진공 노즐들(44)의 작동을 지시하기 위해 컨트롤러(18)에 의해 사용될 수 있다. 광 게이트(50)로부터의 종자 위치 정보는 또한 종자의 검출된 위치를 종자의 예측된 위치와 비교하는 데 사용될 수 있으며, 위치 차이와 관련된 시간 지연은 해당 특정 종자에 대한 채널(종자 라인)에 대응되는 하나 이상의 진공 노즐들(44)의 발포를 조정하는 데 사용될 수 있다. 시스템은 또한 x-레이 이미지 데이터에서 검출된 종자가 특정 공간창 내에서 광 게이트(50)에 의해 물리적으로 검출되는지 여부를 체크할 수 있다. 이는 해당 이미지, 위치 및 분류 데이터가 시스템에 저장되었는지 검증하기 위해 상호 참조될 수 있다. 시스템은 또한 광 게이트(50)에 의해 검출된 종자가 데이터 큐에도 존재하는지, 그리고 가상 데이터 위치가 광 게이트에 의한 물리적 검출의 실제 시간 및 지점과 충분히 정렬되는지를 체크할 수 있다. 추가로, 위치 데이터는 이미지 데이터가 컨베이어 벨트(28)의 각 종자와 완전히 정렬되었는지를 체크하는 데 사용될 수 있다. 일 실시예에서, 벨트(28)는 표면 전체에 걸쳐 스크래치들이 있는 재료로 만들어질 수 있으며, 광 게이트(50)는 벨트 스크래치들을 무시하도록 교정될 것이다. 이는 광 게이트(50)가 투명 벨트에서 스크래치를 잘못 판독하는 오류들이 발생하는 것을 방지하는 데 도움이 될 것이다. 광 게이트들로부터의 신호 데이터가 없어도, 시스템은 각 종자의 가상(예측된 위치 및 품질 분류) 데이터가 선별 노즐이 적절한 시점과 장소에서 동작할 수 있도록 하므로 계속 작동할 것이다.
설명된 광 게이트들(광 게이트를 통과하는 종자가 송신기와 수신기 사이의 광 전송을 차단하는 원리에 의존함)의 사용하는 대신 소위 레이저 프로파일로미터가 각 종자의 존재, 위치 및 타이밍을 검출하는 데 사용될 수 있는 것으로 구상된다. 이는 단면 센서 검출이 가능하며 벨트 재료가 광학적으로 투명할 필요가 없다. 대안으로, 라인 스캔 카메라는 다른 옵션으로 사용될 수 있다.
일 실시예에서, 선별 모듈들(40)은 각각 여덟(8) 개의 진공 노즐들(44)을 포함한다. 그러나, 본 개시의 범위를 벗어나지 않고 서로 다른 수의 진공 노즐들이 구상된다. 진공 노즐들(44)의 어레이는 컨베이어(27) 상에 종자들의 배치를 수용하는 위치에 진공 노즐들(44)을 위치시키기 위해 적절한 수 및 배열로 제공된다. 진공 노즐들(44)은 종자를 진공 흡입하도록 진공 노즐(44)을 종자까지 아래로 이동시키기 위해, 전기 기계식 액추에이터(예를 들어, 솔레노이드)에 의해 개별적으로 작동(발사/분출)된다. 그런 다음, 이 종자는 호스(hose)들 및 기타 수단들을 통해 선별 빈으로 운반된다. 진공 노즐들(44)의 진공 압력은 필요에 따라 조절될 수 있다.
예시된 실시예에서, 종자들을 세 개(3)의 선별 빈들(42)로 선별하기 위해 선택적으로 배치된 두 개(2)의 선별 모듈들(40)이 있다. 제1 선별 빈(42a)은 컨베이어(27)의 배출구에 위치된다. 따라서, 종자가 선별 모듈들(40)에 의해 방향 전환되지 않으면, 종자는 컨베이어(27)를 떠나는 종자의 자연적인 궤적의 결과로 제1 선별 빈(42a)에 도착할 것이다. 일 실시예에서, 종자 가이드(48)는 종자들을 제1 선별 빈(42a)으로 안내한다. 제2 및 제3 선별 빈(42b, 42c)은 제1 선별 빈(42a) 옆에 위치된다. 튜브(46)는 진공 노즐들을 제2 및 제3 선별 빈들(42b, 42c)에 연결한다. 추가 선별 모듈들이 종자들을 3개 이상의 빈들로 선별하는 데 사용될 수 있음이 이해될 것이다. 선별 모듈들은 또한 종자들을 두 개의 빈들로만 선별하는 데 사용될 수 있다. 본 개시의 범위를 벗어나지 않고 서로 다른 유형의 선별 어셈블리가 사용될 수 있음이 또한 구상된다.
도 20 내지 22를 참조하면, 특정 종자 한 묶음의 실제 x-레이 선별 전에, 샘플 이미지들이 획득되어 커스텀화된 분류 모델을 트레이닝시킨다. 이는 샘플로부터 개별 종자 그룹을 이미징하고 다양한 숫자 이미지 특징들을 측정하는 것으로 시작된다. 종자 또는 모종 품질 데이터는 관련 종자 한 묶음에 대한 훈련 세트를 생성하기 위해 이 특징 파일에 추가된다. 기계 학습 알고리즘은 이 트레이닝 세트로부터 최적의 분류 모델을 구축하는 데 사용된다. 예를 들어, 로짓 부스트(Logit Boost) 기계 학습 알고리즘은 트레이닝 세트로부터 최적의 분류 모델을 구축하는 데 사용될 수 있다. 교차 검증된 결과들의 분석은 모델에 필요한 동작 포인트 확률(p) 임계값을 설정하는 데 사용된다. p-임계 지점은 또한 예상 성능 파라미터들을 출력 품질, 회수율 및 불량률로 정의한다. 한 묶음의 실제 선별 시, 트레이닝된 모델과 지정된 p-임계값이 시스템(10)에 설정된다. 선별 중에 허용 및 거부 분율의 품질 파라미터들을 사용할 수 없으므로, 모니터링될 수 있는 유일한 나머지 파라미터들은 p-값 히스토그램과 실제 불량률이다. 최상의 선별 성능을 위해, 커스텀 트레이닝 세트는 각 상용 종자 한 묶음에 대한 분류 모델을 구축하기 위해 생성 및 사용되어야 한다. 이는 또한 일반 분류 모델들(각 종자 한 묶음에 대한 트레이닝 세트의 생성이 필요하지 않음)이 배치될 수 있는 것으로 구상된다. 다른 분류 알고리즘들도 구상된다.
이 트레이닝 절차를 수행하기 위한 한 프로세스가 하기에 설명된다. 우선, 한 묶음의 종자들은 개별 스캔트레이들(90)에 적재되고 개별적으로 적재된 스캔트레이들은 x-레이 차폐 도어들을 통해 시스템(10)에 적층 및 배치된다. 일 실시예에서, 다수의 스캔트레이들은 종자들로 적재된다. 세 개(3)의 스캔트레이들의 적층이 도 21에 도시되며 여덟 개(8)의 스캔트레이들의 적층이 도 21a에 도시된다. 각 스캔트레이는 스캔트레이들을 정렬하는 로케이팅 핀들을 사용하여 다른 스캔트레이와 적층된다. 트레이닝 세트는 열 두 개(12)의 스캔트레이들의 적층을 가질 수 있다. 각 스캔트레이(90)는 바디의 상부 표면(96)에 형성된 복수의 원형 홀들(94)을 갖는 바디(92)를 포함한다. 일 실시예에서, 바디(92)는 금속이다. 투명 필름(98)은 상부 표면(96)과 하부 표면(100) 사이의 바디(92)의 슬롯에 배치되고, 각 구멍에 종자를 고정하기 위해 홀들(94)의 바닥을 덮는다. 바닥 표면(100)을 덮는 투명 필름(98)의 전형적인 두께는 0.1 mm(0.004 인치) 내지 0.2 mm(0.008 인치)이다. 상부 표면(96)의 전형적인 두께는 바람직한 실시예에서 종자들의 두께 이상이나; 두께는 종자들이 떨어지거나 위치를 바뀌지 않도록 해야 한다. 일 실시예에서, 투명 필름(98)은 Mylar® 필름을 포함한다. 전형적인 Mylar® 필름 두께는 75 내지 100 마이크로 미터이며, 이 두께는 필터(80)에도 사용된다. 그런 다음, 스캔트레이(90)는 종자들이 카메라(60)에 의해 이미지화될 수 있도록 시스템(10) 상에 배치된다. 특히, 스캔트레이들(90)의 스택은 선별기 시스템에서 컨베이어 벨트(28)에 근접한 정렬 기구(예를 들어, 로케이팅 핀들)를 사용하여 미리 결정된 위치에 수동으로 삽입된다. 스캔트레이들(90)의 각 스택은 선별기 시스템의 결정된 위치에 삽입되고 로케이션 핀들을 사용하여 위치된다. 예시된 실시예에서, 미리 이미지화된 스캔트레이들(90)의 스택은 이미징 어셈블리(14)와 선별 어셈블리(16) 사이의 컨베이어 벨트(28)의 일 측면 옆에 위치된다. 스택(90)의 높이는 핸들러의 그리퍼헤드(105)에 있는 근접 스위치를 사용하여 픽-앤-플레이스(pick-and-place) 핸들러(103)에 의해 결정된다. 이 방식으로 핸들러(103)는 스캔트레이들(90)의 X, Y 및 Z 좌표들을 알고 있다.
필터(80)는 각 스캔트레이(90)에서 투명 필름(98)에 대한 추가 x-레이 감쇠를 보상하기 위해 커스텀화된 분류를 트레이닝히키기 위한 준비로 스캔트레이들을 이미지화하기 시작할 때 자동으로 제거된다. 필터(80)는 선별 프로세스 동안 교체되고, 선별 프로세스 동안 x-레이 카메라(60)에 의해 획득된 이미지들이 스캔트레이 이미징 절차 동안 생성된 이미지들과 일치하도록 스캔트레이(90)의 이미징 특성들을 모방하는 기능을 한다. 각 홀(94) 내의 종자들의 위치는 바디(92)에 대해 슬롯에서 투명 필름(98)을 이동시킴으로써 스캔트레이에 관한 모든 종자들에 대해 조정되고 동시에 동기화될 수 있다.
모든 스캔트레이들(90)의 종자들이 중앙에 배치되고 모든 스캔트레이들이 선별기 시스템에 적층 및 적재되면, 선별기 시스템의 차폐가 닫히고 완전 자동화된 루틴이 시작된다. 이어서 2-축 픽-앤-플레이스 핸들러(103)는 스택으로부터 최상부 스캔트레이(90)로 이동하고 진공 그리퍼들(105)을 사용하여 상부 스캔트레이를 파지한다. 그런 다음, 스캔트레이(90)는 공급 스택으로부터 제거되고 컨베이어(27) 상의 미리 정의된 위치들로 이동된다. 진공 그리퍼들(105)은 비활성화되고 핸들러(103)는 위로 이동한다. 다음으로, 반대 방향으로 이동하고 이제 제1 스캔트레이(90)를 운반하는 컨베이어(27)는 스캔트레이를 시작점(도 20의 좌측)으로 이동시킨다. 그런 다음, 컨베이어(27)는 스캔트레이(90)를 전방으로 이동시키고 스캔트레이는 x-레이 카메라(60)를 통과한다. 시스템(10)은 종자들을 고정하는 스캔트레이(90)의 이미지를 캡처한다. 제어 소프트웨어는 각 스캔트레이 ID 및 개별 종자 위치의 추적을 계속한다. 소프트웨어는 각 개별 종자가 추출되고 관련 데이터(예를 들어, 스캔트레이 ID, 종자 위치, 종자 유형, 배치(batch) 번호 등)와 함께 개별적으로 저장되도록 스캔트레이 이미지를 자동으로 처리한다. 도 23은 트레이닝 절차 동안 획득된 토마토 종자들의 x-레이 이미지들을 도시한다. 이미징 프로세스 후에, 스캔트레이(90)는 컨베이어(27)에 의해 미리 결정된 위치로 이동되고, 핸들러(103)는 스캔트레이(90)를 파지하기 위해 이동되며 선별기의 준비 스택 위치에 스캔트레이를 배치한다. 예를 들어, 핸들러(103)는 이미지화된 스캔트레이들(90)을 공급/사전 이미지화된 스택으로부터 컨베이어 벨트의 반대쪽에 있는 컨베이어 벨트(28) 옆의 스택에 배치할 수 있다. 이후, 핸들러(103)는 공급/사전 이미지화된 스택(90)으로부터 다음 스캔트레이(90)로 이동하고, 공급/사전 이미지화된 스택으로부터의 모든 스캔트레이들이 이미지화되고 준비 스택 위치에 적층될 때까지 동일한 루틴을 반복한다. 그런 다음, 핸들러(103)는 준비 스택의 각 스캔트레이(90)를 원래의 공급 스택으로 다시 이동시킨다. 다른 실시예들에서, 작업자는 준비 스택 위치로부터 스캔트레이 스택을 수동으로 가져올 수도 있다. 그런 다음, x-레이 차폐가 열릴 수 있으며, 작업자는 스캔트레이(90)의 전체 스택을 꺼낼 수 있다.
각 종자의 이미지는 자동으로 처리 및 저장된다. 각 디지털 종자 x-레이 이미지는 여러 형태 및 기하학적 구조 특징들을 결정하기 위해 개별적으로 측정된다. 트레이닝 세트로부터 종자들을 고정하는 스캔트레이들(90)은 임의의 다른 관련 메트릭의 품질 테스팅 또는 결정을 위해 보내진다. 트레이닝 세트의 각 종자의 경우, 관련 품질 메트릭들이 결정된다. 채소 종자의 경우, 종자들은 일반적으로 발아되고 발아 및 모종 품질 메트릭들에 대해 테스트된다. 해당 종자 한 묶음의 경우, 모든 할당된 모종 품질 등급들은 이진 등급 라벨인, TRUE(사용 가능한 종자들) 또는 FALSE(사용할 수 없는 종자들)로 카테고리화된다. 그러나, 다른 라벨링 유형들(예를 들어, 다중 클래스 라벨링, 연속 데이터 유형 등)은 제외되지 않는다. 각 종자의 경우, 라벨 데이터는 모든 종자들에 대한 특징 데이터와 함께 파일에 추가된다. 주어진 한 묶음의 종자에 대한 최적의 분류 모델을 구축/트레이닝하기 위해 학습 알고리즘이 호출된다. 통계적 성능 속성들은 확률 임계값의 함수(회귀 모델이 트레이닝된 경우)로 평가된다. 성능 메트릭들 및 요구 사항들에 기초하여, 최적의 p-임계값이 결정된다. 그런 다음, 시스템(10)은 대응되는 분류 모델 및 임계값에 기초하여 종자 한 묶음에 대해 교정된다.
종자 선별 절차를 시작하기 위해, 종자들은 시스템(10)을 통해 컨베이어(27)에 의해 운반될 준비를 위해 호퍼(20)에 먼저 배치된다. 종자들이 호퍼(20)의 배출구(24)를 떠날 때, 공급 슈트(31) 및 싱귤레이션 공급 플레이트(26)가 있는 진동 공급부(25)는 종자들이 싱귤레이션 공급 플레이트(31)에서 컨베이어 벨트(28)로 떨어질 때까지 종자들을 투여하고 앞으로 이동시킨다. 싱귤레이션 공급 플레이트들(26)은 종자들을 다수의 행들과 이격되고 컨베이어 벨트를 향한 이동 방향으로 길이 방향으로 간격을 두어 종자들을 싱귤레이션한다. 싱귤레이션 공급 플레이트(26)의 슬롯 홀들(37)에 떨어진 여분의 종자들은 종자 수집기(39)에 의해 수집되고 파편 분리기(43)를 통해 호퍼 (20)로 다시 라우팅된다. 추적 센서(도시되지 않음)는 종자들이 싱귤레이션 공급 플레이트(26)를 떠날 때 각 종자를 등록할 수 있다. 일 실시예에서, 각 개별 종자는 이들이 x-레이 카메라(60)를 통과할 때 (처음으로) 등록된다. 종자들은 컨베이어(27) 상의 공지된 위치 및 고정된 방향으로 유지되며, 이는 컨베이어 벨트(28)의 모션 제어 프로파일을 알고 있음으로써 각 종자가 높은 수준의 정확도로 추적될 수 있게 한다. 대안으로, 정밀 인코더가 사용될 수 있다. 컨베이어(27)는 종자들의 x-레이 라인 스캔들이 얻어지는 x-레이 카메라(60)의 시야로 종자들을 운반한다. 개별 라인 스캔들은 프레임 그래버(frame grabber)에 수집된다. 이후, 정의된 수의 라인들을 보유하는 이미지 프레임들은 컨트롤러(18) 내부의 비전-처리 PC로 전송된다.
x-레이 카메라(60)에 의해 획득된 x-레이 이미지들로부터 획득된 데이터에 기초하여, 컨트롤러(18)는 특징 값들을 측정하고, 이러한 값들을 분류 모델에 공급하고, 각 종자를 카테고리화할 수 있다. 시스템의 머신 비전 소프트웨어는 x-레이 이미지들로부터 개별 종자들을 검출하고, 종자들의 x 및 y 좌표들을 결정하며, x-레이 이미지들이 먼지나 파편이 아니라 종자임을 나타내는 기준을 충족하는지 체크한다. 시스템은 추가로 x-레이 이미지들이 잘 분리되지 않은 다수의 종자들이 아닌 단일 종자인지를 체크하고, 종자가 특정 종자 채널에서 인접한 종자들과 충분한 공간 분리를 가지고 있는지를 체크한다. 소프트웨어는 트레이닝된 분류 모델에 의해 사용되는 특징들에 따라 모든 관련 특성 값들을 측정한다. 데이터는 이진일 수 있거나, 카테고리형일 수 있다. 분류 카테고리들은 사용된 라벨 데이터 유형들 및 분류기 트레이닝 동안 사용된 라벨 카테고리들에 기초할 수 있다. 라벨 카테고리들은 정상, 약함, 비정상, 비-발아, 사전 발아, 손상, 반손상, 비손상 등을 포함할 수 있다. 이러한 임계값들/범위들에 기초하여, 적어도 두 개의 카테고리들이 정의될 수 있다. 예를 들어, 측정 데이터는 종자가 건강한지 결함이 있는지를 결정하는 데 사용될 수 있다. 각 선별 빈(42)은 카테고리들 중 하나와 관련된다. 예시된 실시예에서, 제1 선별 빈(42a)은 원하는 특성들을 갖는 종자들을 나타내고, 제2 및 제3 선별 빈들(42b, 42c)은 원하는 특성을 더 적게 또는 전혀 나타내지 않는다. 각 종자가 분석될 때, 종자는 카테고리들 중 하나와 관련된다. 예를 들어, 임계값 이상의 등급 확률을 산출하는 형태학적 특징들을 갖는 종자는 제1 수락 카테고리로 분류되고; 값의 범위 내에 있거나 특정 임계값 미만인 등급 확률을 산출하는 하나 이상의 형태학적 특징들을 갖는 종자들은 제2 또는 제2 카테고리로 분류된다. 다수의 범위/임계값들이 종자들을 2개 또는 3개 이상의 카테고리들로 추가 분류하기 위해 설정될 수 있다. 일 실시예에서, p-값이 설정된 p-임계값보다 큰 종자들은 건강한 것으로 분류되고, p-값이 설정된 p-임계값보다 작은 종자들은 결함이 있는 것으로 분류된다. 각 종자에 대해, 확률 값, 위치 데이터 및 기타 정보가 이미징 어셈블리(14)로부터 컨트롤러(18)로 전달된다. 그런 다음, 종자들은 광 게이트(50)를 통과하고 컨트롤러(18)는 종자의 물리적 타이밍 및 위치가 해당 위치 및 타이밍에 대해 가상 데이터 큐에 저장된 데이터와 일치하는지를 체크한다. 일단 종자가 컨베이어(27)의 단부에 도달하면, 선별 모듈들(40)은 결함 종자들을 제2 및 제3 빈들(42b, 42c) 중 하나로 전환하도록 컨트롤러(18)에 의해 동작된다. 건강한 종자들은 컨베이어(27)의 단부로 이동하여 제1 빈(42a)으로 떨어지게 할 수 있다.
도 24는 종자 선별 시스템(10)을 사용하여 종자 선별/분류 루틴 동안 카메라(60)로 획득된 토마토 종자들의 x-레이 이미지이다. 도 25는 뿌리 끝, 엔드캡 및 떡임을 포함하는 종자의 형태를 보여주는 토마토 종자의 확대된 x-레이 이미지이다. 도 26을 참조하면, 건강하고 유용한 토마토 종자의 x-레이 이미지가 결함이 있거나 죽은 토마토 종자의 x-레이 이미지와 비교된다. x-레이 이미지들은 떡잎의 이상이 명확하게 인식될 수 있게 한다. 도 28a 및 28b는 또한 각각 정상 및 비정상 토마토 종자들의 x-레이 이미지들을 보여준다. 도 28c는 후추 종자의 x-레이이다. 도 27은 종자 선별 시스템(10)의 카메라(60)로 획득된 건강한 오이 종자의 x-레이 이미지이다.
도 29 내지 32를 참조하면, 다른 실시예의 종자 선별 시스템은 일반적으로 10'로 표시된다. 시스템(10)과 같이, 시스템(10')은 복수의 종자들을 선택된 카테고리들로 수용, 분석, 및 선별하도록 구성된다. 일 실시예에서, 시스템(10')은 줄뿌림 작물 종자들(예를 들어, 옥수수, 콩, 카놀라, 코튼 등)에 사용된다. 시스템(10')은 시스템을 통해 종자들을 받고 전달하도록 구성된 적재 및 이송 어셈블리(12'), 적재 및 이송 어셈블리에 의해 시스템을 통해 전달될 때 종자들의 이미지 데이터를 수집하는 이미징 어셈블리(14'), 및 이미징 어셈블리에 의해 종자들에 대해 수집된 이미지 데이터에 기초하여 종자들을 선택된 카테고리들로 선별하도록 구성된 선별 어셈블리(16')를 포함한다.
도 29 내지 30을 참조하면, 적재 및 이송 어셈블리(12')는 종자들을 호퍼 내로 수용하기 위한 주입구(22') 및 종자들을 호퍼로부터 디스펜싱하기 위한 배출구(24')를 포함하는 호퍼(광범위하게는, 종자 적재 스테이션)(20')를 포함한다. 공급 플레이트(26')는 종자들이 배출구로부터 디스펜싱될 때 종자들을 임의로 공급하기 위해 배출구(24')에 배치된다. 컨베이어(27')(광범위하게는, 종자 이송 스테이션)는 공급 플레이트(26')의 배출구에 위치된다. 예시된 실시예에서, 컨베이어(27')는 평평한 수평 컨베이어 운반 표면을 정의하는 벨트(28')를 포함한다. 컨베이어(27')는 종자들이 시스템(10)을 통해 전달될 때 종자들이 쉴 수 있도록 평평한 표면을 제공한다. 일 실시예에서, 고 정밀 인코더(54')는 컨베이어(27')의 위치를 추적하기 위해 시스템(10)에 통합된다. 인코더(54')는 또한 그 이미지들을 얻기 위해 이미징 어셈블리(14')를 트리거하는 마스터 타이밍 장치의 역할을 할 수 있다. 일 실시예에서, 일반적으로 줄뿌림 작물 종자들을 이미징을 위해, 컨베이어(27')는 약 0.6 내지 1.2 m/초로 동작하며, 4 인치 폭의 종자 흐름에 대해 최대 약 200 종자/초의 처리량을 달성할 수 있다. 전형적인 공급 속도는 초당 약 50 종자이다. 그러나, 더 넓은 컨베이어 벨트, 더 빠른 컨베이어 속도 또는 컨베이어(27 ')에 더 가까운 종자 간격에 대한허용도를 사용함으로써 초당 1000 개의 종자들을 초과하는 공급 속도가 구상된다.
일 실시예에서, 컨베이어 벨트(28')는 선택적으로 투명이다. 컨베이어 벨트(28')의 투명한 특성은 컨베이어를 통한 이미징을 허용한다. 그러나, 컨베이어는 본 개시의 범위를 벗어나지 않고 반투명(translucent)이거나 반투명(semi-transparent )일 수 있다. 일 실시예에서, 벨트(28')는 Mylar로부터 형성된다. 광학적 및 x-레이 투과성 물질들을 포함하는 다른 물질들이 본 개시의 범위를 벗어나지 않고 구상된다. 컨베이어는 또한 본 개시의 범위를 벗어나지 않고 불투명일 수 있다.
도 29 및 31을 참조하면, 이미징 어셈블리(14')는 컨베이어(28') 아래에 장착된 x-레이 튜브(81')를 포함하여 x-레이 광자들을 컨베이어 쪽으로 위쪽으로 향하게 하고, x-레이 카메라(60')는 컨베이어 표면 위에 장착되어 종자들의 x-레이 이미지들을 획득한다. 일 실시예에서, x-레이 카메라(60')는 저에너지 x-레이 TDI 카메라(예를 들어, 10 내지 50 Kev)를 포함한다. x-레이 카메라(60')의 구성은 시스템이 높은 이미징 속도로 동작하면서 고품질 이미지들을 획득할 수 있게 한다. x-레이 카메라(60')의 고효율 설계는 카메라에서 x-레이 튜브들의 수명을 연장하고/하거나 높은 벨트 속도 및 관련 높은 종자 처리 속도를 허용하는 높은 라인 스캔 속도로 이미지 데이터의 획득을 가능하게 한다. 일 실시예에서, x-레이 튜브(81')는 40 Kv 및 2 mA 설정으로 설정된다. 일 실시예에서, 벨트(28') 상의 종자들과 카메라(60') 사이의 거리는 약 1.1x의 기하학적 배율 및 카메라(60')의 2x2 비닝에서 약 0.09 mm/픽셀의 유효 이미지 해상도를 생성한다.
컨베이어(27')가 x-레이 튜브(81') 및 카메라(60')를 지나 종자들을 이송함에 따라, 종자들의 x-레이 이미지들이 카메라에 의해 획득되고 실시간 분석을 위해 제어 소프트웨어로 전달된다. 도 33은 종자들이 이미징 어셈블리(14')를 지나 운반됨에 따라 카메라(60')에 의해 촬영된 x-레이 이미지를 보여준다. 실시간 분석 프로그램은 배경과 종자 이미지들을 구분하고 이미지 처리 알고리즘들과 사전 트레이닝된 PLSDA 모델을 기반으로 종자들을 카테고리들(예를 들어, 성숙/미성숙)로 분류한다. 도 34a 및 34b는 하나(도 34a)가 성숙한 것으로 분류되고 다른 하나(도 34b)가 미성숙으로 분류되는 두 개의 코튼 종자들에 대해 수행된 분석의 예시들이다. 각 종자의 정확한 위치는 또한 x-레이 이미지들과 휠 인코더 판독값들을 사용하여 컨트롤러 소프트웨어에 의해 결정된다.
도 32를 참조하면, 선별 어셈블리(16')는 고속 공기 밸브 뱅크(40') 및 종자들을 이미징 어셈블리(14')에 의해 획득된 이미지로부터 얻은 측정값들에 기초하여 두 개의 다른 카테고리들로 선별하기 위해 컨베이어(27 ')의 단부에 위치된 복수의 선별 빈들(42')을 포함한다. 밸브 뱅크(40')는 종자들이 컨베이어(27')로부터 배출될 때 종자들로 향하는 폭발적인 공기를 생성하기 위해 공기 압축기와 유체 연통하는 다수의 공기 밸브들(44')을 포함한다. 공기는 종자들이 종자들의 식별된 특성들에 대응하는 선택된 선별 빈(42')에 도착하도록 종자들의 비행 방향을 전환하는데 사용된다. 앞서 언급된 바와 같이, 종자들은 고 정밀 인코더(54')에 의해 추적된다. 따라서, 시스템(10')은 종자들의 경로를 모니터링하고 종자들이 컨베이어(27')로부터 배출되는 시기와 장소를 예측할 수 있다. 따라서, 시스템(10')은 종자가 컨베이어(27')를 떠날 때 각 종자의 위치 및 비행을 예측할 수 있다. 이정보는 밸브 뱅크(40')의 밸브들(44')의 동작을 지시하기 위해 컨트롤러에 의해 사용된다. 일 실시예에서, 밸브 뱅크(40')는 각각 3.5 mm(0.14 인치) 폭이고 벨트(28')에 걸쳐 4.41 인치(112 mm) 폭의 종자 유동 영역을 덮는 서른 두 개(32)의 공기 밸브들(44')을 포함한다. 본 개시의 범위를 벗어나지 않고 특정 종자 유동 영역을 커버하기 위해 임의 개수의 공기 밸브들이 함께 조립될 수 있다. 게다가, 본 개시의 범위를 벗어나지 않고 서로 다른 수 또는 공기 밸브들이 구상된다. 밸브들(44')의 어레이는 컨베이어(27') 상에 종자들의 랜덤 배치를 수용하는 위치에 밸브들을 위치시키기 위해 적절한 수 및 배열로 제공된다.
예시된 실시예에서, 종자들을 두(2) 개의 선별 빈들(42')로 선별하기 위해 선택적으로 배치된 한(1) 개의 밸브 뱅크(40')가 있다. 제1 선별 빈(42a')은 컨베이어(27')에 가장 가깝게 위치되고, 제2 선별 빈(42b')은 제1 분류 빈 옆에 위치되며 제1 분류 빈보다 컨베이어에서 더 멀리 위치된다. 밸브 뱅크(40')는 일반적으로 제1 선별 빈(42a') 위에 배치되고 밸브 뱅크의 밸브들(44')로부터의 공기 파열이 하향 전환력을 생성하도록 하향으로 향한다. 이 하향 전환력은 종자가 제1 선별 빈(42a')으로 떨어지도록 종자가 컨베이어(27')를 떠날 때 종자의 경로를 방향 전환할 수 있다. 따라서, 종자가 밸브 뱅크(40')에 의해 방향 전환되지 않으면, 종자는 컨베이어(27')를 떠나는 종자의 자연적인 궤적의 결과로 제2 선별 빈(42b')에 도착할 것이다. 컨베이어(27')가 동작될 수 있고/있거나 종자들의 자연스러운 비행이 종자들을 제1 선별 빈(42a ')에 착지하고 밸브 뱅크가 제1 선별 빈(42a')으로부터 제2 선별 빈(42b')으로 방향 전환하도록 위치될 수 있도록 선별 빈들(42')이 위치될 수 있다는 것이 이해될 것이다. 게다가, 추가 밸브 뱅크들이 종자들을 둘 이상의 빈들로 선별하는 데 사용될 수 있다. 도 48은 제2 선별 빈(42b')으로 선별된 종자들의 x-레이 이미지를 나타내고, 도 49는 제1 선별 빈(42a')으로 선별된 종자들의 x-레이 이미지를 나타낸다. 이 시스템은 성숙한 종자들을 제2 선별 빈(42b')으로 선별하고 미성숙 종자들을 제1 선별 빈(42a')으로 선별하는데 매우 정확함을 알 수 있다.
종자들을 성숙 및 미성숙 그룹들로 선별하는 것 외에도, 시스템(10')은 종자의 다른 품질 특징들에 기초하여 종자들(예를 들어, 줄뿌림 작물 종자들)을 그룹들로 선별할 수 있다. 예를 들어, x-레이 이미지들은 이미지에 묘사된 손상의 직접적 시각화를 통해 코튼 및 옥수수 종자들 두 다의 종자 손상 정도를 측정할 수 있다. x-레이 이미징은 또한 코튼 종장의 내부 색상을 예측하는 데 사용될 수 있으며, 이는 결국 종자 품질의 척도를 제공한다.
x-레이 조영제로 종자들을 처리한 후의 코튼 종자들에서 종자 손상이 관측될 수 있다. 도 35a의 코트 종자들의 x-레이 이미지는 종자 구조 손상을 통한 조영제의 흡수로 인해 증가된 강도의 영역들(흰색 영역들)을 드러낸다. 데이터에 고강도 신호들의 존재는 손상된 종자들(도 35b)을 식별하는 데 사용될 수 있다. 주어진 종자에 대한 흡수량은 손상의 심각도와 관련이 있으며, 저 손상, 중간 손상 또는 고 손상으로 점수가 매겨질 수 있다. 도 42 및 43과 같이 조영제로 처리한 후의 옥수수 종자들에서도 유사한 손상이 관측될 수 있다. 이 손상은 자동 소프트웨어 기반 크랙 검출 알고리즘들을 사용하여 조영제를 사용하지 않고도 검출될 수 있다. 도 36은 종자들의 크랙을 식별하기 위해 이러한 알고리즘을 사용하여 분석된 옥수수 종자들의 x-레이 이미지들을 도시한다.
x-레이 이미지로부터 추출된 미묘한 특징들(예를 들어, 이미지 텍스쳐)은 코튼 종자들을 고품질 및 저품질 카테고리들로 선별하는 데 사용될 수도 있다. 고품질 코튼 종자들은 내부 흰색으로 입증될 수 있는 반면, 저품질 코튼 종자들은 내부 노란색, 빨간색 및 갈색으로 입증될 수 있다. 이 접근 방식은 기존의 기계 학습과 최신 딥러닝 접근 방식들을 결합한 x-레이 이미지 분석을 기반으로 하는 자동 변색 검출 알고리즘들 사용하여 종자들의 x-레이 이미지 텍스처 변화를 측정할 수 있으며, 이는 차례로 종자의 내부 색상과 상관된다. 이에 대한 정성적 설명은 광학 이미지들이 x-레이 이미지 결과들과 비교되는 도 38에 설명되어 있다. 100 개의 종자들에 대해 20분이 소요될 수 있는 기존의 주관적 스크리닝 접근 방식들에 비해, 이 새로운 방법은 객관적이고 빠르며, 몇 분 내에 400 개의 종자들을 실행할 수 있어 이러한 방법들의 예측 성능을 매우 높게 만듦으로써 프로세스를 크게 개선시킨다.
x-레이 이미징으로 평가된 종자 품질 지표들은 건강한 종자 대 결함 종자와 저품질 종자 대 고품질 종자를 사이를 구별하는 일관되고 신뢰할 수 있는 검출 방법임이 입증되었다. 도 39 및 40을 참조하면, 양호하고 건강한 코튼 종자들의 x-레이 이미지들은 미성숙하고 결함이 있는 종자들에 비해 더 큰 전체 평균 x-레이 감쇠 및 더 높은 "충진 계수" 메트릭을 디스플레이한다. 그리고 x-레이 이미징의 결과들은 생산 시설의 중력표 선별로부터 획득된 결과들가 일치한다(이는 미성숙한 코튼 종자들과 성숙한 코튼 종자들을 구별하는 데 사용된다). 마찬가지로, X-레이로 측정된 코튼 종자들의 손상은 표준 시각적 기계적 손상 프로토콜을 사용하여 평가된 손상과 일치한다. 추가로, 코튼 종자들의 경우, x-레이 이미지들로부터 측정된 불균질성은 종자의 성숙도/연령 및 내부 색상과 상관 있는 것으로 보인다.
상기에 언급된 바와 같이, x-레이 이미징과 함께, 종자들은 조영제로 처리되어 미묘한 손상을 검출하는 시스템의 능력을 향상시킬 수 있다. 일 실시예에서, 종자들은 요오드화 나트륨(NaI)으로 처리될 수 있다. 도 41은 NaI로 처리 및 처리되지 않은 코튼 종자들의 X-레이 이미들을 도시한다. NaI로 처리된 종자들은 손상을 강조하는 하이퍼인텐스 신호에 의해 예시된 바와 같은 종자들의 손상에 대한 더 나은 대비를 보여준다. 따라서, 건강한 종자들은 조영제가 종자에 들어가도록 하는 심각한 손상이 없기 때문에 손상된 종자들과 더 쉽게 구별된다. 따라서, 조영제 흡수의 존재와 정도는 종자 손상의 양과 상관된다. 도 42 및 43은 각각 조영제 처리를 하고 조영제 처리를 하지 않은 내부 및 외부 크랙이 있는 옥수수 종자들의 x-레이 이미지들을 도시한다. 이러한 도면들에서 도시된 바와 같이, 조영제는 외부 크랙이 있는 종자들에 의해 흡수되지만, 내부 크랙이 있는 종자들에 의해 흡수되지 않으며, 따라서 이 두 유형의 손상을 구별할 수 있다. 도 44a 및 44b는 조영제로 처리된 고품질 콩 종자들(도 44a) 및 저품질 콩 종자들(도 44b)의 x-레이 이미지들을 도시한다. 저품질 콩 샘플은 고품질 콩 샘플과 비교할 때 조영제를 흡수하는 종자들의 비율이 더 높음을 보여준다(즉, 각 패널에서 더 밝고 더 강도가 높은 종자들이 왼쪽으로 그룹화된다). 도 45는 조영제로 처리된 건강한(손상이 없는) 카놀라 종자들과 결함이 있는(손상된) 카놀라 종자들의 유사한 x-레이 이미지들을 도시한다. 도 46은 옥수수 종자 그룹의 대표적인 크랙을 도시하는 x-레이 이미지들을 도시하며, 도 47은 옥수수 종자들에 대한 크랙 분류 체계의 요약을 예시한다. x-레이 이미징은 또한 종자의 무게가 알려져 있을 때 종자 밀도를 측정하는 데 사용될 수 있다. 종자의 높이(또는 두께)의 척도를 제공함으로써, 종자 밀도를 계산하는 데 사용되는 총 종자 부피 계산이 이루어질 수 있다.
이미징 어셈블리들(14, 14')을 사용하여 얻은 정보는 종자들의 후속 처리, 평가 또는 분석에 유용할 수 있다. 예를 들어, 종자 생산 식물들에서, 시스템들(10, 10')에 의해 생성된 데이터는 종자 재고에서 결함 종자들의 전체 분포를 예측하고, 생산 공정에서 종자들에 결함이 발생하는 시기를 결정하고, 전체 종자 재고 상태를 예측하기 위해 추정될 수 있는 서브 샘플 종자들 중 결함 종자의 분포를 결정하는 데 사용될 수 있다. 이 분포 정보는 또한 상업적 크기 카테고리들로 종자 수량을 추정하고 종자 수량이 제한된 경우 크기 임계값을 약간 조정하는 데에도 사용될 수 있다. 선별된 종자들은 각 크기 및 형태 카테고리에 대한 종자 품질을 평가하기 위한 종자 품질 실험실에서도 사용될 수 있다. 이미징 어셈블리들(14, 14')로부터의 정보는 후속 발아 테스트에 사용될 수 있다. 크랙의 정도 및 양과, 종자의 발아 사이의 상관 관계가 도출될 수 있다. 예를 들어, 종자 손상의 심각성이 증가함에 따라 종자의 발아 점수가 감소한다. 차례로 종자 손상을 결정하는 능력은 손상이 발생된 프로세스의 정확한 단계를 결정하기 위해 제조 동안 각 단계를 프로빙하는 데 사용될 수 있다. 그런 다음, 이 정보는 이러한 손상을 줄이는 방법을 구현하여 프로세스를 최적화하기 위해 활용될 수 있다. 시스템은 또한 종자 품질을 평가하는 데 도움이 될 수 있는 하이퍼 스펙트럼 및 형광 이미징과 같은 추가 검출 기술들의 포함을 허용한다.
본 발명을 상세히 설명하는 것은, 첨부된 청구 범위에 정의된 본 발명의 범위를 벗어나지 않고 수정들 및 변경들이 가능함이 명백할 것이다.
본 발명의 요소들 또는 이의 바람직한 실시예(들)를 도입할 때, "a", "an", "the" 및 "said"와 같은 관사들은 하나 이상의 요소들이 존재함을 의미하는 것으로 의도된다. "포함하는(comprising)", "포함하는(including)" 및 "갖는(having)"과 같은 용어들은 포괄적인 것으로 의도되며 나열된 요소들 이외의 추가 요소들이 있을 수 있음을 의미한다.
상기에 비추어 보면, 본 발명의 여러 목적들이 달성되고 다른 유리한 결과들이 달성됨을 알 수 있을 것이다. 본 발명의 범위를 벗어나지 않고 상기 구성들 및 방법들에 다양한 변경들이 가능하므로, 상기 설명에 포함되고 첨부된 도면들에 도시된 모든 사항은 제한적인 의미가 아닌 예시적인 것으로 해석되어야 하는 것으로 의도된다.
본 발명의 다른 설명
다음은 본 출원에서 설명된 본 발명의 설명이다. 다음 설명 중 일부는 현재 청구범위로 제시되지 않았지만, 이 설명은 특허 가능한 것으로 간주되며 이후 청구범위로 제시될 수 있다. 하기의 장치 또는 시스템들의 설명에 대응되는 방법들과 같은, 관련 방법들이 또한 특허 가능한 것으로 사료되며 이후 청구범위로 제시될 수 있다. 다음 설명은 상기 설명된 하나, 하나 이상 또는 모든 모든 실시예들을 지칭할 수 있고 상기에 설명된 하나, 하나, 하나 이상 또는 모든 실시예들에 의해 지원될 수 있다는 것이 이해된다.
A1. 종자들을 선별하기 위한 종자 선별 시스템에 있어서, 상기 시스템은, 상기 시스템을 통해 종자들을 이동시키도록 구성된 종자 이송 스테이션; 상기 시스템을 통해 상기 종자들을 이동시킴에 따라 상기 종자들의 x-레이 이미지들을 획득하도록 구성된 x-레이 카메라를 포함하는 이미징 어셈블리로서, 상기 x-레이 카메라는 상기 종자들이 상기 시스템을 통해 상기 종자 이송 스테이션에 의해 이동되는 속도 및 폭을 수용하기 위해 높은 라인 스캔 속도로 고품질 이미지들을 생성하도록 구성되는, 상기 이미징 어셈블리; 및 상기 종자들의 상기 획득된 x-레이 이미지들에 기초하여 상기 종자들을 개별 빈(bin)들로 선별하도록 구성된 선별 어셈블리를 포함한다.
A2. A1의 종자 선별 시스템에 있어서, 상기 종자들을 분류하기 위해 상기 x-레이 이미지들을 측정 및 분석하도록 구성된 컨트롤러를 더 포함한다.
A3. A2의 종자 선별 시스템에 있어서, 상기 컨트롤러는 상기 x-레이 이미지들로부터 특정 등급에 속하는 것으로 각 종자를 식별하는 각 종자의 확률 값을 결정하는 분류 모델을 실시간으로 실행하도록 구성된다.
A4. A3의 종자 선별 시스템에 있어서, 상기 컨트롤러는 상기 획득된 x-레이 이미지들로부터 상기 종자들의 상기 결정된 확률 값에 기초하여 상기 종자들을 선별하기 위해 상기 선별 어셈블리를 제어하도록 구성된다.
A5. A2의 종자 선별 시스템에 있어서, 상기 컨트롤러는 특정 등급에 속하는 것으로 각 종자를 식별하기 위해 상기 획득된 x-레이 이미지들에 기초한 분류 결정을 제공하는 분류 모델을 실시간으로 실행하도록 구성된다.
A6. A1의 종자 선별 시스템에 있어서, 상기 x-레이 카메라는 약 5 내지 약 50 keV 범위의 저에너지 x-레이 광자들을 사용하여 높은 이미징 속도에서 고품질 이미지를 생성한다.
A7. A1의 종자 선별 시스템에 있어서, 상기 종자 이송 스테이션은 컨베이어를 포함한다.
A8. A7의 종자 선별 시스템에 있어서, 상기 컨베이어는 실질적으로 수평 방향으로 상기 종자들을 이송하도록 구성된 벨트를 포함한다.
A9. A7의 종자 선별 시스템에 있어서, 상기 컨베이어는 하나 또는 투면 또는 반투명이다.
A10. A7의 종자 선별 시스템에 있어서, 상기 컨베이어는 불투명이다.
A11. A7의 종자 선별 시스템에 있어서, 상기 컨베이어는 폴리에스테르 필름으로 형성된다.
A12. A7의 종자 선별 시스템에 있어서, 상기 x-레이 카메라는 상기 컨베이터로로부터 떨어져 약 20 mm(약 0.79 인치) 및 약 0.8 mm(0.04 인치) 사이에 장착된 신틸레이터를 포함한다.
A13. A6의 종자 선별 시스템에 있어서, 상기 카메라와 상기 컨베이어 사이에 배치된 필터를 더 포함한다.
A14. A1의 종자 선별 시스템에 있어서, 컨트롤러를 더 포함하며, 상기 선별 어셈블리는 적어도 하나의 선별 모듈 및 복수의 선별 빈들을 포함하되, 상기 선별 모듈은 상기 종자들이 상기 종자 이송 스테이션을 떠나기 전에 상기 컨트롤러에 의해 상기 종자들의 적어도 일부를 상기 선별 빈들 중 적어도 하나로 전환하도록 동작 가능하다.
A15. A14의 종자 선별 시스템에 있어서, 상기 선별 모듈은 복수의 이동식 진공 노즐들을 포함한다.
A16. A14의 종자 선별 시스템에 있어서, 상기 선별 모듈은 복수의 고속 공기 밸브들을 포함한다.
A17. A15의 종자 선별 시스템에 있어서, 상기 종자 이송 스테이션은 종자들을 제1 선별 빈으로 향하도록 구성되며, 상기 선별 모듈은 종자들을 제2 선별 빈 및 제3 선별 빈 중 하나로 향하도록 동작 가능한다.
B1. 종자들을 선별하는 방법에 있어서, 상기 방법은, 종자 이송 스테이션을 사용하여 상기 시스템을 통해 종자들을 이동시키는 단계; x-레이 카메라를 사용하여, 상기 종자 이송 스테이션을 거쳐 상기 시스템을 통해 상기 종자들을 이동시킴에 따라 상기 종자들의 x-레이 이미지들을 획득하는 단계로서, 상기 x-레이 카메라는 상기 종자들이 상기 시스템을 통해 상기 종자 이송 스테이션에 의해 이동되는 속도를 수용하기 위해 높은 라인 스캔 속도로 고품질 이미지들을 생성하도록 구성되는, 상기 획득하는 단계; 상기 종자들 각각의 파라미터를 결정하기 위해 상기 x-레이 이미지들을 분석하는 단계; 및 선별 어셈블리를 사용하여, 상기 종자들의 상기 결정된 파라미터에 기초하여 상기 종자들을 선별하는 단계를 포함한다.
B2. B1의 방법에 있어서, 상기 이미지들을 획득하는 단계는 분류 모델을 동작시키는 컨트롤러를 사용하여, 상기 획득된 x-레이 이미지들로부터 상기 종자들의 확률 값을 결정하는 단계로서, 상기 확률 값은 특정 등급에 속하는 것으로 상기 종자들을 식별하는, 상기 결정하는 단계를 포함한다.
B3. B2의 방법에 있어서, 상기 컨트롤러를 사용하여, 상기 종자들의 상기 확률 값에 기초하여 상기 종자들 각각을 분류하는 단계를 더 포함한다.
B4. B3의 방법에 있어서, 상기 종자들을 카테고리화하는 단계는 상기 종자들을 수락 가능 또는 수락 불가능으로 카테고라화는 단계를 포함한다.
B5. B1의 방법에 있어서, 상기 이미지들을 분석하는 단계는 분류 모델을 동작시키는 컨트롤러를 사용하여, 특정 등급에 속하는 것으로 각 종자를 식별하기 위해 상기 획득된 x-레이 이미지들에 기초한 분류 결정을 제공하는 단계를 포함한다.
B6. B1의 방법에 있어서, 상기 종자들을 상기 시스템을 통해 이동시키는 단계는 실질적으로 수평 방향으로 컨베이어를 통해 상기 종자들을 이동시키는 단계를 포함한다.
B7. B6의 방법에 있어서, 상기 종자들을 상기 시스템을 통해 이동시키는 단계는 약 10 내지 약 1000 mm/초의 속도에서 상기 컨베이어를 동작시키는 단계를 포함한다.
B8. B6의 방법에 있어서, 상기 종자들을 상기 시스템을 통해 이동시키는 단계는 약 0.6 내지 1.2 m/s의 속도로 상기 컨베이어를 동작시키는 단계를 포함한다.
B9. B6의 방법에 있어서, 상기 종자들을 상기 시스템을 통해 이동시키는 단계는 상기 종자들을 약 20 종자/초 내지 약 200 종자/초 사이의 속도로 이동시키는 단계를 포함한다.
B10. B1의 방법에 있어서, 상기 종자들을 선별하는 단계는 상기 종자들을 적어도 두 개의 개별 선별 빈들로 선별하는 단계를 포함하되, 제1 선별 빈은 건강한 종자들을 나타내고 제2 선별 빈은 결함 종자들을 나타낸다.
B11. B8의 방법에 있어서, 상기 종자들을 선별하는 단계는 상기 종자들을 상기 제1 및 제2 선별 빈들로 선별하도록 적어도 하나의 선별 모듈을 동작시키는 단계를 포함한다.
B12. B1의 방법에 있어서, 종자 수집기에 여분의 종자들을 수집하는 단계 및 상기 여분의 종자들을 상기 종자 이송 스테이션으로 다시 라우팅하는 단계를 더 포함한다.
B13. B12의 방법에 있어서, 상기 여분의 종자들을 상기 종자 이송 스테이션으로 다시 라우팅하는 단계는 상기 종자들로부터 입자들과 공기를 분리하는 단계를 포함한다.
C1. x-레이 이미지들을 획득하기 위한 x-레이 카메라에 있어서, 카메라 하우징; 상기 카메라 하우징 내에 수용된 광학 센서 컴포넌트들; 상기 광학 센서 컴포넌트들에 장착되고 상기 광학 센서 컴포넌트들로부터 연장되는 광섬유로서, 상기 광섬유는 상기 카메라 하우징 내에 수용되는, 상기 광섬유; 및 상기 광섬유에 장착된 광섬유 신틸레이터를 포함한다.
C2. C1의 x-레이 카메라에 있어서, 상기 신틸레이터에 장착된 입사창을 더 포함하며, 상기 입사창과 상기 신틸레이터 사이의 거리는 1 mm(0.04 인치) 미만이다.
C3. C1의 x-레이 카메라에 있어서, 상기 광학 센서 컴포넌트들은 적어도 약 1.0 mm x 1.0 mm의 초점 크기를 갖는 x-레이 튜브들을 포함한다.
C4. C1의 x-레이 카메라에 있어서, 상기 광섬유 신틸레이터의 상부에 배치된 신틸레이터 재료를 더 포함하며, 상기 신틸레이터 재료는 요오드화 세슘 및 옥시황화 가돌리늄 중 하나를 포함한다.
D1. 한 묶음의 종자들에 대한 분류 모델을 구축하는 트레이닝 방법에 있어서, 상기 방법은, 복수의 홀들을 포함하는 스캔트레이로 종자들을 적재하는 단계로서, 상기 종자들은 상기 스캔트레이의 홀들에 고정되는, 상기 적재하는 단계; 종자 선별 어셈블리와 관련된 x-레이 카메라르 사용하여 상기 스캔트레이의 상기 종자들의 x-레이 이미지들을 촬영하는 단계; 및 상기 종자들을 특정 등급에 속하는 것으로 식별하기 위해 상기 스캔트레이의 상기 종자들의 상기 x-레이 이미지들을 사용하여 종자 분류 모델을 구축하는 단계를 포함한다.
D2. D1의 트레이닝 방법에 있어서, 상기 스캔트레이는 상기 바디의 상부 표면에 형성된 복수의 홀들을 갖는 바디를 포함한다.
D3. D2의 트레이닝 방법에 있어서, 상기 스캔트레이는 상기 바디의 상기 상부 표면과 바닥 표면 사이에 배치된 투명 필름을 더 포함하며, 상기 투명 필름은 각 홀에 종자를 고장하기 위해 상기 홀들의 바닥을 덮는다.
D4. D1의 트레이닝 방법에 있어서, 각각 복수의 홀들을 포함하는 복수의 스캔트레이들로 종자들을 적재하는 단계로서, 상기 종자들은 상기 스캔트레이들의 상기 홀들에 고정되는, 상기 적재하는 단계; 및 상기 스캔트레이들의 상기 종자들을 이미지화하기 위해 회수 장치에 의해 회수하기 위해 스택에 상기 스캔트레이들을 적층하는 단계를 더 포함한다.
D5. D4의 트레이닝 방법에 있어서, 상기 회수 장치가 있는 상기 스택으로부터 상기 스캔트레이들 중 하나를 자동으로 회수하는 단계 및 상기 회수된 스캔트레이의 종자들을 이미지화하기 위해 상기 회수된 스캔트레이를 컨베이어에 배치하는 단계를 더 포함한다.
E1. 종자 선별 시스템에 사용하기 위한 파편 분리 어셈블리에 있어서, 상기 어셈블리는, 주입구, 상부 배출구 및 하부 배출구를 갖는 바디, 및 상기 바디의 내부 공간에 배치된 파이프를 포함하는 파편 분리기로서, 상기 파편 분리기는 기계적 및 공기역학적 힘들을 사용하여 상기 주입구를 통해 전달된 종자들을 상기 하부 배출구로 전환하는, 상기 파편 분리기; 및 상기 주입구를 통해 전달된 상기 종자들로부터 파편을 분리하고 공기 또는 파편이 상기 하부 배출구로 향하지 않도록 상기 상부 배출구로 상기 파편을 전환하기 위해 상기 바디의 상기 내부 공간과 유체 연통하는 공기 트랜스벡터를 포함한다.
E2. E2의 파편 분리 어셈블리에 있어서, 상기 바디의 상기 주입구에 부착된 튜브 및 상기 튜브를 통해 상기 종자들을 상기 주입구로 전달하도록 상기 튜브와 유체 연통하는 제2 공기 트랜스벡터를 더 포함한다.

Claims (15)

  1. 종자들을 선별하기 위한 종자 선별 시스템에 있어서, 상기 시스템은,
    상기 시스템을 통해 종자들을 이동시키도록 구성된 종자 이송 스테이션;
    상기 시스템을 통해 상기 종자들을 이동시킴에 따라 상기 종자들의 x-레이 이미지들을 획득하도록 구성된 x-레이 카메라를 포함하는 이미징 어셈블리로서, 상기 x-레이 카메라는 상기 종자들이 상기 시스템을 통해 상기 종자 이송 스테이션에 의해 이동되는 속도 및 폭을 수용하기 위해 높은 라인 스캔 속도로 고품질 이미지들을 생성하도록 구성되는, 상기 이미징 어셈블리; 및
    상기 종자들의 상기 획득된 x-레이 이미지들에 기초하여 상기 종자들을 개별 빈(bin)들로 선별하도록 구성된 선별 어셈블리를 포함하는, 종자 선별 시스템.
  2. 제1항에 있어서, 상기 종자들을 분류하기 위해 상기 x-레이 이미지들을 측정 및 분석하도록 구성된 컨트롤러를 더 포함하며, 상기 컨트롤러는 상기 획득된 x-레이 이미지들로부터 각 종자를 특정 등급에 속하는 것으로 식별하는 각 종자의 확률 값을 결정하는 분류 모델을 실시간으로 실행하도록 구성되고, 상기 컨트롤러는 상기 획득된 x-레이 이미지들로부터 상기 종자들의 상기 결정된 확률 값에 기초하여 상기 종자들을 선별하기 위해 상기 선별 어셈블리를 제어하도록 구성되는, 종자 선별 시스템.
  3. 제1항에 있어서, 상기 종자들을 분류하기 위해 상기 x-레이 이미지들을 측정 및 분석하도록 구성된 컨트롤러를 더 포함하며, 상기 컨트롤러는 각 종자를 특정 등급에 속하는 것으로 식별하기 위해 상기 획득된 x-레이 이미지들에 기초한 분류 결정을 제공하는 분류 모델을 실시간으로 실행하도록 구성되는, 종자 선별 시스템.
  4. 제1항에 있어서, 상기 x-레이 카메라는 약 5 내지 약 50 keV 범위의 저에너지 x-레이 광자들을 사용하여 높은 이미징 속도에서 고품질 이미지를 생성하는, 종자 선별 시스템.
  5. 제1항에 있어서, 상기 종자 이송 스테이션은 컨베이어를 포함하며, 상기 컨베이어는 상기 종자들을 실질적으로 수평 방향으로 이송하도록 구성된 벨트를 포함하며, 상기 x-레이 카메라는 상기 벨트로부터 약 0.4 mm(0.01 인치) 내지 약 10 mm(0.4 인치) 떨어져 장착된 신틸레이터를 포함하는, 종자 선별 시스템.
  6. 제4항에 있어서, 상기 카메라와 상기 컨베이어 사이에 배치된 필터를 더 포함하는, 종자 선별 시스템.
  7. 제1항에 있어서, 컨트롤러를 더 포함하며, 상기 선별 어셈블리는 적어도 하나의 선별 모듈 및 복수의 선별 빈들을 포함하되, 상기 선별 모듈은 상기 종자들이 상기 종자 이송 스테이션을 떠나기 전에 상기 종자들 중 적어도 일부를 상기 선별 빈들 중 적어도 하나로 전환하도록 동작 가능하고, 상기 선별 모듈은 복수의 이동식 진공 노즐들 및 복수의 고속 공기 밸브들 중 하나를 포함하며, 상기 종자 이송 스테이션은 종자들을 제1 선별 빈으로 향하도록 구성되되, 상기 선별 모듈은 종자들을 제2 선별 빈 및 제3 선별 빈 중 하나로 향하도록 동작 가능한, 종자 선별 시스템.
  8. 제1 항에 있어서,
    주입구, 상부 배출구 및 하부 배출구를 갖는 바디, 및 상기 바디의 내부 공간에 배치된 파이프를 포함하는 파편 분리기로서, 상기 파편 분리기는 기계적 및 공기역학적 힘들을 사용하여 상기 주입구를 통해 전달된 종자들을 상기 하부 배출구로 전환하는, 상기 파편 분리기;
    상기 주입구를 통해 전달된 상기 종자들로부터 파편을 분리하고 공기 또는 파편이 상기 하부 배출구로 향하지 않도록 상기 상부 배출구로 상기 파편을 전환하기 위해 상기 바디의 상기 내부 공간과 유체 연통하는 공기 트랜스벡터; 및
    상기 바디의 상기 주입구에 부착된 튜브 및 상기 튜브를 통해 상기 종자들을 상기 주입구로 전달하도록 상기 튜브와 유체 연통하는 제2 공기 트랜스벡터를 더 포함하는, 종자 선별 시스템.
  9. x-레이 이미지들을 획득하기 위한 x-레이 카메라에 있어서,
    카메라 하우징;
    상기 카메라 하우징 내에 수용된 광학 센서 컴포넌트들;
    상기 광학 센서 컴포넌트들에 장착되고 상기 광학 센서 컴포넌트들로부터 연장되는 광섬유로서, 상기 광섬유는 상기 카메라 하우징 내에 수용되는, 상기 광섬유; 및
    상기 광섬유에 장착된 광섬유 신틸레이터를 포함하는, x-레이 카메라.
  10. 제9항에 있어서, 상기 신틸레이터에 장착된 입사창을 더 포함하며, 상기 입사창과 상기 신틸레이터 사이의 거리는 1 mm(0.04 인치) 미만인, x-레이 카메라.
  11. 제9항에 있어서, 상기 광학 센서 컴포넌트들은 적어도 약 1.0 mm x 1.0 mm의 초점 크기를 갖는 x-레이 튜브들을 포함하는, x-레이 카메라.
  12. 제9항에 있어서, 상기 광섬유 신틸레이터의 상부에 배치된 신틸레이터 재료를 더 포함하며, 상기 신틸레이터 재료는 요오드화 세슘 및 옥시황화 가돌리늄 중 하나를 포함하는, x-레이 카메라.
  13. 한 묶음의 종자들에 대한 분류 모델을 구축하는 트레이닝 방법에 있어서, 상기 방법은,
    복수의 홀들을 포함하는 스캔트레이로 종자들을 적재하는 단계로서, 상기 종자들은 상기 스캔트레이의 홀들에 고정되는, 상기 적재하는 단계;
    종자 선별 어셈블리와 관련된 x-레이 카메라를 사용하여 상기 스캔트레이의 상기 종자들의 x-레이 이미지들을 촬영하는 단계; 및
    상기 종자들을 특정 등급에 속하는 것으로 식별하기 위해 상기 스캔트레이의 상기 종자들의 상기 x-레이 이미지들을 사용하여 종자 분류 모델을 구축하는 단계를 포함하는, 트레이닝 방법.
  14. 제13항에 있어서, 상기 스캔트레이는 바디의 상부 표면에 형성된 복수의 홀들을 갖는 상기 바디, 및 상기 바디의 상기 상부 표면과 바닥 표면 사이에 배치된 투명 필름을 포함하며, 상기 투명 필름은 각 홀의 종자를 고정하기 위해 상기 홀들의 바닥을 덮는, 트레이닝 방법.
  15. 제13항에 있어서,
    각각 복수의 홀들을 포함하는 복수의 스캔트레이들로 종자들을 적재하는 단계로서, 상기 종자들은 상기 스캔트레이들의 상기 홀들에 고정되는, 상기 적재하는 단계;
    상기 스캔트레이들의 상기 종자들을 이미지화하기 위해 회수 장치에 의해 회수하기 위해 스택에 상기 스캔트레이들을 적층하는 단계; 및
    상기 회수 장치가 있는 상기 스택으로부터 상기 스캔트레이들 중 하나를 자동으로 회수하는 단계 및 상기 회수된 스캔트레이의 종자들을 이미지화하기 위해 상기 회수된 스캔트레이를 컨베이어에 배치하는 단계를 더 포함하는, 트레이닝 방법.
KR1020207034558A 2018-06-11 2019-06-10 종자 선별 KR20210016369A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862683335P 2018-06-11 2018-06-11
US62/683,335 2018-06-11
PCT/US2019/036327 WO2019241123A1 (en) 2018-06-11 2019-06-10 Seed sorting

Publications (1)

Publication Number Publication Date
KR20210016369A true KR20210016369A (ko) 2021-02-15

Family

ID=68842259

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207034558A KR20210016369A (ko) 2018-06-11 2019-06-10 종자 선별

Country Status (11)

Country Link
US (1) US11724287B2 (ko)
EP (1) EP3801933A4 (ko)
JP (1) JP7442462B2 (ko)
KR (1) KR20210016369A (ko)
AR (1) AR115524A1 (ko)
AU (2) AU2019284358A1 (ko)
BR (1) BR112020023799A2 (ko)
CA (1) CA3100922A1 (ko)
MX (1) MX2020013129A (ko)
PH (1) PH12020552076A1 (ko)
WO (1) WO2019241123A1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019106641A2 (en) 2017-12-03 2019-06-06 Seedx Technologies Inc. Systems and methods for sorting of seeds
CN111656355B (zh) 2017-12-03 2023-08-29 种子X科技公司 种子分类的系统及方法
WO2019106638A1 (en) 2017-12-03 2019-06-06 Seedx Technologies Inc. Systems and methods for sorting of seeds
US20240037724A1 (en) * 2020-12-10 2024-02-01 Canon Virginia, Inc. Plant detection and display system
US11782453B2 (en) * 2021-02-16 2023-10-10 Deere & Company Image-based position assessment of agricultural machine components
WO2022264076A1 (en) * 2021-06-16 2022-12-22 Seedx Technologies Inc. Methods of sorting matthiola seeds
NL2028466B1 (en) * 2021-06-16 2022-12-21 Sakata Holland B V Methods of sorting matthiola seeds
JP2023000672A (ja) * 2021-06-18 2023-01-04 株式会社サタケ 選別機、不良品の判別方法、および、選別方法
CN114160429A (zh) * 2021-11-12 2022-03-11 湖南省水稻研究所 一种基于外观检测结果进行种子分选的方法
CN114453264A (zh) * 2021-12-31 2022-05-10 塔里木大学 一种基于yoloV5模型的棉籽精选方法
CN114887911B (zh) * 2022-04-22 2023-10-17 河南科技大学 一种植物工厂育种用智能种子分选装置

Family Cites Families (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL89188C (ko) 1948-10-01
US3177360A (en) 1962-09-14 1965-04-06 Norton Co Diffractometer with a rotatable support to hold plural samples for automatic analysis of crystalline material
US3488495A (en) 1965-10-20 1970-01-06 Justin G Schneeman Radiation protective enclosure having a door which pivots into the enclosure
US3768645A (en) * 1971-02-22 1973-10-30 Sunkist Growers Inc Method and means for automatically detecting and sorting produce according to internal damage
US3928753A (en) 1974-01-22 1975-12-23 Engineering Dev Associates Inc Small object counting apparatus
US4273649A (en) 1978-11-24 1981-06-16 Leverett William H Apparatus and process for weighing articles successively
US4357535A (en) 1980-04-30 1982-11-02 North American Philips Corporation Apparatus for inspecting hand-held articles and persons carrying same
FR2549963B1 (fr) 1983-07-29 1986-01-24 Claeys Luck Methode et appareil radiologique pour l'exploration des semences avec substance radio-opaque
US4809308A (en) 1986-02-20 1989-02-28 Irt Corporation Method and apparatus for performing automated circuit board solder quality inspections
US4922092A (en) * 1986-11-26 1990-05-01 Image Research Limited High sensitivity optical imaging apparatus
US5113425A (en) 1989-06-02 1992-05-12 Glenbrook Technologies, Inc. X-ray inspection system for electronic components
US5289921A (en) * 1992-08-17 1994-03-01 Illinois Tool Works Inc. Elutriation apparatus and method for cleaning granules
TW318798B (en) 1996-12-30 1997-11-01 Council Of Agriculture Executive Yuan The cereal-selected method and its apparatus
US5865299A (en) 1997-08-15 1999-02-02 Williams; Keith Air cushioned belt conveyor
US6266390B1 (en) * 1998-09-21 2001-07-24 Spectramet, Llc High speed materials sorting using x-ray fluorescence
US6145650A (en) 1999-01-29 2000-11-14 Graham Packaging Company L.P. Apparatus and method for transferring blow-molded containers to a trimmer
KR20000077034A (ko) 1999-04-22 2000-12-26 사따께 사또루 입상물의 품질을 평가하기 위한 장치 및 방법
US6646264B1 (en) 2000-10-30 2003-11-11 Monsanto Technology Llc Methods and devices for analyzing agricultural products
JP3735289B2 (ja) 2001-10-31 2006-01-18 株式会社サタケ 無洗米の品質評価方法及びその装置
BR0309017B1 (pt) 2002-04-04 2015-02-18 Monsanto Technology Llc Máquina automática para manusear e manipular peças individuais de material particulado
US7082185B2 (en) 2003-02-12 2006-07-25 The Regents Of The University Of California Portable imaging system method and apparatus
US7111740B2 (en) 2003-08-08 2006-09-26 Daiichi Jitsugyo Viswill Co., Ltd. Sorting apparatus, sorting method and alignment apparatus
JP2005058853A (ja) 2003-08-08 2005-03-10 Kanebo Ltd 選別装置、選別方法および整列装置
KR100550350B1 (ko) 2003-09-15 2006-02-08 삼성전자주식회사 이온 분석 방법 및 이를 이용한 분석 장치
JP2005300281A (ja) 2004-04-09 2005-10-27 Mtec:Kk 種子破片検査装置
DE202004007111U1 (de) 2004-05-03 2004-08-19 Handschick, Bert Maschine zur Herstellung definierter Brennstoffqualitäten
US7326871B2 (en) 2004-08-18 2008-02-05 Mss, Inc. Sorting system using narrow-band electromagnetic radiation
DE202004021395U1 (de) 2004-12-30 2007-12-27 Perner, Petra, Dr.-Ing. Einrichtung zur automatischen und quantitativen Erfassung des Anteils von Saatgütern oder Körnerfrüchten bestimmter Qualität
US7558044B2 (en) 2005-02-04 2009-07-07 George Kent J Static electricity eliminator
GB2428209B (en) 2005-07-13 2009-02-11 Radix Systems Ltd Sorter
JP5815197B2 (ja) 2006-01-24 2015-11-17 ザ ユニバーシティ オブ ノース カロライナ アット チャペル ヒルＴｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｎｏｒｔｈ Ｃａｒｏｌｉｎａ Ａｔ Ｃｈａｐｅｌ Ｈｉｌｌ 多色性分布を持つｘ線ビームを用いて対象物の画像を検知するシステムと方法
US7529338B2 (en) 2006-02-22 2009-05-05 Focalspot, Inc. Method and apparatus for inspecting circuit boards
US8452445B2 (en) * 2007-04-24 2013-05-28 Pioneer Hi-Bred International, Inc. Method and computer program product for distinguishing and sorting seeds containing a genetic element of interest
EP2166830B1 (en) 2007-05-31 2013-08-07 Monsanto Technology, LLC Seed sorter
US7658292B2 (en) 2007-06-18 2010-02-09 Colmac Industries, Inc. Apparatus for textile counting, sorting and classifying system
WO2009015486A1 (en) 2007-08-02 2009-02-05 Montrose Technologies Inc. Apparatus for inspecting and grouping articles traveling on a conveyor
WO2009093905A1 (en) 2008-01-23 2009-07-30 Adp International B.V. Agent for detecting seed viability and a detection method of seed viability using the agent
DE102008050907A1 (de) 2008-10-10 2010-04-22 Dwenger und Grünthal Engineering GmbH Ausblasvorrichtung zum selektiven Ausblasen von Fördergutteilen aus einem Fördergutsstrom und Sortiervorrichtung mit einer solchen Ausblasvorrichtung
US8488863B2 (en) 2008-11-06 2013-07-16 Los Alamos National Security, Llc Combinational pixel-by-pixel and object-level classifying, segmenting, and agglomerating in performing quantitative image analysis that distinguishes between healthy non-cancerous and cancerous cell nuclei and delineates nuclear, cytoplasm, and stromal material objects from stained biological tissue materials
WO2010138574A1 (en) * 2009-05-26 2010-12-02 Rapiscan Security Products, Inc. X-ray tomographic inspection systems for the identification of specific target items
US8705694B2 (en) * 2009-11-11 2014-04-22 Physical Optics Corporation X-ray imaging system and method
US8253054B2 (en) 2010-02-17 2012-08-28 Dow Agrosciences, Llc. Apparatus and method for sorting plant material
BR112012020982A2 (pt) 2010-02-26 2015-09-01 Syngenta Participations Ag Estação de transferência para amostragem de material vegetal e sistema de rastreamento
NL2004406C2 (en) * 2010-03-16 2011-09-20 Imix Vision Support Systems B V Sorting device.
DE102010030908B4 (de) 2010-07-02 2014-10-16 Strube Gmbh & Co. Kg Verfahren zur Klassifizierung in Saatgutpartien enthaltener Objekte, Sortierverfahren und zugehörige Vorrichtungen
JP5523257B2 (ja) 2010-09-10 2014-06-18 三菱電機株式会社 選別装置
EP2627458A1 (en) 2010-10-15 2013-08-21 Syngenta Participations AG A method for classifying sugar beet seeds, comprising the usage of infrared spectroscopy
AU2011336898B2 (en) 2010-11-24 2016-06-16 Hologic, Inc. System for improved tissue handling and in line analysis of the tissue
US8605149B2 (en) 2011-07-19 2013-12-10 Ball Horticultural Company Seed classification using spectral analysis to determine existence of a seed structure
WO2013033572A2 (en) 2011-09-01 2013-03-07 Spectramet, Llc Material sorting technology
EP2602608B1 (en) 2011-12-07 2016-09-14 Imec Analysis and sorting of biological cells in flow
US20130176553A1 (en) 2012-01-09 2013-07-11 Pioneer Hi-Bred International, Inc. Method and apparatus for non-destructive testing of a seed
US9506876B2 (en) 2012-02-06 2016-11-29 Hitachi High-Technologies Corporation X-ray inspection device, inspection method, and X-ray detector
EP2896959B1 (en) 2012-09-12 2018-05-09 System Square Inc. X-ray testing device
JP5967766B2 (ja) 2012-09-21 2016-08-10 株式会社ナベル 卵検査装置
KR101341815B1 (ko) 2012-12-04 2014-01-06 대한민국 초분광 영상처리를 이용한 종자 선별 장치
US9545724B2 (en) * 2013-03-14 2017-01-17 Brooks Automation, Inc. Tray engine with slide attached to an end effector base
JP2014185951A (ja) 2013-03-25 2014-10-02 Hitachi High-Tech Science Corp 蛍光ｘ線分析装置
US9157855B2 (en) * 2013-09-06 2015-10-13 Canon Kabushiki Kaisha Material classification
EP2859963A1 (de) * 2013-10-11 2015-04-15 Sikora Ag Vorrichtung und Verfahren zum Sortieren von Schüttgut
US9878842B2 (en) 2013-12-23 2018-01-30 Dow Agrosciences Llc Plant imaging and spectral scanning system and method
DE102013021898A1 (de) * 2013-12-24 2015-06-25 Kws Saat Ag Verfahren zur Klassifizierung von Saatgut
EP3140811A4 (en) 2014-05-06 2018-01-24 Dow Agrosciences LLC System for imaging and orienting seeds and method of use
US20170295735A1 (en) 2014-09-16 2017-10-19 Monsanto Technology Llc Improved Methods Of Plant Breeding Using High-Throughput Seed Sorting
US10557805B2 (en) 2014-09-26 2020-02-11 Monsanto Technology Llc High throughput methods of analyzing seed cotton using X-ray imaging
WO2016133175A1 (ja) 2015-02-19 2016-08-25 株式会社ガオチャオエンジニアリング 莢果選別システム、莢果選別装置及び莢果選別方法
CN107683183A (zh) 2015-03-16 2018-02-09 纳诺皮克集成软件解决方案私人有限公司 具有轨迹跟踪传感器网络的新型智能分级机及其方法
CN204762022U (zh) 2015-06-08 2015-11-18 北京农业智能装备技术研究中心 蔬菜种子活力检测设备
ES2920479T3 (es) * 2015-07-16 2022-08-04 Sortera Alloys Inc Sistema de clasificación de materiales
US10345479B2 (en) * 2015-09-16 2019-07-09 Rapiscan Systems, Inc. Portable X-ray scanner
DE102016208320B3 (de) 2016-05-13 2017-03-09 Bruker Axs Gmbh Vorrichtung zur Sortierung von Materialien, insbesondere Schrottpartikeln, mittels Röntgenfluoreszenz
US11185892B2 (en) * 2016-07-29 2021-11-30 9754741 Canada Ltd. Method and apparatus for singulating particles in a stream
US11083426B2 (en) 2016-11-04 2021-08-10 Hologic, Inc. Specimen radiography system comprising cabinet and a specimen drawer positionable by a controller in the cabinet
CN106650802B (zh) 2016-12-09 2019-07-02 北京农业智能装备技术研究中心 一种基于x射线数字图像的种子分类识别方法及系统
BR112019019384A2 (pt) 2017-03-21 2020-04-14 Monsanto Technology Llc classificação de sementes
CN107238620B (zh) 2017-07-26 2023-03-24 中国地质大学（武汉） 一种可旋转试样的x射线荧光衍射集成分析仪
AR112589A1 (es) 2017-07-31 2019-11-13 Monsanto Technology Llc Clasificación de semillas
US10512942B2 (en) * 2017-10-30 2019-12-24 Optisort, Llc System and method for sorting objects
EP3483619A1 (en) * 2017-11-13 2019-05-15 Technische Universität München Automated noninvasive determining the sex of an embryo of and the fertility of a bird's egg
US11044843B2 (en) 2018-02-08 2021-06-29 Monsanto Technology Llc Seed analysis
US11673166B2 (en) 2018-03-14 2023-06-13 Monsanto Technology Llc Seed imaging
JP2019164088A (ja) 2018-03-20 2019-09-26 株式会社イシダ Ｘ線検査装置
ES2738579B2 (es) * 2018-06-08 2021-03-29 Jose Borrell Sa Dispositivo de selección de rechazos
US11206757B2 (en) 2018-07-10 2021-12-28 Monsanto Technology Llc Method of processing seeds and system for determining angle of repose of granular material used in seed process
US11376636B2 (en) 2018-08-20 2022-07-05 General Mills, Inc. Method of producing gluten free oats through hyperspectral imaging
US11020066B2 (en) 2018-12-10 2021-06-01 KUB Technologies, Inc. System and method for cabinet x-ray systems with stationary x-ray source array
WO2021097093A1 (en) 2019-11-13 2021-05-20 Monsanto Technology Llc X-ray seed imaging system, cabinet x-ray device, and methods of evaluating seeds

Also Published As

Publication number Publication date
AR115524A1 (es) 2021-01-27
JP2022511182A (ja) 2022-01-31
EP3801933A4 (en) 2022-09-07
CA3100922A1 (en) 2019-12-19
JP7442462B2 (ja) 2024-03-04
MX2020013129A (es) 2021-02-18
WO2019241123A1 (en) 2019-12-19
US20210146404A1 (en) 2021-05-20
AU2019284358A1 (en) 2021-01-07
US11724287B2 (en) 2023-08-15
BR112020023799A2 (pt) 2021-03-30
PH12020552076A1 (en) 2021-05-31
EP3801933A1 (en) 2021-04-14
AU2023203877A1 (en) 2023-07-13

Similar Documents

Publication Publication Date Title
US11724287B2 (en) Seed sorting
US11673166B2 (en) Seed imaging
CN104668199B (zh) 基于机器视觉和生物散斑的水果自动分级装置
CA2833918C (en) Sorting apparatus
JPH0727718A (ja) 連続して繊維物質の薄いウエブを二次元的に監視する装置
US8227719B2 (en) Removal of fusarium infected kernels for grain
CN111359898A (zh) 一种矿石在线分拣设备及分拣方法
US20210129188A1 (en) Seed sorting
CN109719057A (zh) 一种基于图像处理技术的小麦不完整粒检测装置
EP0606619A1 (en) Apparatus and methods for measurement and classification of generalized neplike entities in fiber samples
US8284895B1 (en) One dimensional linescan X-ray detector
JP2016138885A (ja) 品質選別装置
US20230003580A1 (en) Identification apparatus
CN114423531A (zh) 自动化颗粒检验
GB2042717A (en) Method and Apparatus for Examining Objects
CN107389703B (zh) 一种打叶指标在线光电检测装置及检测方法
KR101183537B1 (ko) 이미지 처리를 통해 불량 검사 기능을 갖는 스크류 선별장치
EP4105816A1 (en) Method and apparatus for inspecting, counting and dispensing items
WO2024000039A1 (en) An apparatus and method for visual inspection
KR20040039294A (ko) 작은 입자를 조사하여 입자의 품질을 분석하기 위한 방법및 장치
CN114993942A (zh) 一种水稻种子全自动考种设备及方法
Rigney et al. Computer Vision for Grading Tree Seedlings¹
Srivastava Automated non-destructive machine vision system for internal inspection of rough rice
CN107340039A (zh) 一种大豆物理检测系统

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right