RU2693334C1 - Способ определения качества очистки семян масличных культур для селекции - Google Patents

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)

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.

Images