RU2693334C1 - Способ определения качества очистки семян масличных культур для селекции - Google Patents
Способ определения качества очистки семян масличных культур для селекции Download PDFInfo
- Publication number
- RU2693334C1 RU2693334C1 RU2018124111A RU2018124111A RU2693334C1 RU 2693334 C1 RU2693334 C1 RU 2693334C1 RU 2018124111 A RU2018124111 A RU 2018124111A RU 2018124111 A RU2018124111 A RU 2018124111A RU 2693334 C1 RU2693334 C1 RU 2693334C1
- Authority
- RU
- Russia
- Prior art keywords
- seeds
- purity
- class
- quality
- oilseeds
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 24
- 235000020238 sunflower seed Nutrition 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 239000002699 waste material Substances 0.000 claims abstract description 10
- 239000003086 colorant Substances 0.000 claims abstract description 5
- 238000009395 breeding Methods 0.000 claims description 9
- 230000001488 breeding effect Effects 0.000 claims description 9
- 239000000725 suspension Substances 0.000 claims 1
- 238000000746 purification Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 239000000758 substrate Substances 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000004009 herbicide Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Изобретение относится к способу оценки качества очистки семян масличных культур для селекции. Техническим результатом является уменьшение затрат времени и трудозатрат на определение качества очистки семян масличных культур для селекции. Способ включает получение трех матриц компонентов по цветам с данными, характеризующими размеры объекта, путем сканирования цветного изображения с разрешением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм и компьютерной обработки с использованием программы Mathcad с функцией ReadRGB, определение общей площади всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях, при этом в качестве объекта используют навески вороха семян подсолнечника в количестве не менее трех, которые разравнивают в виде прямоугольника толщиной слоя не более 1 см, каждую навеску сканируют и полученные матрицы навесок суммируют и получают среднее значение площади, занятой отходами, обозначенной зеленым цветом, среднее значение площади, занятой семенами, обозначенной голубым цветом, и по соотношению площадей, занимаемых отходами и семечками, определяют качество очистки семян, которое при значениях 99% соответствует 1 классу, 98% - 2 классу чистоты и 97% - 3 классу чистоты семян, семена 2 и 3 классов чистоты отправляют на дополнительную обработку. 3 ил.
Description
Изобретение относится к способам оценки качества очистки семян масличных культур для селекции и направлено на повышение эффективности очистки семян подсолнечника на воздушно-решетных зерноочистительных машинах с использованием электронно-вычислительной машины.
Известны различные способы и методики определения качественных и количественных показателей процесса опрыскивания. Так, например, известен и применяется фотометрический способ анализа. При этом способе используется устройство из фотометрической насадки, лентопротяжного механизма, прибора для обработки осциллограмм и осциллографа с блоком питания, блока питания осветителя и лентопротяжного механизма. Однако определение масштаба показаний осциллографа очень сложно, т.к. связано с микроскопированием лент с изображением отложений рабочей жидкости на обрабатываемой поверхности. Кроме того, устройство для фотометрического способа анализа требует индивидуального изготовления, к тому же сам осциллограф допускает ошибку измерений (Гущин Е.Г. Фотометрический метод анализа качества опрыскивания растений. - В кн. Механизация технологических процессов защиты растений. МСХ СССР - ВАСХНИЛ, Ленинград, 1970).
Известен способ определения степени покрытия поверхности рабочей жидкостью по патенту 2290693, МПК G06K 9/52, 2004; Цыбулевский В.В. Параметры процесса обработки приствольной зоны плодовых деревьев гербицидами, диссертация на соискание ученой степени канд. техн. наук / Кубанский ГАУ. Краснодар, 2007; Цыбулевский В.В. Параметры процесса обработки приствольной зоны плодовых деревьев гербицидами, автореферат диссертации на соискание ученой степени канд. техн. наук / Кубанский ГАУ. Краснодар, 2007, включающий нанесение капель на подложку, их обработку, получение матрицы с данными, характеризующими размеры капель, и определение степени покрытия по соотношению площади, занятой каплями, к общей площади подложки. Предварительно получают четкое изображение следов капель на подложке, затем сканируют с разрешающей способностью не ниже 300 dpi на дюйм, получают исходные данные, которые подвергают компьютерной обработке и получают матрицу с данными, где изображение площади подложки и следов капель на ней выражают в пикселях.
Недостатком способа является низкая разрешающая способность.
Известен способ определения количества объектов на плоской поверхности по патенту 2420801, МПК G06K 9/52, 2009 (прототип), включающий плоскую поверхность вместе с объектами в цветном изображении с расширением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм подвергают компьютерной обработке, затем после получения трех матриц компонентов этой поверхности по цветам выбирают матрицу компонента одного цвета и один объект в виде матрицы выделяют в этом же цвете, после в этом объекте рассчитывают среднюю яркость выбранного цвета и площадь объекта в пикселях, затем определяют общую площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях в интервале от 0 до 255 (яркости данного цвета), после деления, которой на площадь одного объекта получают общее их количество.
Недостатком прототипа является то, что отсутствует возможность определения качества очистки семян масличных культур на воздушно-решетных зерноочистительных машинах.
Техническим результатом изобретения является расширение функциональных возможностей, уменьшение затрат времени, трудозатрат на определение качества очистки семян масличных культур для селекции.
Технический результат достигается тем, что в способе определения качества очистки семян масличных культур для селекции, включающий получение трех матриц компонентов по цветам с данными характеризующими размеры объекта путем сканирования цветного с изображения разрешением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм, последующей его компьютерной обработкой с использованием программы Mathcad с функцией ReadRGB, определяют общую площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях, согласно изобретению в качестве объекта используют навески вороха семян подсолнечника в количестве не менее трех, которые отбирают из общей массы очищаемого вороха семян масличных культур, разравнивают в виде прямоугольника толщиной слоя не более 1 см, каждую навеску сканируют и затем полученные матрицы навесок суммируют и получают среднее значение площади, занятой отходами обозначенной зеленным цветом, среднее значение площади, занятой семенами обозначенной голубым цветом, и по соотношению площадей занимаемой отходами и семечками определяют качество очистки семян, при значениях 99% соответствует 1 классу, 98% - классу чистоты и 97% - 3 классу чистоты семян, семена 2 и 3 классов чистоты отправляют на дополнительную обработку.
Сопоставительный анализ заявляемого технического решения с прототипом позволяет сделать вывод, что заявляемый способ определения качества очистки семян масличных культур для селекции отличается от известного способа тем, что для определения качества очистки семян подсолнечника в качестве объекта используют навески вороха семян подсолнечника в количестве не менее трех, которые отбирают из общей массы очищаемого вороха семян масличных культур.
Таким образом, заявляемое техническое решение соответствует критерию патентоспособности НОВИЗНА.
Заявляемое техническое решение соответствует критерию патентоспособности ПРОМЫШЛЕННАЯ ПРИМЕНИМОСТЬ, т.к. оно относится к способам оценки качества очистки семян масличных культур для селекции и направлено на повышение эффективности очистки семян подсолнечника на воздушно-решетных зерноочистительных машинах с использованием электронно-вычислительной машины.
Сущность изобретения поясняется чертежами, где на фиг. 1 представлено изображение вороха семян подсолнечника, на фиг. 2 - информация компонента зеленного цвета в виде цифровой матрицы, на фиг. 3 - информация компонента синего цвета в виде цифровой матрицы.
Способ определения качества очистки семян масличных культур для селекции для селекции, осуществляют следующим образом.
В качестве объекта используют навески вороха семян подсолнечника в количестве не менее трех, которые отбирают из общей массы очищаемого вороха семян масличных культур. Количество навесок обусловлено, тем что для снижения % погрешности при измерении по ГОСТу 12037-81 рекомендовано не менее трех. Далее ворох семян масличных культур разравнивают в виде прямоугольной плоской поверхности толщиной слоя не более 1 см и каждую навеску сканируют. Получают три матрицы компонентов по цветам с данными характеризующими размеры объекта (отходы и семена подсолнечника) путем сканирования цветного изображения с разрешением файла jpg (фиг. 1) и разрешающей способностью не ниже 600dpi на дюйм, последующей его компьютерной обработкой с использованием программы Mathcad с функцией ReadRGB. Определяют общую площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях. Затем полученные матрицы навесок суммируют и получают среднее значение площади, занятой отходами обозначенной зеленным цветом (фиг. 2), среднее значение площади, занятой семенами обозначенной синим цветом (фиг. 3), и по соотношению площадей занимаемой отходами и семечками определяют качество очистки семян, при значениях 99% соответствует 1 классу чистоты, 98% - 2 классу чистоты и 97% - 3 классу чистоты, семена 2 и 3 классов чистоты отправляют на дополнительную обработку.
Пример выполнения способа определения качества очистки вороха семян подсолнечника на воздушно-решетных зерноочистительных машинах, например, типа МВУ-1500.
Из общей массы вороха семян подсолнечника полученного с воздушно-решетной зерноочистительной машины типа МВУ-1500 были выделены навески вороха в количестве не менее трех по 100 г согласно ГОСТ 12037-81. Затем каждую навеску высыпают, разравнивают в виде прямоугольной плоской поверхности толщиной слоя не более 1 см на поверхности сканера марки Epsen Perfection V30 и осуществляют ее сканирование. Далее полученное цветное изображение с разрешением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм, осуществляли его компьютерную обработку с использованием программы Mathcad с функцией ReadRGB. Определяют общую площадь всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях. Затем полученные матрицы навесок суммируют и получают среднее значение площади, занятой отходами обозначенной зеленным цветом, среднее значение площади, занятой семенами обозначенной синим цветом и по соотношению площадей занимаемой отходами и семечками определяют качество очистки семян, при значениях 99% соответствует 1 классу чистоты, 98% - 2 классу чистоты и 97% - 3 классу чистоты. Семена 2 и 3 классов чистоты отправляют на дополнительную обработку.
После обработки всех трех цветов определяют среднее значение количества пикселей в цветовой гамме, разделив общее значение количества пикселей в цветовой гамме на среднее и умножив на 100, получим процент чистоты семян подсолнечника. Зная среднее значение яркости по цветам объекта, и сравнивая с ГОСТом 12037-81 по всем трем значениям яркости, определим класс чистоты семян подсолнечника.
Проведя обработку, были получены следующие значения качества очистки семян подсолнечника: первая навеска составила 98,82%, вторая навеска - 99,52%, третья навеска - 98,96%. Среднее значение чистоты составило 99,1%, что соответствует 1 классу чистоты.
Выполнение технологических операций по способу определения качества очистки семян масличных культур для селекции позволит расширить функциональные возможности, уменьшить затраты времени и трудозатраты.
Claims (1)
- Способ определения качества очистки семян масличных культур для селекции, включающий получение трех матриц компонентов по цветам с данными, характеризующими размеры объекта, путем сканирования цветного изображения с разрешением файла jpg и разрешающей способностью не ниже 600 dpi на дюйм, последующей его компьютерной обработкой с использованием программы Mathcad с функцией ReadRGB, определение общей площади всех объектов на плоской поверхности путем суммирования всех значений матрицы компонентов одного цвета в пикселях, отличающийся тем, что в качестве объекта используют навески вороха семян подсолнечника в количестве не менее трех, которые отбирают из общей массы очищаемого вороха семян масличных культур, разравнивают в виде прямоугольной плоской поверхности толщиной слоя не более 1 см, каждую навеску сканируют и затем полученные матрицы навесок суммируют и получают среднее значение площади, занятой отходами, обозначенной зеленым цветом, среднее значение площади, занятой семенами, обозначенной голубым цветом, и по соотношению площадей, занимаемых отходами и семечками, определяют качество очистки семян, которое при значениях 99% соответствует 1 классу чистоты, 98% - 2 классу чистоты и 97% - 3 классу чистоты, семена 2 и 3 классов чистоты отправляют на дополнительную обработку.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018124111A RU2693334C1 (ru) | 2018-07-02 | 2018-07-02 | Способ определения качества очистки семян масличных культур для селекции |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018124111A RU2693334C1 (ru) | 2018-07-02 | 2018-07-02 | Способ определения качества очистки семян масличных культур для селекции |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2693334C1 true RU2693334C1 (ru) | 2019-07-02 |
Family
ID=67251886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2018124111A RU2693334C1 (ru) | 2018-07-02 | 2018-07-02 | Способ определения качества очистки семян масличных культур для селекции |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2693334C1 (ru) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040141641A1 (en) * | 2003-01-21 | 2004-07-22 | Mcdonald Miller Baird | Seed image analyzer |
RU2290693C2 (ru) * | 2004-08-09 | 2006-12-27 | Кубанский государственный аграрный университет | Способ определения степени покрытия поверхности рабочей жидкостью |
US7496228B2 (en) * | 2003-06-13 | 2009-02-24 | Landwehr Val R | Method and system for detecting and classifying objects in images, such as insects and other arthropods |
RU2420801C2 (ru) * | 2009-03-31 | 2011-06-10 | Федеральное государственное образовательное учреждение высшего профессионального образования "Кубанский государственный аграрный университет" | Способ определения количества объектов на плоской поверхности |
EP1332354B1 (en) * | 2000-10-30 | 2013-08-21 | Monsanto Technology LLC | Method and device for analyzing agricultural products |
RU2554017C2 (ru) * | 2010-12-22 | 2015-06-20 | Титаниум Металс Корпорейшн | Способ и система для инспектирования и сортировки частиц и процесс ее квалификации зернистыми частицами |
US20160189007A1 (en) * | 2014-12-26 | 2016-06-30 | Deere And Company | Grain quality monitoring |
-
2018
- 2018-07-02 RU RU2018124111A patent/RU2693334C1/ru not_active IP Right Cessation
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1332354B1 (en) * | 2000-10-30 | 2013-08-21 | Monsanto Technology LLC | Method and device for analyzing agricultural products |
US20040141641A1 (en) * | 2003-01-21 | 2004-07-22 | Mcdonald Miller Baird | Seed image analyzer |
US7496228B2 (en) * | 2003-06-13 | 2009-02-24 | Landwehr Val R | Method and system for detecting and classifying objects in images, such as insects and other arthropods |
RU2290693C2 (ru) * | 2004-08-09 | 2006-12-27 | Кубанский государственный аграрный университет | Способ определения степени покрытия поверхности рабочей жидкостью |
RU2420801C2 (ru) * | 2009-03-31 | 2011-06-10 | Федеральное государственное образовательное учреждение высшего профессионального образования "Кубанский государственный аграрный университет" | Способ определения количества объектов на плоской поверхности |
RU2554017C2 (ru) * | 2010-12-22 | 2015-06-20 | Титаниум Металс Корпорейшн | Способ и система для инспектирования и сортировки частиц и процесс ее квалификации зернистыми частицами |
US20160189007A1 (en) * | 2014-12-26 | 2016-06-30 | Deere And Company | Grain quality monitoring |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Teramoto et al. | High-throughput three-dimensional visualization of root system architecture of rice using X-ray computed tomography | |
Van Dalen | Determination of the size distribution and percentage of broken kernels of rice using flatbed scanning and image analysis | |
Smith et al. | Scaling up high-throughput phenotyping for abiotic stress selection in the field | |
Mussadiq et al. | Evaluation and comparison of open source program solutions for automatic seed counting on digital images | |
Bailleres et al. | Improving returns from southern pine plantations through innovative resource characterisation | |
Cai et al. | Quantifying the onset and progression of plant senescence by color image analysis for high throughput applications | |
LeMasurier et al. | A digital image analysis method for assessment of lentil size traits | |
CN103745478A (zh) | 小麦发芽率机器视觉测定方法 | |
DE02807991T1 (de) | Verfahren, programm und gerät zur effizienten beseitigung von streufluss-effekten mittels bildverarbeitung auf basis einer gewählten ordinate | |
Kuchekar et al. | Rice grain quality grading using digital image processing techniques | |
RU2693334C1 (ru) | Способ определения качества очистки семян масличных культур для селекции | |
Thaiparnit et al. | A prediction algorithm for paddy leaf chlorophyll using colour model incorporate multiple linear regression | |
Dell'Aquila et al. | The application of image analysis in monitoring the imbibition process of white cabbage (Brassica oleracea L.) seeds | |
Beczek et al. | A new approach to kinetic energy calculation of two-phase soil splashed material | |
Vamerali et al. | An approach to minirhizotron root image analysis | |
RU2420801C2 (ru) | Способ определения количества объектов на плоской поверхности | |
Lev et al. | Imbibition of wheat seeds: Application of image analysis | |
Dell'Aquila | Red-Green-Blue (RGB) colour density as a non-destructive marker in sorting deteriorated lentil (Lens culinaris Medik.) seeds | |
Fraas et al. | Novel imaging-based phenotyping strategies for dissecting crosstalk in plant development | |
Itoh et al. | Aggregate size measurement by machine vision | |
Silva et al. | X-ray, multispectral and chlorophyll fluorescence images: innovative methods for evaluating the physiological potential of rice seeds | |
Chen et al. | Preliminary research on total nitrogen content prediction of sandalwood using the error-in-variable models based on digital image processing | |
JP6489912B2 (ja) | 建設材料の粒度分布解析方法及び品質管理方法 | |
RU2290693C2 (ru) | Способ определения степени покрытия поверхности рабочей жидкостью | |
Semwal et al. | Multi-dimensional measurement-based approaches for evaluating the root area ratio of plant species |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200703 |