SE470465B - Sätt och anordning för automatisk bedömning av spannmålskärnor och andra kornformiga produkter - Google Patents

Description

'iZi co .iïx (j\ 10 15 20 25 30 35 CT] 2 I den vetenskapliga litteraturen finns exempel på att försök har gjorts att bedöma spannmål med hjälp av datori- serad bildanalys. I en artikel av Sapirstein m fl i Cereal Science nr 6, 1987, sid 3 beskrivs t ex ett försök att med hjälp av olika konturparametrar skilja på vete-, råg-, korn- och havrekärnor. Genom analys av en statistiskt be- räknad kombination av längd/bredd, bredd, moment och om- kretslängd kunde ett bildanalysprogram identifiera kärnor med en träffsäkerhet på mer än 97%.

I en artikel av Zayas m fl i Cereal Chemistry 66(3), 1989, sid 233 beskrivs ett bildanalyssystem för bestämning av “icke-vetekomponenter" i prover av vete. Vetekärnornas form beskrivs med 10 geometriska parametrar och vidare an- vänds ett mått på färgen hos vetekärnorna uttryckt i grå- skala.

Ovannämnda system är emellertid inte kommersiellt användbara för de är experimentsystem och bygger på att kärnorna presenteras manuellt en och en för bildanalys- systemen.

I patentlitteraturen finns också exempel på system för automatisk bedömning av spannmàlskärnor och andra fö- remál.

I GB 2 012 948 visas en metod att bestämma storleks- fördelningen för prov av bl a spannmålskärnor. Enligt den- na metod bringas kärnorna att falla mellan en skärm, som belyses av ett stroboskop, och en videokamera, med vilken bilder tas av kärnorna. Videobilderna digitaliseras och kärnorna identifieras i bilderna. Utifrån storleken av varje bild av en kärna bestäms storleksfördelningen av kärnorna i provet. Med denna metod kan emellertid inte kärnorna klassificeras.

I WO 91/17525 beskrivs en metod för att automatiskt klassificera ett föremål i förutbestämda klasser. Enligt denna metod tar en videokamera tidsdomänbilder av föremål som ett i taget matas pà ett transportband förbi kameran.

Tidsdomänbilderna transformeras med Fourier-analys till frekvensdomänsignaler, som bildar insignaler till ett 10 15 20 25 30 35 __T s. s ä.

J .fås CW (H 3 neuronnät, som utför själva klassificeringen. Med denna metod kan inte tillräckligt många föremål analyseras per tidsenhet för att metoden skall vara kommersiellt använd- bar för spannmålsklassificering. Ändamålet med föreliggande uppfinning är att àstad- komma ett sätt och en anordning för automatisk bedömning av kornformiga produkter som hanteras i bulkform, i syn- nerhet spannmålskärnor, vilket sätt och anordning kan er- sätta den mänskliga inspektionen och bedömningen. För att ett sådant sätt och anordning skall vara kommersiellt an- vändbara måste ett prov kunna analyseras på ungefär samma tid som det idag tar att analysera det manuellt. Närmare bestämt innebär det att ett prov på ca 1500 spannmàlskär- nor skall kunna klassificeras på ca 5 min. Vidare måste noggrannheten vid klassificeringen vara hög. De olika be- ståndsdelarnas procentuella viktfördelning i ett veteprov skall t ex kunna bestämmas med en noggrannhet av ca 0,2% av hela provets vikt. Eftersom ett spannmålsprov kan inne- hålla stenar och andra främmande föremål är ett ytterliga- re krav att sådana föremål skall kunna identifieras vid bedömningen. Dessutom bör man med anordningen och sättet kunna bestämma provets storleksfördelning och färgfördel- ning. Ändamålet uppnås med ett sätt och en anordning som har de i patentkraven angivna kännetecknen.

Sättet och anordningen enligt uppfinningen har för- delen att ett prov av spannmàlskärnor kan analyseras lika snabbt som om analysen gjordes manuellt. Detta möjliggörs genom att ett flertal kärnor åt gången presenteras för en anordning som åstadkommer digitala bilder av kärnorna, varvid kärnorna vid presentationen är orienterade i en riktning. Genom att kärnorna presenteras på detta sätt kan de snabbt och säkert identifieras i de digitala bilderna.

Klassificeringen av kärnorna sker med hjälp av ett neuron- nät, vars insignaler är baserade på bildpunktsvärden för ett flertal bildpunkter som representerar kärnan. Det har visat sig att användning av bildpunktsvärden som bedöm- lå CD -F- Cïs 10 15 20 25 30 35 CT! 4 ningsgrund för klassificeringen ger en god noggrannhet.

Det skall påpekas att med bildpunktsvärde menas här ett värde som används för att representera bildpunkten; t ex intensiteten vid monokroma bilder; röd-, grön- och blå- intensitet vid RGB-representation i färgbilder; färgton, vithet och ljusstyrka vid HSI-representation i färgbilder etc.

För att öka snabbheten hos anordningen är det fördel- aktigt att bilda insignalerna till neuronnätet genom att summera bildpunktsvärden för ett flertal bildpunkter, så att informationsinnehållet i de bildpunkter som represen- terar en kärna komprimeras.

Vid användning av färgbilder har en komponentvis sum- mering för varje bildpunktskomponent i ett flertal bild- punkter visat sig ge god noggrannhet.

Det har vidare visat sig vara en fördel att övergå från RGB-representation till HSI-representation, eftersom den senare representationen ger högre träffsäkerhet vid klassificering av spannmálskärnor.

Genom empiriska försök har det visat sig att man kan bestämma ett samband mellan storleken av bilden av en kärna och kärnans vikt. Detta utnyttjas för bestämning av kärnornas vikt.

För att undvika att tvà eller flera kärnor som ligger kloss intill varandra felaktigt uppfattas som en enda kär- na bestäms utsträckningen hos varje sammanhängande område av bildpunkter som representerar en kärna vinkelrätt mot områdets längdaxel och undersöks om utsträckningen har ett (eller flera) minimum på något annat ställe än vid områ- dets ändar. Om så är fallet bedöms bilden innehålla två (eller flera) kärnor och delas vid minimumet (minimumen).

Denna enkla och snabba separering av kärnor möjliggörs av att kärnorna är orienterade i en riktning.

Utföringsformer av anordningen enligt uppfinningen anges i underkraven.

Föreliggande uppfinning skall nu beskrivas genom ett utföringsexempel under hänvisning till bifogade ritning, 10 15 20 25 30 35 5 på vilken den enda figuren visar ett utföringsexempel av en anordning enligt uppfinningen, varvid frammatningsan- ordningen visas i längdsektion och bildbehandlingsanord- ningen visas i blockschemaform.

Uppfinningen består såsom visas i figuren, i huvudsak av en frammatningsanordning 1, en videokamera 40 och en bildbehandlinganordning 2. Frammatningsanordningen 1 inne- fattar en första bandtransportör 3, som är anordnad i ett hölje 4 och har ett första hjul 5, som drivs av en ej vi- sad motor, ett andra hjul 6 och ett ändlöst band 7 som löper runt hjulen 5, 6. Bandet 7 har skåror 8, i vilka spannmålskärnorna portioneras ut. Alternativt kan bandet ha på annat sätt utformade fördjupningar.

I höljet 4 finns vidare ett magasin 9, som smalnar av i riktning mot bandet 7 och i vilket prov av spannmåls- kärnor fylls. Magasinet 9 innefattar två plattor 10, ll, som är lutande monterade i förhållande till varandra. Den ena plattans 10 nedre ände befinner sig på avstånd från bandet 7 och på denna ände är fäst ett avstrykningsorgan 12, som är anordnat att föra ned spannmàlskärnorna i skå- rorna 8.

En andra bandtransportör 15 är anordnad i längdled. och höjdled förskjuten i förhållande till den första band- transportören 3. Denna andra bandtransportör 15 innefattar ett första hjul 16, som drivs av en ej visad motor, ett andra hjul 17 och ett ändlöst band 18, som löper över det första och det andra hjulet 16, 17. Bandet 18 har skåror 14, i vilka kärnorna transporteras. Skårorna 14 i den andra transportören ligger tätare än de i den första transportören och deras bredd är anpassad efter kärnor i ett visst storleksintervall, så att kärnorna orienterar sig i skàrornas längdriktning. Färgen på bandet väljs så att den skall skapa en stark kontrast mot bakgrunden. För analys av spannmàlskärnor kan exempelvis lila med fördel användas. Mellan det första hjulet 16 och det andra hjulet 17 finns dessutom ett tredje hjul 19, vars funktion för- klaras nedan. Den andra bandtransportörens 15 första hjul -Fzs -J CD 10 15 20 25 30 35 CF] 6 16 är anordnat under den första bandtransportörens 3 andra hjul 6, så att spannmàlskärnor kan falla ner fràn den första transportören 3 på den andra transportören 15. Två plattor 20, 21 är anordnade mellan den första bandtrans- portören 3 och den andra bandtransportören 15. När kärnor- na faller från den första transportören studsar de först mot plattan 20 och därefter mot plattan 21, varvid en spridning av kärnorna åstadkommes. Vid sidorna av den andra bandtransportören finns vid dess första hjul 16 begränsningsstycken 22, som tillser att kornen från början befinner sig på visst avstånd från bandets 18 kanter. På begränsningsstyckenas 22 främre ände i bandets riktning finns en gardin 23 som är anordnad att föra ner kärnorna i skàrorna på det ändlösa bandet 18 och säkerställa att kär- norna ligger i ett skikt och inte överlappar varandra.

Mellan det första hjulet 16 och det tredje hjulet 19 och mellan bandets 18 övre och nedre part är en vibrerings- anordning 25 anordnad. Denna anordning innefattar en axel 26, på vilken en plàts 27 ena ände är fäst. Dess andra ände är anordnad mellan en vals 28, som drivs av en ej visad motor, och undersidan av bandet 18. På valsens 28 kortsida är tre brickor 29 monterade med spel med hjälp av skruvar. När motorn roterar valsen 28 kommer plåten 27 att slå mot bandet med bestämd frekvens och alstra en vibra- tion i bandet 18. Amplituden hos vibrationen bestäms av valsens 28 läge och brickornas spel. Företrädesvis skall amplituden vara densamma oberoende av bandets styvhet.

Vid det tredje hjulet 19 är en kuggdetekteringsenhet 31 anordnad. Denna är monterad på ena sidan av det tredje hjulets 19 periferi och innefattar en ljussändare i form av en lysdiod 32 och en ljusmottagare i form av en foto- cell 33. Kuggdetekteringsenheten 31 är ansluten (visas ej) till en dator 42. När det tredje hjulet 19 roterar avger kuggdetekteringsenheten 31 en pulsformad signal till datorn 42. Det tredje hjulet 19 tjänar vidare till att dämpa vibrationer i bandet 18 i området mellan det tredje hjulet 19 och det andra hjulet 17. ' -ffl 10 15 20 25 30 35 .I ..- -J ca .Eu c\ C31 7 Ovanför det ändlösa bandet 18 i dess område nära det andra hjulet 17 är en videokamera 40 anordnad på så sätt att bilder av bandet 18 i närheten av det andra hjulet 17 kan tas. För att förbättra belysningen av bandet är en ringformad lampa 41 anordnad mellan kameran och bandet.

Kameran 40 är ansluten till bildbehandlingsanordningen 2, vars uppbyggnad och funktion skall beskrivas närmre nedan.

I det följande skall funktionen hos frammatningsan- ordningen 1 beskrivas. Ett prov med spannmàlskärnor hälls ned på den första bandtransportören 3 genom magasinet 9.

Kärnorna lägger sig då i en hög pá bandet, men när detta rör sig kommer de på grund av att bandet lutar uppåt och genom avstrykningsorganets 12 försorg att spridas ut por- tionsvis i bandets skåror 8. När kärnorna kommer fram till det andra hjulet 6 ramlar de ned, studsar mot plattorna 20 och 21 och sprids pá det andra bandet 18, varvid de hind- ras från att lägga sig på kanterna på detta band av be- gränsningsstyckena 22. I och med att det andra bandet 18 vibrerar kommer kärnorna allt eftersom de transporteras framåt att förflytta sig i sidled i skàrorna ut mot ban- dets kanter. Kärnor som ligger pà ásarna mellan skàrorna kommer att trilla ner i skàrorna. När kärnorna när omrâdet under videokameran 40 kommer de därför att vara separerade i bandets längdriktning, vara orienterade i väsentligen samma riktning och ligga i väsentligen endast ett lager på bandet. Kärnorna kommer alltså att överlappa varandra i mycket liten utsträckning. Däremot kan kärnorna ligga in- till varandra i skàrorna i dessas längdriktning.

Varje gäng som datorn 42 har räknat till ett förut- bestämt antal kuggar erhålls en avbrottssignal, varvid datorn 42 stoppar samtliga drivmotorer. Det första och det andra bandet stannar då och vibrationen upphör. Efter en kort väntan ger datorn 42 en signal till videokameran 40 som tar en bild av kärnorna på bandet 18. Därefter startas motorerna på nytt och frammatningen av kärnor pàgár enligt ovan tills en avbrottssignal åter erhålls. Anledningen till att systemet väntar efter det att bandtransportören ca rs O\ Q-“I 10 15 20 25 30 35 8 har stoppats är att eventuella rörelser hos kärnorna skall dämpas ut så att de ligger stilla. Det tredje hjulet 19 bidrar såsom nämnts till att minska amplituden hos vibra- tionerna i området under kameran 40 så att väntetiden kan hållas kort. Det förutbestämda antalet kuggar efter vilket avbrottssignal ges är så valt att videokameran kommer att ta bilder av bandet, vilka bilder täcker bandet utan mel- lanrum, men utan överlappningar. Med andra ord kommer varje kärna som passerar videokameran att återfinnas i exakt en bild och varje bild innehålla ett flertal kärnor.

Alternativt kan bandet matas kontinuerligt och lampan 41 ersättas med ett stroboskop, som tillsammans med kame- ran 40 styrs så att bilder tas av bandet utan mellanrum och utan överlappningar.

Bildbehandlingsanordningen 2 innefattar i princip en dator 42, som är ansluten till videokameran 40, och en terminal 43, på vars bildskärm resultatet av analysen pre- senteras. I datorn 42 finns program för klassificering och annan bedömning av spannmålskärnorna utifrån de av video- kameran 40 àstadkomna bilderna. Dessa program innefattar en omvandling av videosignalerna från kameran 40 till lämpliga insignaler till ett neuronnätsprogram som utför själva klassificeringen.

När videokameran 40 har tagit en bild av bandet läses denna bild in till datorn och digitaliseras med hjälp av en känd s k frame grabber. Den erhållna digitaliserade bilden består exempelvis av 512 x 512 bildpunkter. Bild- punkterna representeras med RGB-representation, dvs med ett värde för intensiteten hos röd färg, ett värde för in- tensiteten hos grön färg och ett värde för intensiteten hos blå färg. Alternativt kan en gràskala användas.

I nästa steg lokaliserar programmet kärnorna i den digitaliserade bilden. Härvid används ett tröskelvärde för färgen i varje bildpunkt. För att förenkla behandlingen i detta steg kan man med fördel övergå från RGB-representa- tion till HSI-representation (Hue, Saturation and Inten- sity = färgton, vithet och ljusstyrka). När värdet för en 10 15 20 25 30 35 H» se CD fw Cm (fl 9 bildpunkt överstiger tröskelvärdet antas bildpunkten rep- resentera en kärna, medan när värdet understiger tröskel- värdet antas bildpunkten representera bakgrund. Programmet undersöker bilden punkt för punkt, rad för rad. När det pàträffar en bildpunkt som representerar en kärna under- söker det alla angränsande bildpunkter. För de bildpunkter av de angränsande bildpunkter som anses representera en kärna upprepas manövern och detta fortsätter tills alla med den första bildpunkten sammanhängande bildpunkterna har identifierats. Därefter bestäms längdaxeln för de sam- manhängande bildpunkterna såsom representerande en kärna.

Om riktningen för längdaxeln avviker med mer än ett förut- bestämt värde fràn bildens y-axel roteras det samman- hängande kärnområdet så att dess längdaxel blir parallell med bildens y-axel.

När bilden av kärnorna på bandet tas kan det hända att tvâ eller flera kärnor ligger kloss intill varandra i en skära på bandet eller t o m överlappar varandra i viss utsträckning. Det sammanhängande kärnområde som identi- fieras i bilden kan sålunda representera mer än en kärna.

För att kontrollera om så är fallet summeras för varje y-värde i det sammanhängande kärnområdet antalet bild- punkter i x-led som representerar en kärna. Programmet gör alltså ett histogram över antalet kärnbildpunkter i x-led.

Därefter bestäms en enveloppkurva för histogrammet och undersöks om det finns något minimum mellan enveloppkur- vans ändpunkter i y-led. Ett tillräckligt kraftigt minimum indikerar att det sammanhängande kärnbildpunktsområdet i själva verket motsvarar två kärnor. Om så är fallet lägger programmet ett snitt parallellt med x-axeln vid minimumet för enveloppkurvan. Därefter lagras vardera delen av det sammanhängande kärnbildpunktsområdet som en bild av en kärna. Om det finns flera minimum läggs ett snitt vid varje minimum. Om en separering av ett kärnbildpunktsom- ráde har utförts bestäms längdaxeln för respektive kärna och roteras kärnan om avvikelsen från bildens y-axel är större än det förutbestämda värdet. Anledningen till detta \a LTD 10 15 20 25 30 35 (,"\ CT! 10 är att när bestämningen av längdaxeln görs före separe- ringen kan det hända att bilden inte roteras eller roteras felaktigt p g a att delarna som motsvarar var sin kärna båda lutar i förhållande till bildens y-axel på så sätt att den gemensamma längdaxeln för kärnbildpunktsområdet överensstämmer med y-axeln. Efter separeringen lutar då vardera kärnan i förhållande till y-axeln, vilket är en nackdel vid klassificeringen.

För att undvika att bildbehandlingsanordningen upp- fattar stenar och annat skräp som kan komma med bland kär- norna som kärnor görs en bedömning av storleken hos det sammanhängande bildpunktsområdet. Om detta inte ligger inom ett visst intervall anses det representera ett främ- mande föremål och registreras som sådant.

I nästa steg omvandlas RGB-värdena för bildpunkterna till HSI-värden. Denna omvandling är inte nödvändig att göra, men det har visat sig att klassificeringen av spann- målskärnor blir mer korrekt om HSI-representation används i stället för RGB-representation.

I följande steg summeras H-värdena för sig, I-värdena för sig och S-värdena för sig längs rader och kolumner i bilden av en kärna. För varje y-koordinat summeras alltså först värdena av H-komponenten för alla x-koordinater.

Därefter görs motsvarande summering för I-värdet och S- -värdet. Därefter summeras för varje x-koordinat H-värdet för alla y-koordinaterna, varefter summeringen upprepas för S- och I-värdena. Programmet skapar alltså ett histo- gram i x-led och ett i y-led för varje bildpunktskompo- nent. Man erhåller då ett stort antal summor. Dessa summor normeras, varvid medelvärdet och standardavvikelsen för motsvarande summor för tidigare klassificerade kärnor an- vänds på så sätt att om den aktuella summans värde är lika med medelvärdet för tidigare klassificerade kärnor sätts dess normerade värde till noll och om den aktuella summans värde avviker mer än 12,5 standardavvikelser från medel- värdet sätts dess värde till il. Summor däremellan norme- ras i proportion till medelvärdet till värden mellan -1 och +1. 10 15 20 25 30 35 l 13 *x f? Qfi 11 De normerade summorna bildar insignaler till ett neuronnät. Ett neuronnät är ett program som består av ett antal innoder, i detta fallet en för varje summa, och ett antal utnoder, som i detta fallet representerar var och en av de möjliga klasser i vilka kärnorna kan klassificeras.

Mellan innoderna och utnoderna finns gömda noder. Genom att mata insignaler som representerar kända kärnor till neuronnätet och tala om för det vilken klass kärnan skall klassificeras i kan neuronnätet “tränas till" att klassi- ficera kärnor på rätt sätt. När neuronnätet har lärt sig att klassificera de olika intressanta kärnorna kan det an- vändas för att klassificera okända kärnor. De gömda noder- na utgöres av sigmoidfunktioner, vilket möjliggör anpass- ning av indata till en i stort sett godtycklig (linjär/ icke-linjär) funktion. I de fall klasserna är linjärt be- roende av innoderna "tränas" nätet till att göra en linjär diskriminant anpassning. Neuronnätsmetoden innehåller alltså linjär diskriminant anpassning som specialfall.

Varje utnod representeras av ett värde mellan och O och l. Summan av utnodernas värde är lika med 1. Vid klas- sificering bedöms en kärna tillhöra den klass vars motsva- rande utnod har högst värde. Det är emellertid också möj- ligt att favorisera ett visst sädesslag. För detta ändamål tas stickprov före klassificeringen, bestäms vilket sädes- slag som är det dominerande och anges detta till neuron- nätet. Om det största utnodsvärdet understiger ett förut- bestämt värde och den utnod som favoriseras har det näst största värdet klassificeras då inte kärnan i den klass vars utnod har störst värde utan i den klass vars utnod har näst störst värde.

Resultatet av klassificeringen presenteras pá termi- nalens 43 bildskärm, exempelvis i form av ett histogram med en stapel för vardera sädesslaget, en för flyghavre, en för brända kärnor och en för skadade kärnor.

Resultatet kan presenteras i vikt% av provets vikt.

Det har nämligen visat sig vara möjligt att bestämma kär- nans vikt med hjälp av storleken hos dess bild, eftersom ~q cs .Fa .

Ch U'l 10 15 20 25 30 35 12 det finns ett samband, som kan bestämmas empiriskt, mellan dessa parametrar. Vid bedömningen räknas alltså antalet bildpunkter som representerar kärnan ifråga. Från detta tal kan storleken och vikten hos varje kärna bestämmas och därigenom hela provets vikt- och storleksfördelning. C Provets färgfördelning kan också bestämmas utifrån insignalerna till neuronnätet.

I nedanstående tabell visas ett exempel på tio ana- lyser av ett 50 g spannmålsprov som analyserats med en anordning enligt uppfinningen. Provet bestod av: 5,00% rág; 5,00% havre; 5,00% korn; 5,00% brända vetekärnor; 0,00% flyghavre; 5,00% skadade vetekärnor och 75,00% vete. x är medelvärdet och s(x) är standardavvikelsen. Samtliga värden är vikt% av provets vikt.

Vete Ràg Havre Korn Brända Flygh. Skadade 74,42 4,97 4,70 5,02 5,72 0,00 5,17 74,37 5,11 4,61 5,33 5,32' o,oo 5,21 74,84 4,96 4,91 4,87 5,33 0,05 5,04 75,42 5,31 4,78 4,85 4,65 0,20 4,78 74,94 5,13 4,77 4,73 4,92 0,09 5,42 74,63 5,08 4,92 5,00 5,01 0,00 5,35 74,79 5,27 4,63 5,23 4,98 0,00 5,10 74,36 5,54 4,80 4,95 5,40 0,03 4,92 74,15 5,35 4,60 5,38" 5,58 0,00 4,93 74,93 5,69 4,50 4,86 4,85 0,02 5,15 x 74,68 5,24 4,72 5,03 5,18 0,04 5,11 s(x) 00,36 0,23 0,13 0,27 0,37 0,06 0,19 Värdena ovan förväntas kunna förbättras genom att sambandet för omvandling från storlek till vikt grundas på ett större antal kärnor.

Claims (10)

10 15 20 25 30 35 .fx »a c: .flm - o\ m 13 PATENTKRAV

1. Sätt att automatiskt bedöma spannmàlskärnor eller liknande kornformiga produkter som hanteras i bulkform, k ä n n e t e c k n a t av att kärnorna sprids ut och orienteras i en förutbestämd riktning; att digitala bilder av kärnorna skapas, varvid varje bild innehåller ett fler- tal kärnor, men varje kärna förekommer i endast en bild; att en uppsättning insignaler till ett neuronnät skapas för varje kärna med hjälp av bildpunktsvärden för ett flertal av de bildpunkter som representerar kärnan; och att neuronnätet bestämmer till vilken av ett flertal för- utbestämda klasser som varje kärna hör.

2. Sätt enligt krav 1, k ä n n e t e c k n a t av att skapandet av insignaler till neuronnätet innefattar summering av bildpunktsvärden för ett flertal av de bild- punkter som representerar kärnan.

3. Sätt enligt krav 2, k ä n n e t e c k n a t av att summeringen av bildpunktsvärdena görs komponentvis för varje bildpunktskomponent i ett flertal av bildpunkterna som representerar kärnan.

4. Sätt enligt nàgot av krav 1-3, t e c k n a t av att bildpunkterna i den digitala bilden representeras med komponenterna röd-intensitet, grön-in- tensitet och blå-intensitet (RGB-representation) och att dessa bildpunktskomponenter omvandlas till en färgtons- komponent, en ljushetskomponent och en ljusstyrkekomponent k ä n n e - (HSI-representation).

5. Sätt enligt något av föregående krav, t e c k n a t av att kärnorna i de digitala bilderna k ä n n e - identifieras genom att sammanhängande områden av bild- punkter med en intensitet eller färg som överstiger ett förutbestämt värde lokaliseras, att utsträckningen hos varje sådant sammanhängande område bestäms vinkelrätt mot områdets längdaxel och vid varje minimum i utsträckningen som har åtminstone en förutbestämd storlek och befinner Ås en (__)\ on 14 sig på avstånd från områdets ändar i längdriktningen delas området, varvid varje sålunda åstadkommen del behandlas såsom representerande en kärna.

6. Sätt enligt något av krav 1-5, k ä n n e - t e c k n a t av att vikten hos varje kärna bestäms ut- ifrån storleken av det område av bildpunkter som repre- senterar kärnan.

7. Anordning för automatisk bedömning av spannmåls- kärnor eller liknande kornformiga produkter som hanteras i bulkform, k ä n n e t e c k n a d av en anordning (40) för åstadkommande av digitala bilder av kärnorna på så sätt att varje kärna förekommer i en och endast en bild, en presentationsanordning (14-19, 25-28), som är anordnad att presentera ett flertal kärnor i taget väsentligen orienterade i en riktning i anordningens (40) synfält, och ett neuronnät för klassificering av kärnorna.

8. Anordning enligt krav 7, k ä n n e t e c k - n a d av att presentationsanordningen (14-19, 25-28) innefattar en bandtransportör (15), vars band har fördjup- ningar (14), vilkas form är anpassad efter kärnorna och vilka är orienterade i en gemensam riktning.

9. Anordning enligt krav 8, k ä n n e t e c k - n a d av att presentationsanordningen (14-19, 25-28) innefattar vibreringsorgan (25-28), som är anordnade att vibrera transportören (14) för orientering av kärnorna på transportören (14).

10. Anordning enligt krav 9, k ä n n e t e c k - n a d av att vibreringsorganen (25-28) innefattar en plåt (27), vars ena ände är anordnad mellan bandet (14) och ett vibrationselement, som innefattar en vals (28) och ett flertal brickor (29), som är monterade med spel på valsen, på så sätt att brickorna (29) slår mot plåten (27) när valsen (28) roteras.