RU2003116064A - Способ и устройство для анализа сельскохозяйственных продуктов - Google Patents

Способ и устройство для анализа сельскохозяйственных продуктов Download PDF

Info

Publication number
RU2003116064A
RU2003116064A RU2003116064/28A RU2003116064A RU2003116064A RU 2003116064 A RU2003116064 A RU 2003116064A RU 2003116064/28 A RU2003116064/28 A RU 2003116064/28A RU 2003116064 A RU2003116064 A RU 2003116064A RU 2003116064 A RU2003116064 A RU 2003116064A
Authority
RU
Russia
Prior art keywords
radiation
seed
sample
property
space
Prior art date
Application number
RU2003116064/28A
Other languages
English (en)
Other versions
RU2288461C2 (ru
Inventor
Стивен Х. МОДИАНО (US)
Стивен Х. МОДИАНО
Кевин Л. ДЕППЕРМАНН (US)
Кевин Л. Депперманн
Original Assignee
Монсанто Технолоджи Ллс (Us)
Монсанто Технолоджи Ллс
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 Монсанто Технолоджи Ллс (Us), Монсанто Технолоджи Ллс filed Critical Монсанто Технолоджи Ллс (Us)
Publication of RU2003116064A publication Critical patent/RU2003116064A/ru
Application granted granted Critical
Publication of RU2288461C2 publication Critical patent/RU2288461C2/ru

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/009—Sorting of fruit
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Claims (145)

1. Способ определения наличия у семени определенного свойства, заключающийся в том, что (А) подготавливают семя, (Б) на семя направляют излучение от источника излучения с получением эмитированного излучения, (В) эмитированное излучение разлагают с получением разложенного излучения, (Г) разложенное излучение принимают фотометрическим устройством, в котором имеется массив или матрица из множества точек сбора данных, имеющий, соответственно имеющая пространственный параметр, определяющий положение множества анализируемых точек на семени, и спектральный параметр, определяющий спектральные данные разложенного излучения от каждой из множества анализируемых точек, (Д) выводят полученный в фотометрическом устройстве сигнал, характеризующий спектральные данные для каждой из множества точек сбора данных, и (Е) на основе сигналов, характеризующих спектральные данные, определяют наличие у семени в каждой из множества анализируемых точек определенного свойства.
2. Способ по п.1, в котором указанным свойством является количественное свойство.
3. Способ по п.1, в котором указанным свойством является биохимическое свойство.
4. Способ по п.3, в котором биохимическое свойство выбирают из группы, включающей содержание масла, содержание белка, содержание углеводов, содержание крахмала, содержание клетчатки и содержание влаги.
5. Способ по п.3, в котором биохимическое свойство выбирают из группы, включающей состав масла, состав белка, состав углеводов и состав клетчатки.
6. Способ по п.1, в котором указанным свойством является морфологическое свойство.
7. Способ по п.6, в котором морфологическое свойство выбирают из группы, включающей размер эндосперма, размер зародыша, форма семени, размер семени, цвет семени, структура поверхности семени, масса семени, плотность семени и целостность семени.
8. Способ по п.1, в котором указанное эмитированное излучение выбирают из группы, включающей излучение, отраженное от семени в каждой из множества анализируемых точек, и излучение, проходящее через семя в каждой из множества анализируемых точек.
9. Способ по п.7, в котором целостность семени коррелирована с его восприимчивостью или устойчивостью к болезням.
10. Способ по п.7, в котором целостность семени коррелирована с его устойчивостью или восприимчивостью к заражению насекомыми.
11. Способ по п.7, в котором целостность семени коррелирована с его устойчивостью или восприимчивостью к заражению грибами.
12. Способ по п.7, в котором целостность семени представляет собой целостность всего семени.
13. Способ по п.1, в котором длины волн разложенного излучения лежат в диапазоне от 900 до 1700 нм.
14. Способ по п.1, в котором на основе разложенного излучения получают спектральное изображение в спектральном диапазоне длин волн по меньшей мере от 900 до 1700 нм при точности спектрального разложения по меньшей мере 150 нм/мм и спектральном разрешении по меньшей мере 20 нм.
15. Устройство по п.75, в котором спектрограф выбран из группы, включающей спектрограф с оптической системой типа призма-дифракционная решетка-призма и спектрограф с отражающей дифракционной решеткой.
16. Способ по п.1, в котором источник излучения позволяет испускать излучение в диапазоне длин волн от 900 до 1700 нм.
17. Устройство по п.75, в котором источник излучения выбран из группы, включающей галогенную лампу, вольфрамово-галоидную лампу, галогенную лампу с длинной нитью, ксеноновую лампу, ксеноновую лампу-вспышку, люминесцентную лампу, неоновую лампу и ртутную лампу.
18. Способ по п.1, в котором продолжительность выполнения стадий (А)-(Е) составляет не более 5 с.
19. Устройство по п.46, в котором камера выбрана из группы, включающей камеру с фотоприемными элементами на основе антимонида индия, камеру с фотоприемными элементами на основе теллурида ртути и кадмия, камеру с фотоприемными элементами на основе силицида платины, камеру с фотоприемными элементами на основе легированного мышьяком кремния, камеру с фотоприемными элементами на основе арсенида индия и галлия и камеру на приборах с зарядовой связью (ПЗС).
20. Способ по п.1, в котором на стадии (Е) определяют наличие у семени более одного свойства.
21. Способ по п.1, в котором указанным свойством является количество масла в эндосперме.
22. Способ по п.1, в котором на стадии определения наличия у семени определенного свойства определяют относительное пространственное распределение в семени этого свойства.
23. Способ определения наличия у ткани растения определенного свойства, заключающийся в том, что (А) подготавливают ткань растения, (Б) на ткань растения направляют излучение от источника излучения с получением проходящего или отраженного излучения, (В) проходящее или отраженное излучение разлагают с получением разложенного излучения, (Г) разложенное излучение принимают фотометрическим устройством, в котором имеется массив или матрица из множества точек сбора данных, имеющий, соответственно имеющая пространственный параметр, определяющий положение множества анализируемых точек на ткани растения, и спектральный параметр, определяющий спектральные данные разложенного излучения от каждой из множества анализируемых точек, (Д) выводят полученный в фотометрическом устройстве сигнал, характеризующий спектральные данные для каждой из множества точек сбора данных, и (Е) на основе сигналов, характеризующих спектральные данные, определяют наличие у ткани растения в каждой из множества анализируемых точек определенного свойства.
24. Способ определения наличия в партии семян, обладающих определенным свойством, заключающийся в том, что (А) подготавливают партию семян, (Б) на партию семян направляют излучение от источника излучения с получением проходящего или отраженного излучения, (В) проходящее или отраженное излучение разлагают с получением разложенного излучения, (Г) разложенное излучение принимают фотометрическим устройством, в котором имеется массив или матрица из множества точек сбора данных, имеющий, соответственно имеющая пространственный параметр, определяющий положение множества анализируемых точек в партии семян, и спектральный параметр, определяющий спектральные данные разложенного излучения в каждой из множества анализируемых точек, (Д) выводят полученный в фотометрическом устройстве сигнал, характеризующий спектральные данные для каждой из множества точек сбора данных, и (Е) на основе сигналов, характеризующих спектральные данные, определяют наличие у отдельных семян в их партии определенного свойства, ассоциируя при этом отдельные семена с соответствующей одной анализируемой точкой из их множества.
25. Способ по п.24, в котором на стадии подготовки партии семян для каждого из семян в их партии предусматривают отдельное отделение в пробоотборнике, что после определения наличия у отдельных семян в их партии определенного свойства позволяет индивидуально рассортировать семена.
26. Способ по п.24, в котором партия семян содержит более 10 отдельных семян.
27. Способ по п.24, в котором на стадии разложения проходящего или отраженного излучения это проходящее или отраженное излучение разлагают с получением разложенного излучения, соответствующего множеству анализируемых точек в каждом отдельном семени во всей партии семян, а на стадии определения наличия в партии семян, обладающих определенным свойством, наличие этого свойства у отдельных семян определяют на основе сигналов, характеризующих спектральные данные в каждой из множества анализируемых точек.
28. Способ по п.24, в котором партия семян содержит более 50 отдельных семян.
29. Способ по п.24, который позволяет проанализировать партию семян менее чем за 10 с.
30. Способ по п.24, который позволяет проанализировать партию семян менее чем за 5 с.
31. Способ определения наличия у образца определенного свойства, заключающийся в том, что на образец направляют излучение с получением излучения смешанных длин волн, эмитируемого множеством дискретно расположенных в пространстве анализируемых точек образца, разлагают эмитируемое излучение смешанных длин волн для каждой дискретно расположенной в пространстве анализируемой точки с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн, для каждой дискретно расположенной в пространстве анализируемой точки в соответствующем спектральном изображении выявляют длины волн отдельных спектральных компонент и выявленные спектральные компоненты с индивидуальными длинами волн подвергают сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием определенного свойства в соответствующей дискретно расположенной в пространстве анализируемой точке, обработке для определения наличия у образца определенного свойства в каждой из дискретно расположенных в пространстве анализируемых точек.
32. Способ по п.31, в котором образцом является сельскохозяйственный продукт, представляющий собой отдельное семя, партию семян или ткань растения.
33. Способ по п.31, в котором эмитируемое излучение представляет собой отраженное от образца излучение.
34. Способ по п.31, в котором эмитируемое излучение представляет собой проходящее через образец излучение.
35. Способ по п.31, в котором на стадии обработки дополнительно в количественном выражении определяют степень проявления образцом определенного свойства в каждой из дискретно расположенных в пространстве анализируемых точек.
36. Способ по п.31, в котором указанным свойством является биохимическое свойство, выбранное из группы, включающей свойства, относящиеся к маслу, белку, углеводу, крахмалу, клетчатке и влаге.
37. Способ по п.36, в котором биохимическое свойство, относящееся к крахмалу, дополнительно представляет собой фенотипический признак, характеризующий содержание в крахмале амилопектина и амилозы.
38. Способ по п.31, в котором указанным свойством являются характеристики мутации эндосперма, выбранные из группы, включающей пониженное содержание в эндосперме зеинов и аминокислот.
39. Способ по п.31, в котором указанным свойством является морфологическое свойство, выбранное из группы, включающей размер эндосперма, размер зародыша, форма семени, цвет семени, структура поверхности семени, масса семени, плотность семени и целостность семени.
40. Способ по п.31, в котором указанным свойством является показатель разрушения зерна, выбранный из группы, включающей отношение стекловидного эндосперма к нестекловидному, плотность зерна, средняя масса зерна, количество перикарпия, качество перикарпия, размер зерна и форма зерна.
41. Способ по п.31, в котором на стадии направления на образец излучения используют излучение в диапазоне длин волн от 900 до 1700 нм.
42. Способ по п.31, в котором на стадии разложения эмитируемого излучения его разлагают с получением спектрального изображения при точности спектрального разложения по меньшей мере 150 нм/мм и спектральном разрешении по меньшей мере 20 нм.
43. Способ по п.31, в котором также измеряют массу образца, а на стадии обработки дополнительно определяют в количественном выражении степень проявления образцом определенного свойства в пересчете на измеренную массу образца.
44. Способ по п.31, в котором дополнительно образец сортируют, разделяя на множество отдельных частей в зависимости от наличия у каждой из этих частей того или иного определенного свойства.
45. Способ по п.31, в котором в зависимости от наличия у образца определенного свойства из него выбирают отдельные единицы, обладающие этим свойством.
46. Устройство для определения наличия у образца определенного свойства, имеющее источник излучения, предназначенный для направления на образец излучения с получением излучения смешанных длин волн, эмитируемого от множества дискретно расположенных в пространстве анализируемых точек образца, спектрограф, предназначенный для разложения эмитируемого излучения смешанных длин волн для каждой дискретно расположенной в пространстве анализируемой точки с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн, камеру, содержащую детектор, который для каждой дискретно расположенной в пространстве анализируемой точки позволяет выявлять в соответствующем спектральном изображении длины волн отдельных спектральных компонент, и процессор, предназначенный для сопоставления выявленных спектральных компонент с индивидуальными длинами волн с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием определенного свойства в соответствующей дискретно расположенной в пространстве анализируемой точке образца, для определения наличия у образца определенного свойства в каждой из дискретно расположенных в пространстве анализируемых точек.
47. Устройство по п.46, в котором образцом является сельскохозяйственный продукт, представляющий собой отдельное семя, партию семян или ткань растения.
48. Устройство по п.46, в котором эмитируемое излучение представляет собой отраженное от образца излучение.
49. Устройство по п.46, в котором эмитируемое излучение представляет собой проходящее через образец излучение.
50. Устройство по п.46, в котором процессор дополнительно позволяет определять в количественном выражении степень проявления образцом определенного свойства в каждой из дискретных анализируемых точек.
51. Устройство по п.46, в котором указанным свойством является биохимическое свойство, выбранное из группы, включающей свойства, относящиеся к маслу, белку, углеводу, крахмалу, клетчатке и влаге.
52. Устройство по п.46, в котором биохимическое свойство, относящееся к крахмалу, дополнительно представляет собой фенотипический признак, характеризующий содержание в крахмале амилопектина и амилозы.
53. Устройство по п.46, в котором указанным свойством являются характеристики мутации эндосперма, выбранные из группы, включающей пониженное содержание в эндосперме зеинов и аминокислот.
54. Устройство по п.46, в котором указанным свойством является морфологическое свойство, выбранное из группы, включающей размер эндосперма, размер зародыша, форма семени, цвет семени, структура поверхности семени, масса семени, плотность семени и целостность семени.
55. Устройство по п.46, в котором указанным свойством является показатель разрушения зерна, выбранный из группы, включающей отношение стекловидного эндосперма к нестекловидному, плотность зерна, средняя масса зерна, количество перикарпия, качество перикарпия, размер зерна и форма зерна.
56. Устройство по п.46, в котором излучение, направляемое на образец от источника излучения, лежит в диапазоне длин волн от 900 до 1700 нм.
57. Устройство по п.46, в котором спектрограф обеспечивает разложение эмитируемого излучения с получением спектрального изображения при точности спектрального разложения по меньшей мере 150 нм/мм и спектральном разрешении по меньшей мере 20 нм.
58. Устройство по п.46, в котором имеется также устройство для измерения массы образца, а процессор позволяет дополнительно определять в количественном выражении степень проявления образцом определенного свойства в пересчете на измеренную массу образца.
59. Устройство по п.46, в котором также имеется сортирующее устройство, которое предназначено для приема образца и его сортировки в один из множества накопителей в зависимости от наличия у образца того или иного определенного процессором определенного свойства.
60. Устройство по п.46, имеющее также пробоотборник, в котором находятся образцы, и прямолинейно поступательно перемещающуюся платформу, на которую крепится пробоотборник и которая предназначена для его перемещения относительно спектрографа, обеспечивая сканирование пробоотборника поперек него излучением от источника излучения и получения излучения смешанных длин волн, эмитируемого множеством дискретно расположенных в пространстве анализируемых точек образца, находящегося в пробоотборнике.
61. Устройство по п.60, в котором излучению от источника излучения придана форма полоски, которой поперек сканируется образец, расположенный в пробоотборнике, закрепленном на прямолинейной поступательно перемещающейся платформе.
62. Устройство по п.66, имеющее также обрабатывающее устройство, выбранное из группы, включающей шелушильную или лущильную машину, молотилку или комбайн, и предназначенное для получения образца для его анализа на наличие у него определенного свойства.
63. Способ, заключающийся в том, что (А) на участок образца, представляющего собой сельскохозяйственный продукт, направляют имеющее вид полоски излучение с получением эмитируемого образцом излучения, (Б) это эмитируемое излучение разлагают с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн для каждой из множества анализируемых точек, дискретно расположенных в пространстве на указанном участке образца вдоль полоски излучения, (В) для каждой дискретно расположенной в пространстве вдоль полоски излучения анализируемой точки в соответствующем спектральном изображении выявляют длины волн отдельных спектральных компонент, (Г) повторяют стадии (А)-(В) для сканирования каждого участка образца и (Д) на основании выявленных длин волн отдельных спектральных компонент в каждой дискретно расположенной в пространстве анализируемой точки для каждого из сканированных участков формируют куб гиперспектральных данных для всего образца.
64. Способ по п.63, в котором выявленные спектральные компоненты с индивидуальными длинами волн в кубе гиперспектральных данных дополнительно подвергают обработке сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у образца, представляющего собой сельскохозяйственный продукт, определенного свойства в соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у образца определенного свойства в каждой из дискретно расположенных в пространстве анализируемых точек.
65. Способ по п.63, в котором выявленные спектральные компоненты с индивидуальными длинами волн в кубе гиперспектральных данных, ассоциированном с дискретно расположенными в пространстве на определенном участке образца анализируемыми точками, дополнительно подвергают обработке сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием в соответствующих анализируемых точках, дискретно расположенных в пространстве на определенном участке образца, представляющего собой сельскохозяйственный продукт, определенного свойства, для определения наличия у образца определенного свойства в каждой из дискретно расположенных в пространстве на этом определенном участке анализируемых точек.
66. Способ по п.63, в котором выявленные спектральные компоненты с индивидуальными длинами волн в кубе гиперспектральных данных, ассоциированном с дискретно расположенными в пространстве на определенном участке образца анализируемыми точками, дополнительно подвергают обработке сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн для дискретно расположенных в пространстве на этом определенном участке образца анализируемых точек и наличием на этом определенном участке образца, представляющего собой сельскохозяйственный продукт, определенного свойства, для определения наличия у образца определенного свойства на этом его определенном участке.
67. Способ по п.66, в котором выявленные длины волн отдельных спектральных компонент в кубе гиперспектральных данных, ассоциированном с дискретно расположенными в пространстве на определенном участке образца анализируемыми точками, усредняют с получением для этого определенного участка образца усредненного спектра, который затем обрабатывают сопоставлением с моделью.
68. Устройство, имеющее источник излучения, предназначенный для направления на участок образца, представляющего собой сельскохозяйственный продукт, имеющего вид полоски излучения с получением эмитируемого образцом излучения, спектрограф, предназначенный для разложения эмитируемого излучения с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн для каждой из множества анализируемых точек, дискретно расположенных в пространстве на указанном участке образца вдоль полоски излучения, камеру, содержащую детектор, который для каждой дискретно расположенной в пространстве анализируемой точки позволяет выявлять в соответствующем спектральном изображении длины волн отдельных спектральных компонент, устройство для перемещения образца относительно полоски излучения и тем самым для сканирования каждого участка образца, и процессор, который на основании выявленных спектральных компонент с индивидуальными длинами волн в каждой дискретно расположенной в пространстве анализируемой точке для каждого из сканированных участков образца позволяет получать куб гиперспектральных данных для образца.
69. Устройство по п.68, в котором образец, представляющий собой сельскохозяйственный продукт, выбран из группы, включающей отдельное семя, партию семян и ткань растения.
70. Устройство по п.68, в котором устройство перемещения образца имеет пробоотборник, в котором находится образец, представляющий собой сельскохозяйственный продукт, и прямолинейно поступательно перемещающуюся платформу, на которую крепится пробоотборник и которая предназначена для его перемещения относительно полоски излучения.
71. Устройство по п.68, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн в кубе гиперспектральных данных сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у образца, представляющего собой сельскохозяйственный продукт, определенного свойства в соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у образца определенного свойства в каждой из дискретно расположенных в пространстве анализируемых точек.
72. Устройство по п.68, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн в кубе гиперспектральных данных, ассоциированном с дискретно расположенными в пространстве на определенном участке образца анализируемыми точками, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием в соответствующих анализируемых точках, дискретно расположенных в пространстве на определенном участке образца, представляющего собой сельскохозяйственный продукт, определенного свойства, для определения наличия у образца определенного свойства в каждой из дискретно расположенных в пространстве на этом определенном участке анализируемых точек.
73. Устройство по п.68, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн в кубе гиперспектральных данных, ассоциированном с дискретно расположенными в пространстве на определенном участке образца анализируемыми точками, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн для дискретно расположенных в пространстве на этом определенном участке образца анализируемых точек и наличием на этом определенном участке образца, представляющего собой сельскохозяйственный продукт, определенного свойства, для определения наличия у образца определенного свойства на этом его определенном участке.
74. Устройство по п.73, в котором процессор позволяет также усреднять выявленные длины волн отдельных спектральных компонент в кубе гиперспектральных данных, ассоциированном с дискретно расположенными в пространстве на определенном участке образца анализируемыми точками, с получением для этого определенного участка образца усредненного спектра, который затем обрабатывается сопоставлением с моделью.
75. Способ интрогрессии в растение определенного свойства, заключающийся в том, что (А) на семя направляют излучение от источника излучения с получением эмитируемого семенем излучения, (Б) эмитируемое семенем излучение разлагают с получением разложенного излучения, (В) разложенное излучение принимают фотометрическим устройством, в котором имеется массив или матрица из множества точек сбора данных, имеющий, соответственно имеющая пространственный параметр, определяющий положение множества анализируемых точек на семени, и спектральный параметр, определяющий спектральные данные разложенного излучения от каждой из множества анализируемых точек семени, (Г) выводят полученный в фотометрическом устройстве сигнал, характеризующий спектральные данные для каждой из множества точек сбора данных, (Д) на основе сигналов, характеризующих спектральные данные, определяют наличие у семени в каждой из множества анализируемых точек представляющего интерес определенного свойства, (Е) семя, если оно на предыдущей стадии идентифицировано как обладающее представляющим интерес определенным свойством, отбирают для селекции, (Ж) из этого отобранного семени выращивают фертильное растение и (3) это фертильное растение используют в качестве родительского растения для скрещивания с другим растением.
76. Способ по п.75, в котором в результате скрещивания выращивают дающее семена растение следующего поколения и в котором далее, выполняя стадии (А)-(Е), проводят отбор семян этого растения следующего поколения.
77. Способ по п.75, в котором при скрещивании в качестве фертильного растения используют его мужскую форму.
78. Способ по п.75, в котором при скрещивании в качестве фертильного растения используют его женскую форму.
79. Способ по п.75, в котором в результате скрещивания выращивают дающее семена растение следующего поколения и в котором далее, повторяя стадии (А)-(З), селективно размножают растения, семена которых обладают представляющим интерес определенным свойством.
80. Устройство для определения наличия у семени определенного свойства, имеющее пробоотборник, в котором находится семя, источник излучения, предназначенный для направления на семя излучения с получением эмитируемого семенем излучения, спектрограф, предназначенный для разложения эмитируемого семенем излучения с получением разложенного излучения, предназначенное для приема разложенного излучения фотометрическое устройство, в котором имеется массив или матрица из множества точек сбора данных, имеющий, соответственно имеющая пространственный параметр, определяющий положение множества анализируемых точек на семени, и спектральный параметр, определяющий спектральные данные разложенного излучения от каждой из множества анализируемых точек семени, и которое выдает также сигнал, характеризующий спектральные данные для каждой из множества точек сбора данных, и процессор, который позволяет на основе сигналов, характеризующих спектральные данные, определять наличие у семени в каждой из множества анализируемых точек определенного свойства.
81. Устройство по п.80, в котором указанным свойством является количественное свойство.
82. Устройство по п.80, в котором указанным свойством является биохимическое свойство.
83. Устройство по п.82, в котором биохимическое свойство выбрано из группы, включающей содержание масла, содержание белка, содержание углеводов, содержание крахмала, содержание клетчатки и содержание влаги.
84. Устройство по п.82, в котором биохимическое свойство выбрано из группы, включающей состав масла, состав белка, состав углеводов и состав клетчатки.
85. Устройство по п.80, в котором указанным свойством является морфологическое свойство.
86. Устройство по п.85, в котором морфологическое свойство выбрано из группы, включающей размер эндосперма, размер зародыша, форма семени, размер семени, цвет семени, структура поверхности семени, масса семени, плотность семени и целостность семени.
87. Устройство по п.86, в котором целостность семени коррелирована с его восприимчивостью или устойчивостью к болезням.
88. Устройство по п.87, в котором восприимчивость или устойчивость семени к болезням представляет собой его устойчивость или восприимчивость к заражению насекомыми.
89. Устройство по п.87, в котором восприимчивость или устойчивость семени к болезням представляет собой его устойчивость или восприимчивость к заражению грибами.
90. Устройство по п.87, в котором целостность семени представляет собой целостность всего семени.
91. Устройство по п.80, в котором эмитируемое семенем излучение представляет собой излучение, выбранное из группы, включающей излучение, отраженное от семени в каждой из множества анализируемых точек, и излучение, проходящее через семя в каждой из множества анализируемых точек.
92. Устройство по п.80, в котором длины волн разложенного излучения лежат в диапазоне от 900 до 1700 нм.
93. Устройство по п.80, в котором спектрограф для получения спектрального изображения позволяет разлагать излучение в спектральном диапазоне длин волн по меньшей мере от 900 до 1700 нм при точности спектрального разложения по меньшей мере 150 нм/мм и спектральном разрешении по меньшей мере 20 нм.
94. Устройство по п.80, в котором спектрограф выбран из группы, включающей спектрограф с оптической системой типа призма-дифракционная решетка-призма и спектрограф с отражающей дифракционной решеткой.
95. Устройство по п.80, в котором источник излучения позволяет испускать излучение в диапазоне длин волн от 900 до 1700 нм.
96. Устройство по п.80, в котором источник излучения выбран из группы, включающей галогенную лампу, вольфрамово-галоидную лампу, галогенную лампу с длинной нитью, ксеноновую лампу, ксеноновую лампу-вспышку, люминесцентную лампу, неоновую лампу и ртутную лампу.
97. Устройство по п.80, в котором пробоотборник выбран из группы, включающей прозрачные контейнеры, имеющие по существу горизонтальную поверхность.
98. Устройство по п.80, в котором пробоотборник смонтирован на прямолинейно поступательно перемещающейся платформе, имеющей возможность перемещения относительно спектрографа.
99. Устройство по п.80, в котором фотометрическое устройство имеет фокальную плоскость, в которой расположено более 75000 пикселей с шагом менее 20 мкм, и частота кадров такого фотометрического устройства превышает 25 кадров в секунду.
100. Устройство по п.80, в котором фотометрическое устройство выбрано из группы, включающей камеру с фотоприемными элементами на основе антимонида индия, камеру с фотоприемными элементами на основе теллурида ртути и кадмия, камеру с фотоприемными элементами на основе силицида платины, камеру с фотоприемными элементами на основе легированного мышьяком кремния, камеру с фотоприемными элементами на основе арсенида индия и галлия и камеру на ПЗС.
101. Устройство по п.80, в котором процессор позволяет определять наличие у семени более одного свойства.
102. Способ дифференциации гаплоидных и негаплоидных образцов, заключающийся в том, что на семя направляют излучение с получением излучения смешанных длин волн, эмитируемого множеством дискретно расположенных в пространстве анализируемых точек семени, это эмитируемое излучение смешанных длин волн разлагают для каждой дискретно расположенной в пространстве анализируемой точки с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн, для каждой дискретно расположенной в пространстве анализируемой точки в соответствующем спектральном изображении выявляют спектральные компоненты с индивидуальными длинами волн, и выявленные спектральные компоненты с индивидуальными длинами волн для каждой из дискретно расположенных в пространстве на семени точек подвергают сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и фенотипом, проявление которого обусловлено наличием у семени гаплоидного свойства, обработке для определения, является ли семя гаплоидом.
103. Способ по п.102, в котором эмитируемое излучение представляет собой отраженное от сельскохозяйственного продукта излучение.
104. Способ по п.102, в котором эмитируемое излучение представляет собой проходящее через сельскохозяйственный продукт излучение.
105. Способ по п.102, в котором на стадии обработки дополнительно дифференцируют расположение эндосперма в семени.
106. Способ по п.105, в котором на стадии обработки выявленные спектральные компоненты с индивидуальными длинами волн дополнительно подвергают обработке для тех дискретно расположенных в пространстве анализируемых точек в эндосперме семени, характерная для антоцианина окраска которых указывает на то, что семя является гаплоидом.
107. Способ по п.102, в котором на стадии обработки дополнительно дифференцируют расположение эмбриона внутри семени.
108. Способ по п.107, в котором на стадии обработки выявленные спектральные компоненты с индивидуальными длинами волн дополнительно подвергают обработке для тех дискретно расположенных в пространстве анализируемых точек в эмбрионе семени, отсутствие у которых окраски указывает на то, что семя является гаплоидом.
109. Способ по п.102, в котором семя в зависимости от того, является ли оно гаплоидом или нет, его дополнительно рассортировывают в один из множества накопителей.
110. Способ по п.102, в котором проводят также отбор семян по результатам определения, что семя является гаплоидом.
111. Устройство для дифференциации гаплоидных и негаплоидных образцов, имеющее источник излучения, предназначенный для направления на сельскохозяйственный продукт излучения с получением излучения смешанных длин волн, эмитируемого от множества дискретно расположенных в пространстве анализируемых точек сельскохозяйственного продукта, спектрограф, предназначенный для разложения эмитируемого излучения смешанных длин волн для каждой дискретно расположенной в пространстве анализируемой точки с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн, камеру, содержащую детектор, который для каждой дискретно расположенной в пространстве анализируемой точки позволяет выявлять в соответствующем спектральном изображении спектральные компоненты с индивидуальными длинами волн, и процессор, предназначенный для сопоставления выявленных спектральных компонент с индивидуальными длинами волн для каждой из дискретно расположенных в пространстве на семени анализируемых точек с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и фенотипом, проявление которого обусловлено наличием у семени гаплоидного свойства, для определения, является ли семя гаплоидом.
112. Устройство по п.111, в котором эмитируемое излучение представляет собой отраженное от сельскохозяйственного продукта излучение.
113. Устройство по п.111, в котором эмитируемое излучение представляет собой проходящее через сельскохозяйственный продукт излучение.
114. Устройство по п.111, в котором процессор позволяет также дифференцировать расположение эндосперма в семени.
115. Устройство по п.114, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн для тех дискретно расположенных в пространстве анализируемых точек в эндосперме семени, характерная для антоцианина окраска которых указывает на то, что семя является гаплоидом.
116. Устройство по п.111, в котором процессор позволяет также дифференцировать расположение эмбриона внутри семени.
117. Устройство по п.116, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн для тех дискретно расположенных в пространстве анализируемых точек в эмбрионе семени, отсутствие у которых окраски указывает на то, что семя является гаплоидом.
118. Устройство по п.111, имеющее также сортирующее устройство, которое в зависимости от того, является ли семя гаплоидом или нет, позволяет направлять его в один из множества накопителей.
119. Устройство по п.111, имеющее также устройство для отбора семян, позволяющее отбирать семена по результатам определения, что семя является гаплоидом.
120. Способ дифференциального анализа частей образца, представляющего собой сельскохозяйственный продукт, заключающийся в том, что на образец направляют излучение с получением излучения смешанных длин волн, эмитируемого множеством дискретно расположенных в пространстве анализируемых точек образца, это эмитируемое излучение смешанных длин волн разлагают для каждой дискретно расположенной в пространстве анализируемой точки с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн, для каждой дискретно расположенной в пространстве анализируемой точки в соответствующем спектральном изображении выявляют спектральные компоненты с индивидуальными длинами волн, и выявленные спектральные компоненты с индивидуальными длинами волн для каждой из дискретно расположенных в пространстве на образце точек подвергают сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и определенными частями образца, обработке для идентификации одной или нескольких дискретно расположенных в пространстве анализируемых точек как точек, относящихся к определенной части образца.
121. Способ по п.120, в котором эмитируемое излучение представляет собой отраженное от образца излучение.
122. Способ по п.120, в котором эмитируемое излучение представляет собой проходящее через образец излучение.
123. Способ по п.120, в котором определенной частью образца является эндосперм, а на стадии обработки дополнительно идентифицируют дискретно расположенные в пространстве анализируемые точки, относящиеся к эндосперму.
124. Способ по п.123, в котором на стадии обработки выявленные спектральные компоненты с индивидуальными длинами волн дополнительно подвергают обработке для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к эндосперму образца, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у сельскохозяйственного продукта в его эндосперме определенного свойства.
125. Способ по п.120, в котором определенной частью образца является зародыш, а на стадии обработки идентифицируют дискретно расположенные в пространстве анализируемые точки, относящиеся к зародышу.
126. Способ по п.125, в котором на стадии обработки выявленные спектральные компоненты с индивидуальными длинами волн дополнительно подвергают обработке для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к зародышу образца, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у зародыша сельскохозяйственного продукта определенного свойства.
127. Способ по п.120, в котором определенной частью образца является зародыш, а на стадии обработки идентифицируют дискретно расположенные в пространстве анализируемые точки, относящиеся к эмбриону.
128. Способ по п.127, в котором на стадии обработки выявленные спектральные компоненты с индивидуальными длинами волн дополнительно подвергают обработке для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к эмбриону образца, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у эмбриона сельскохозяйственного продукта определенного свойства.
129. Способ по п.120, в котором образцом, представляющим собой сельскохозяйственный продукт, является партия семян, а определенной частью такого образца является отдельное семя в партии семян, при этом на стадии обработки дополнительно идентифицируют дискретно расположенные в пространстве анализируемые точки, относящиеся к отдельным семенам.
130. Способ по п.129, в котором на стадии обработки выявленные спектральные компоненты с индивидуальными длинами волн дополнительно подвергают обработке для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к отдельным семенам в их партии, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у каждого из семян сельскохозяйственного продукта определенного свойства.
131. Способ по п.120, в котором по результатам анализа определенной части образца на наличие у нее определенного свойства семена дополнительно рассортировывают по множеству накопителей.
132. Способ по п.120, в котором по результатам анализа определенной части образца на наличие у нее определенного свойства дополнительно проводят отбор семян.
133. Устройство для дифференциального анализа частей образца, представляющего собой сельскохозяйственный продукт, имеющее источник излучения, предназначенный для направления на образец излучения с получением излучения смешанных длин волн, эмитируемого от множества дискретно расположенных в пространстве анализируемых точек образца, спектрограф, предназначенный для разложения эмитируемого излучения смешанных длин волн для каждой дискретно расположенной в пространстве анализируемой точки с получением соответствующего спектрального изображения, содержащего множество спектральных компонент с индивидуальными длинами волн, камеру, содержащую детектор, который для каждой дискретно расположенной в пространстве анализируемой точки позволяет выявлять в соответствующем спектральном изображении спектральные компоненты с индивидуальными длинами волн, и процессор, предназначенный для сопоставления выявленных спектральных компонент с индивидуальными длинами волн для каждой из дискретно расположенных в пространстве на образце анализируемых точек с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и определенными частями образца, для идентификации одной или нескольких дискретно расположенных в пространстве анализируемых точек как точек, относящихся к определенной части образца.
134. Устройство по п.133, в котором эмитируемое излучение представляет собой отраженное от образца излучение.
135. Устройство по п.133, в котором эмитируемое излучение представляет собой проходящее через образец излучение.
136. Устройство по п.133, в котором определенной частью образца является эндосперм, а процессор позволяет также идентифицировать дискретно расположенные в пространстве анализируемые точки, относящиеся к эндосперму.
137. Устройство по п.136, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к эндосперму образца, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у сельскохозяйственного продукта в его эндосперме определенного свойства.
138. Устройство по п.133, в котором определенной частью образца является зародыш, а процессор позволяет также идентифицировать дискретно расположенные в пространстве анализируемые точки, относящиеся к зародышу.
139. Устройство по п.138, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к зародышу образца, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у зародыша сельскохозяйственного продукта определенного свойства.
140. Устройство по п.133, в котором определенной частью образца является эмбрион, а процессор позволяет также идентифицировать дискретно расположенные в пространстве анализируемые точки, относящиеся к эмбриону.
141. Устройство по п.133, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к эмбриону образца, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у эмбриона сельскохозяйственного продукта определенного свойства.
142. Устройство по п.133, в котором образцом, представляющим собой сельскохозяйственный продукт, является партия семян, а определенной частью такого образца является отдельное семя в партии семян, при этом процессор позволяет также идентифицировать дискретно расположенные в пространстве анализируемые точки, относящиеся к отдельным семенам.
143. Устройство по п.142, в котором процессор позволяет также подвергать обработке выявленные спектральные компоненты с индивидуальными длинами волн для тех идентифицированных дискретно расположенных в пространстве анализируемых точек, которые относятся к отдельным семенам в их партии, сопоставлением с моделью, которая устанавливает связь между наличием в спектральном изображении определенных спектральных компонент с индивидуальными длинами волн и наличием у сельскохозяйственного продукта определенного свойства в его соответствующей дискретно расположенной в пространстве анализируемой точке, для определения наличия у каждого из семян сельскохозяйственного продукта определенного свойства.
144. Устройство по п.133, имеющее также сортирующее устройство, которое в зависимости от того, является ли семя гаплоидом или нет, позволяет направлять его в один из множества накопителей.
145. Устройство по п.133, имеющее также устройство для отбора семян, позволяющее отбирать семена по результатам определения, что семя является гаплоидом.
RU2003116064/28A 2000-10-30 2001-10-26 Способы и устройства для анализа образцов сельскохозяйственной продукции RU2288461C2 (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/698,214 US6646264B1 (en) 2000-10-30 2000-10-30 Methods and devices for analyzing agricultural products
US09/698,214 2000-10-30

Publications (2)

Publication Number Publication Date
RU2003116064A true RU2003116064A (ru) 2005-02-20
RU2288461C2 RU2288461C2 (ru) 2006-11-27

Family

ID=24804350

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2003116064/28A RU2288461C2 (ru) 2000-10-30 2001-10-26 Способы и устройства для анализа образцов сельскохозяйственной продукции

Country Status (18)

Country Link
US (1) US6646264B1 (ru)
EP (1) EP1332354B1 (ru)
JP (1) JP2004515778A (ru)
CN (1) CN100392376C (ru)
AR (1) AR031284A1 (ru)
AU (1) AU2002243407A1 (ru)
BG (1) BG107842A (ru)
BR (2) BRPI0115054B1 (ru)
CA (1) CA2426933C (ru)
ES (1) ES2431955T3 (ru)
HU (1) HUP0302495A3 (ru)
MX (1) MXPA03003819A (ru)
NO (1) NO20031925L (ru)
PL (1) PL362509A1 (ru)
RU (1) RU2288461C2 (ru)
UA (1) UA79083C2 (ru)
WO (1) WO2002048687A2 (ru)
ZA (1) ZA200303298B (ru)

Families Citing this family (150)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040268446A1 (en) * 2003-06-30 2004-12-30 Brian Penttila Method for classifying plant embryos using Raman spectroscopy
SE0001967D0 (sv) * 2000-05-25 2000-05-25 Torbjoern Lestander Single seed sortation
US6706989B2 (en) 2001-02-02 2004-03-16 Pioneer Hi-Bred International, Inc. Automated high-throughput seed sample processing system and method
JP2004530875A (ja) * 2001-04-13 2004-10-07 カーギル、インコーポレイテッド 農業および／または食品の原料の評価方法、その適用および製品
CA2479334C (en) * 2002-03-20 2012-05-22 Ag Leader Technology, Inc. High speed analyzer using near infrared radiation transmitted through thick samples of optically dense material
ATE380772T1 (de) 2002-04-04 2007-12-15 Monsanto Technology Llc Automatisiertes system zum aufnehmen, wägen und sortieren von teilchenförmigem material
US7288768B2 (en) * 2002-07-18 2007-10-30 Purdue Research Foundation Method for measuring the amount of an organic substance in a food product with infrared electromagnetic radiation
US7643055B2 (en) * 2003-04-25 2010-01-05 Aptina Imaging Corporation Motion detecting camera system
US8031910B2 (en) * 2003-09-17 2011-10-04 Syngenta Participations Ag Method and apparatus for analyzing quality traits of grain or seed
BRPI0414708B1 (pt) * 2003-09-23 2019-05-14 Monsanto Technology Llc Sistema e método para processamento de sementes.
US20050097021A1 (en) * 2003-11-03 2005-05-05 Martin Behr Object analysis apparatus
US7315371B2 (en) * 2004-01-23 2008-01-01 P&P Optica Inc. Multi-channel spectrum analyzer
KR101226782B1 (ko) * 2004-03-12 2013-01-25 가부시키가이샤 조이 월드 퍼시픽 물체의 칼로리 측정방법 및 물체의 칼로리 측정장치
WO2005114143A1 (en) * 2004-05-12 2005-12-01 Pioneer Hi-Bred International, Inc. Non-destructive single seed or several seeds nir analyzer and method
US7274457B2 (en) * 2004-05-12 2007-09-25 Pioneer Hi-Bred International, Inc. Non-destructive derivation of weight of single seed or several seeds
US7274456B2 (en) * 2004-05-12 2007-09-25 Pioneer Hi-Bred International, Inc. Non-destructive single seed or several seeds NIR analyzer and method
JP4499476B2 (ja) * 2004-05-25 2010-07-07 オリンパス株式会社 分光画像入力装置及びそれを備えた光学装置
US7703238B2 (en) 2004-08-26 2010-04-27 Monsanto Technology Llc Methods of seed breeding using high throughput nondestructive seed sampling
GB0419059D0 (en) * 2004-08-26 2004-09-29 Ici Plc Sediment assessment
EP1819212B1 (en) * 2004-08-26 2013-10-23 Monsanto Technology, LLC Automated testing of seeds
EP2279658B1 (en) 2004-08-26 2015-03-18 Monsanto Technology LLC Automated seed sampler
US7832143B2 (en) * 2004-08-26 2010-11-16 Monsanto Technology Llc High throughput methods for sampling seeds
WO2006029987A1 (en) 2004-09-16 2006-03-23 Cropdesign N.V. Root evaluation
FR2887981B1 (fr) * 2005-06-29 2008-02-29 Alain Emile Pierre Dispositif et procede de caracterisation optique de corps translucides et/ou opaques
WO2006123056A2 (fr) * 2005-05-18 2006-11-23 Scheffer Coatings Dispositif et procede de caracterisation optique de corps translucides et/ou opaques
WO2007068056A1 (en) * 2005-12-14 2007-06-21 Grains Research And Development Corporation Stain assessment for cereal grains
US8735169B2 (en) 2006-02-07 2014-05-27 Stokes Bio Limited Methods for analyzing agricultural and environmental samples
CN101448391A (zh) * 2006-03-02 2009-06-03 孟山都技术有限公司 使用高通量、非破坏性种子取样的种子选育方法
US7998669B2 (en) 2006-03-02 2011-08-16 Monsanto Technology Llc Automated contamination-free seed sampler and methods of sampling, testing and bulking seeds
US8028469B2 (en) * 2006-03-02 2011-10-04 Monsanto Technology Llc Automated high-throughput seed sampler and methods of sampling, testing and bulking seeds
CA2648213A1 (en) * 2006-04-06 2007-10-18 Monsanto Technology Llc Method for multivariate analysis in predicting a trait of interest
CA2648422A1 (en) * 2006-04-06 2007-10-18 Monsanto Technology Llc Method of predicting a trait of interest
CN101505883B (zh) * 2006-06-28 2014-03-12 孟山都技术有限公司 小物体分类系统和方法
CA2663210A1 (en) * 2006-09-15 2008-03-20 Monsanto Technology Llc Methods for increasing the fermentability of plant material to yield ethanol
WO2008124925A1 (en) * 2007-04-12 2008-10-23 University Of Manitoba Fusarium detection method
US20110079544A1 (en) * 2009-10-01 2011-04-07 Pioneer Hi-Bred International, Inc. Method for sorting resistant seed from a mixture with susceptible seed
CL2008001175A1 (es) * 2007-04-24 2008-11-03 Pioneer Hi Bred Int Metodo para distinguir semillas que contienen un elemento genetico de interes a partir de una muestra de un lote,basado en la presencia de una proteina marcadora fluorescente roja.
US8459463B2 (en) * 2007-04-24 2013-06-11 Pioneer Hi-Bred International, Inc. Method for sorting resistant seed from a mixture with susceptible seed
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
CN101772300B (zh) * 2007-05-31 2013-07-24 孟山都技术有限公司 种子分拣器
GB0717967D0 (en) 2007-09-14 2007-10-24 Cascade Technologies Ltd Polarimetric hyperspectral imager
US20090075325A1 (en) * 2007-09-19 2009-03-19 Monsanto Technology Llc Systems and methods for analyzing agricultural products
US8375628B2 (en) 2007-09-20 2013-02-19 Kamterter Products, Llc Seed testing method and apparatus
IES20080911A2 (en) * 2007-11-13 2009-07-08 Minch Norton Ltd A process and apparatus for analysing and separating grain
US7830504B2 (en) * 2007-11-20 2010-11-09 Monsanto Technology Llc Automated systems and assemblies for use in evaluating agricultural products and methods therefor
US8613158B2 (en) * 2008-04-18 2013-12-24 Ball Horticultural Company Method for grouping a plurality of growth-induced seeds for commercial use or sale based on testing of each individual seed
EP2296831A4 (en) * 2008-06-27 2012-10-31 Spectrum Scient Inc REMOVAL OF FUSARIUM-INFECTED GRAINS FROM CEREALS
EP2140749A1 (en) * 2008-07-04 2010-01-06 Aarhus Universitet Det Jordbrugsvidenskabelige Fakultet Classification of seeds
DE102008033979B4 (de) 2008-07-21 2018-06-14 Hans Joachim Bruins Messgerät und Verfahren zur Messung von Eigenschaften einer partikulären Probe
AR073120A1 (es) 2008-08-22 2010-10-13 Pioneer Hi Bred Int Aparato, metodo y sistema automatizado de alto rendimiento para recubrir mazorcas de maiz
WO2010022346A2 (en) * 2008-08-22 2010-02-25 Pioneer Hi-Bred International, Inc. Methods for counting corn silks or other plural elongated strands and use of the count for characterizing the strands or their origin
US8284248B2 (en) * 2009-08-25 2012-10-09 Frito-Lay North America, Inc. Method for real time detection of defects in a food product
EP3081077B1 (en) * 2008-09-16 2019-06-19 BASF Plant Science GmbH Method for improved plant breeding
CA2688805C (en) 2008-11-18 2013-07-02 John F. Green Method and apparatus for sorting heterogeneous material
US9842252B2 (en) * 2009-05-29 2017-12-12 Monsanto Technology Llc Systems and methods for use in characterizing agricultural products
WO2011027315A1 (en) * 2009-09-04 2011-03-10 Moshe Danny S Grading of agricultural products via hyper spectral imaging and analysis
US8412419B1 (en) * 2009-09-17 2013-04-02 Helena Chemical Company System for mapping GIS layers
US7949241B2 (en) * 2009-09-29 2011-05-24 Raytheon Company Anamorphic focal array
WO2011055405A1 (ja) * 2009-11-04 2011-05-12 株式会社ニレコ 分光情報読み取り装置
US9464329B2 (en) 2010-03-26 2016-10-11 Monsanto Technology Llc Portable systems and methods for amplifying nucleotides and detecting nucleotide sequences
SE1000620A1 (sv) * 2010-06-09 2011-12-10 Umbio Ab Förfarande för hyperspektral bildanalys i realtid
CN102072883B (zh) * 2010-07-07 2013-03-13 北京农业智能装备技术研究中心 农作物种子综合品质检测装置及方法
US9003696B2 (en) 2010-07-20 2015-04-14 Monsanto Technology Llc Automated systems for removing tissue samples from seeds, and related methods
MX2013000776A (es) 2010-07-20 2013-07-05 Dow Agrosciences Llc Sistemas y metodos para analizar un miembro en forma de peine de tiras de prueba de inmunoensayo.
JP5317298B2 (ja) * 2010-09-08 2013-10-16 国立大学法人 香川大学 分光計測装置及び分光計測方法
GB201015791D0 (en) * 2010-09-20 2010-10-27 Syngenta Ltd Improved method and machine for use thereof
RU2454278C1 (ru) * 2011-01-21 2012-06-27 Открытое Акционерное общество "Российский Научно-исследовательский институт сельскохозяйственных приборов" (ОАО "РНИИ "Агроприбор") Лабораторная установка для исследования, демонстрации процессов сушки, хранения и кондиционирования зерна (семян)
CN102179375B (zh) * 2011-03-09 2013-03-13 中国科学院合肥物质科学研究院 一种基于近红外作物单籽粒成分无损检测筛选方法
US9165189B2 (en) 2011-07-19 2015-10-20 Ball Horticultural Company Seed holding device and seed classification system with seed holding device
US8605149B2 (en) * 2011-07-19 2013-12-10 Ball Horticultural Company Seed classification using spectral analysis to determine existence of a seed structure
CN102354696B (zh) * 2011-07-22 2013-05-01 上海奕瑞光电子科技有限公司 X射线探测器
JP2013027341A (ja) * 2011-07-27 2013-02-07 Yanmar Co Ltd コンバイン
GB201113138D0 (en) * 2011-07-29 2011-09-14 Univ East Anglia Method, system and device for detecting insects and other pests
US8541743B2 (en) * 2011-08-02 2013-09-24 Roc8Sci Co. Apparatus and method for detecting and quantifying analytes in solution
US20130044207A1 (en) * 2011-08-16 2013-02-21 Key Technology, Inc. Imaging apparatus
CN102507485B (zh) * 2011-10-18 2013-08-07 山东农业大学 彩色小麦籽粒色素含量无损检测方法
WO2013133171A1 (ja) * 2012-03-05 2013-09-12 住友電気工業株式会社 種子選別方法及び種子選別装置
BR112014013591A2 (pt) 2012-03-19 2020-12-29 Malaysian Palm Oil Board gene controlador do fenótipo da casca da semente em palma
JP6088770B2 (ja) * 2012-04-20 2017-03-01 国立大学法人広島大学 穀粒成分分析装置および穀粒成分分析方法
CN102706813B (zh) * 2012-05-31 2014-03-26 北京林业大学 基于高光谱图像的草地早熟禾品种识别方法
EP2674746A1 (de) * 2012-06-13 2013-12-18 Bayer CropScience AG Vorrichtung und Verfahren zur optischen Qualitätskontrolle der Beschichtung bzw. Befleckung eines körnigen Substrats
US9335267B2 (en) * 2012-07-09 2016-05-10 The United States Of America As Represented By The Secretary Of The Army Near-IR laser-induced vibrational overtone absorption systems and methods for material detection
IE20120388A1 (en) * 2012-09-07 2014-03-12 Odenberg Engineering Ltd Method and apparatus for handling harvested root crops
JP5881051B2 (ja) * 2012-10-05 2016-03-09 国立大学法人 香川大学 分光特性測定装置
US9996745B2 (en) 2012-11-19 2018-06-12 Altria Client Services Llc Blending of agricultural products via hyperspectral imaging and analysis
KR101341815B1 (ko) 2012-12-04 2014-01-06 대한민국 초분광 영상처리를 이용한 종자 선별 장치
CN103004322B (zh) * 2012-12-26 2014-09-10 中国农业大学 一种玉米果穗性状检测装置
EP2943293A2 (en) * 2013-01-08 2015-11-18 Pioneer Hi-Bred International, Inc. Systems and methods for sorting seeds
JP2015040818A (ja) * 2013-08-23 2015-03-02 住友電気工業株式会社 穀物分類方法及び穀物分類装置
JP5632060B1 (ja) * 2013-10-07 2014-11-26 佐鳥　新 ハイパースペクトルカメラおよびハイパースペクトルカメラ用プログラム
US9927364B1 (en) * 2013-11-01 2018-03-27 The United States Of America, As Represented By The Secretary Of Agriculture Line-scan Raman imaging method and apparatus for sample evaluation
CN103636315B (zh) * 2013-11-20 2015-03-11 华南理工大学 一种基于高光谱的种子发芽率在线检测装置及方法
US9878842B2 (en) 2013-12-23 2018-01-30 Dow Agrosciences Llc Plant imaging and spectral scanning system and method
SG11201609025TA (en) 2014-05-02 2016-11-29 Malaysian Palm Oil Board Mantle phenotype detection in palm
JP6288507B2 (ja) * 2014-05-13 2018-03-07 パナソニックＩｐマネジメント株式会社 食品分析装置
US10473585B2 (en) 2014-06-16 2019-11-12 Murphy Brown, Llc Method and system for measuring a physical parameter of a particulate material
US10186029B2 (en) 2014-09-26 2019-01-22 Wisconsin Alumni Research Foundation Object characterization
JP6487681B2 (ja) * 2014-11-25 2019-03-20 シャープ株式会社 計測装置、ネットワークシステム、計測方法およびプログラム
WO2016145334A1 (en) * 2015-03-12 2016-09-15 Raytheon Company Apparatus and processes for corn moisture analysis and pprediction of optimum harvest date
JP6687826B2 (ja) * 2015-04-06 2020-04-28 株式会社サタケ 穀粒品位判別装置及び該装置における穀粒からの光の受光方法
US20170008621A1 (en) * 2015-07-08 2017-01-12 Honeywell International Inc. Accurate object detection in free space using controlled light source techniques
US10019791B2 (en) * 2015-07-24 2018-07-10 Raytheon Company Apparatus and methods for estimating corn yields
WO2017055895A1 (en) 2015-09-30 2017-04-06 Arcelormittal Method of online characterization of a layer of oxides on a steel substrate
CN105284240B (zh) * 2015-10-30 2017-10-03 山东省农作物种质资源中心 种子籽粒颜色分辨台及分辨方法
EP3387416A1 (en) 2015-12-10 2018-10-17 Basf Plant Science Company GmbH Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype
RU2624705C1 (ru) * 2016-01-12 2017-07-05 Федеральное государственное бюджетное учреждение Научно-исследовательский институт проблем хранения Федерального агентства по государственным резервам Способ определения анатомо-морфологических дефектов зерна и семян в партиях зерновых культур
US11493385B2 (en) 2016-01-12 2022-11-08 University Of Florida Research Foundation, Incorporated Portable spectrograph for high-speed phenotyping and plant health assessment
EP3410098B1 (en) * 2016-01-29 2022-02-23 Panasonic Intellectual Property Management Co., Ltd. Device for observing water content, method for observing water content, and cultivation device
WO2017160844A1 (en) * 2016-03-15 2017-09-21 University Of Florida Research Foundation, Incorporated Haploid seed classification using single seed near-infrared spectroscopy
CN105830580B (zh) * 2016-03-22 2018-07-06 北京农业信息技术研究中心 一种果穗图像信息获取装置及方法
CN106124427B (zh) * 2016-04-12 2018-12-04 中国水稻研究所 一种适合加工成米线的专用水稻的理化筛选方法
CN106018321A (zh) * 2016-05-11 2016-10-12 中国农业大学 玉米单粒种子蛋白质检测模型的构建方法及其应用
CN109983320A (zh) * 2016-06-09 2019-07-05 美国陶氏益农公司 使用ftir进行植物性状检测和性状基因渗入的方法和系统
US10197504B2 (en) 2016-10-10 2019-02-05 Altria Client Services Llc Method and system of detecting foreign materials within an agricultural product stream
CN106610377B (zh) * 2016-11-14 2019-11-15 北京农业信息技术研究中心 种子光谱检测方法和系统
EP3555597B1 (en) * 2016-12-15 2024-05-01 Gemological Institute of America, Inc. (GIA) Method for screening gemstones
EP3589935A1 (en) * 2017-03-03 2020-01-08 Pioneer Hi-Bred International, Inc. Non-destructive assay for soybean seeds using near infrared analysis
ES2684855B1 (es) * 2017-03-31 2019-08-09 Arboreto S A T Ltda Equipo de inspeccion para la clasificacion o discriminacion automatizada de almendras en funcion de la concentracion de amigdalina y procedimiento de inspeccion
AT519918B1 (de) * 2017-04-21 2020-12-15 Insort Gmbh Verfahren zur Detektion der Ranzigkeit von Ölfrüchten, Samen und Nüssen
CN108931483A (zh) * 2017-05-25 2018-12-04 中科遥感(深圳)卫星应用创新研究院有限公司 农产品谱纹库及查询系统
CL2017002192A1 (es) * 2017-08-29 2018-04-06 Univ Catolica Del Maule Método de estimación de aceite de olivas individuales en base a tecnologías no destructivas.
US10740893B2 (en) * 2017-09-05 2020-08-11 Vibe Imaging Analytics Ltd. System and method for automated grain inspection and analysis of results
EP3480582A1 (en) 2017-11-01 2019-05-08 Bühler UK Limited Inspection apparatus and method
CA3092996A1 (en) 2018-03-14 2019-09-19 Monsanto Technology Llc Systems and methods for imaging seeds using multiple cameras
GB2587511B (en) 2018-04-20 2022-06-08 Buehler Uk Ltd Optical inspection and sorting machine, and corresponding method thereof
EP3801933A4 (en) * 2018-06-11 2022-09-07 Monsanto Technology LLC SEED CLASSIFICATION
RU2693334C1 (ru) * 2018-07-02 2019-07-02 Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный аграрный университет имени И.Т. Трубилина" Способ определения качества очистки семян масличных культур для селекции
CN109738438B (zh) * 2018-12-29 2021-07-23 扬州大学 一种小麦叶片衰老程度快速测量方法
CN111665221A (zh) * 2019-03-08 2020-09-15 中国科学院长春光学精密机械与物理研究所 基于透射光谱检测种子活力的装置及其使用方法
WO2020237055A1 (en) * 2019-05-21 2020-11-26 Ohio State Innovation Foundation Portable spectrometer system and methods for determining nutritional and quality traits
CN110118731A (zh) * 2019-05-27 2019-08-13 安徽省农业科学院烟草研究所 利用光学照度计无损快速鉴定全粉质、蜡质玉米种质的方法
US11448594B1 (en) 2019-06-10 2022-09-20 Centaur Analytics, Inc. System and method for post-harvest crop quality and traceability based on near-infrared spectroscopy, environmental, and gas sensors
CN110411895A (zh) * 2019-08-14 2019-11-05 甘肃省农业科学院马铃薯研究所 马铃薯容重测定方法及其在快速测定马铃薯淀粉含量和干物质含量中的应用
DE102019123479B3 (de) * 2019-09-02 2020-11-26 LuxFlux GmbH Analyse und Qualitätskontrolle von Lebensmitteln
BR112022008969A2 (pt) * 2019-12-04 2022-08-02 Monsanto Technology Llc Colheitadeiras para uso na colheita de milho e métodos relacionados
KR102274798B1 (ko) * 2019-12-09 2021-07-09 대한민국(농촌진흥청장) 종자의 배수체 및 반수체 판별방법, 이를 구현하는 판별 시스템
EP4127661A1 (en) * 2020-03-26 2023-02-08 Tata Consultancy Services Limited System and method of detecting concentration of plurality of chemical residue in an agricultural produce
RU206755U1 (ru) * 2021-06-07 2021-09-27 Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" Устройство для фиксации сезонного роста растений
RU207144U1 (ru) * 2021-06-07 2021-10-14 Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" Устройство для контроля и фиксации размеров растений в период их роста
RU206519U1 (ru) * 2021-06-07 2021-09-14 Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" Устройство для измерений сезонного роста растений
RU2765842C1 (ru) * 2021-06-07 2022-02-03 Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" Приспособление для комплексного отслеживания сезонных изменений растений
RU2765841C1 (ru) * 2021-06-07 2022-02-03 Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" Способ комплексного отслеживания сезонных изменений растений
CN114088622A (zh) * 2021-09-23 2022-02-25 昆明理工大学 一种近紫外激光诱导叶绿素荧光的水体藻类浓度检测装置及方法
CN114235723B (zh) * 2021-11-04 2024-04-02 福建师范大学 一种水果内在品质的无损测量方法及终端
US11614361B1 (en) * 2021-12-23 2023-03-28 Optiz, Inc. Hyperspectral camera
CN114486772A (zh) * 2021-12-29 2022-05-13 中国烟草总公司郑州烟草研究院 卷烟产品的重金属检测设备及检测方法
JP2023125301A (ja) * 2022-02-28 2023-09-07 国立大学法人九州大学 粒子の質量の非接触測定方法及び装置
JP2023137889A (ja) * 2022-03-18 2023-09-29 株式会社トプコン 穀物成分センサ及び穀物成分分析装置
CN115069329B (zh) * 2022-06-14 2023-09-29 广西壮族自治区农业科学院 一种低世代水稻整精米率选择方法
WO2024040292A1 (en) * 2022-08-24 2024-02-29 Surenut Pty Ltd Improved method for classification of an edible seed and a scanning device therefor

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US1850372A (en) 1929-07-05 1932-03-22 Cincinnati Grinders Inc Grinding machine
US3861788A (en) 1972-08-24 1975-01-21 Neotec Corp Optical analyzer for agricultural products
US4037970A (en) 1972-08-24 1977-07-26 Neotec Corporation Optical analyzer for agricultural products
US4040747A (en) 1972-08-24 1977-08-09 Neotec Corporation Optical analyzer for agricultural products
US4260262A (en) 1978-11-28 1981-04-07 Neotec Corporation Grain quality analyzer
US4713781A (en) * 1985-09-19 1987-12-15 Deere & Company Grain damage analyzer
JPS6311841A (ja) 1986-03-20 1988-01-19 Satake Eng Co Ltd 米の食味評価装置
US4734584A (en) 1986-09-16 1988-03-29 Trebor Industries, Inc. Quantitative near-infrared measurement instrument for multiple measurements in both reflectance and transmission modes
SE468334B (sv) 1991-04-23 1992-12-14 Peter Perten Saett och anordning foer infraroedanalys, speciellt avseende livsmedel
US5132538A (en) 1991-05-24 1992-07-21 Nirsystems Incorporated Measuring percentage of protein in whole grain samples
EP0604875B1 (en) * 1992-12-31 1999-04-21 Zellweger Uster, Inc. Continious two dimensional monitoring of thin webs of textile materials
GB9313975D0 (en) * 1993-07-06 1993-08-18 Sandoz Ltd Improvements in or relating to organic compounds
CN2174687Y (zh) * 1993-09-27 1994-08-17 南京理工大学 便携式农作物长势监测装置
US5475221A (en) 1994-05-11 1995-12-12 Brimrose Corporation Of America Optical spectrometer using light emitting diode array
DK171153B1 (da) 1995-02-10 1996-07-01 Slagteriernes Forskningsinst Fremgangsmåde og anlæg ved blanding af et uensartet, strømningsdygtigt fødevare-, foder- eller farmaceutisk materiale samt indretning til udtagelse afprøver
DK171927B1 (da) 1995-02-10 1997-08-11 Slagteriernes Forskningsinst Fremgangsmåde og apparat til bestemmelse af partikelstørrelsen af et fødevare- eller fodermateriale
US5668374A (en) 1996-05-07 1997-09-16 Core Laboratories N.V. Method for stabilizing near-infrared models and determining their applicability
US6100526A (en) 1996-12-30 2000-08-08 Dsquared Development, Inc. Grain quality monitor
US5991025A (en) 1997-02-27 1999-11-23 Pioneer Hi-Bred International, Inc. Near infrared spectrometer used in combination with an agricultural implement for real time grain and forage analysis
US5751421A (en) 1997-02-27 1998-05-12 Pioneer Hi-Bred International, Inc. Near infrared spectrometer used in combination with a combine for real time grain analysis
BR9808475A (pt) 1997-04-03 2000-05-23 Dekalb Genetics Corp Linhagens de milho resistentes à glifosato.
US6313328B1 (en) 1999-02-11 2001-11-06 Cargill, Incorporated Extraction of corn oil from flaked corn grain
JP2000245260A (ja) * 1999-03-02 2000-09-12 Satake Eng Co Ltd 穀類の品質推定方法及びその装置
WO2000071993A1 (en) 1999-05-24 2000-11-30 Iowa State University Research Foundation, Inc. Near infrared spectroscopy system and method for the identification of genetically modified grain
SE0001967D0 (sv) 2000-05-25 2000-05-25 Torbjoern Lestander Single seed sortation

Also Published As

Publication number Publication date
AR031284A1 (es) 2003-09-17
JP2004515778A (ja) 2004-05-27
WO2002048687A3 (en) 2002-07-25
CN1484761A (zh) 2004-03-24
BR0115054A (pt) 2003-09-30
ZA200303298B (en) 2004-07-29
BRPI0115054B1 (pt) 2018-05-15
WO2002048687A8 (en) 2003-09-18
HUP0302495A2 (hu) 2003-10-28
CA2426933A1 (en) 2002-06-20
WO2002048687A2 (en) 2002-06-20
ES2431955T3 (es) 2013-11-28
NO20031925L (no) 2003-06-26
US6646264B1 (en) 2003-11-11
RU2288461C2 (ru) 2006-11-27
HUP0302495A3 (en) 2006-02-28
CA2426933C (en) 2012-01-24
PL362509A1 (en) 2004-11-02
UA79083C2 (en) 2007-05-25
BG107842A (bg) 2004-01-30
EP1332354A2 (en) 2003-08-06
NO20031925D0 (no) 2003-04-29
MXPA03003819A (es) 2004-04-20
CN100392376C (zh) 2008-06-04
EP1332354B1 (en) 2013-08-21
AU2002243407A1 (en) 2002-06-24

Similar Documents

Publication Publication Date Title
RU2003116064A (ru) Способ и устройство для анализа сельскохозяйственных продуктов
US7830504B2 (en) Automated systems and assemblies for use in evaluating agricultural products and methods therefor
Ambrose et al. High speed measurement of corn seed viability using hyperspectral imaging
Mahajan et al. Image acquisition techniques for assessment of legume quality
Pierna et al. NIR hyperspectral imaging spectroscopy and chemometrics for the detection of undesirable substances in food and feed
US7202434B2 (en) Method of sorting objects comprising organic materials
US20090171591A1 (en) Methods for classification of somatic embryos comprising hyperspectral line imaging
AU2002319986A1 (en) A method of sorting objects comprising organic material
CN108548786B (zh) 一种使用多面转镜光谱检测花生黄曲霉毒素的装置与方法
US10712325B2 (en) Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype
Baeten et al. Hyperspectral imaging techniques: an attractive solution for the analysis of biological and agricultural materials
Singh et al. Optical sensors and online spectroscopy for automated quality and safety inspection of food products
Jayas et al. Classification of wheat kernels using near-infrared reflectance hyperspectral imaging
Brown Examination of wheat kernels for the presence of Fusarium damage and mycotoxins using near-infrared hyperspectral imaging
Singh Detection of insect and fungal damage and incidence of sprouting in stored wheat using near-infrared hyperspectral and digital color imaging
Renier et al. The NIR camera: a new perspective for meat and bone meal detection in feedingstuffs