TWI714088B - 具有轉盤之咖啡豆篩選系統 - Google Patents
具有轉盤之咖啡豆篩選系統 Download PDFInfo
- Publication number
- TWI714088B TWI714088B TW108117149A TW108117149A TWI714088B TW I714088 B TWI714088 B TW I714088B TW 108117149 A TW108117149 A TW 108117149A TW 108117149 A TW108117149 A TW 108117149A TW I714088 B TWI714088 B TW I714088B
- Authority
- TW
- Taiwan
- Prior art keywords
- turntable
- coffee beans
- coffee
- coffee bean
- screening system
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23F—COFFEE; TEA; THEIR SUBSTITUTES; MANUFACTURE, PREPARATION, OR INFUSION THEREOF
- A23F5/00—Coffee; Coffee substitutes; Preparations thereof
- A23F5/02—Treating green coffee; Preparations produced thereby
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
- A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
- B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
- A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
- A23N2015/008—Sorting of fruit and vegetables
-
- 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
- B07C2501/0081—Sorting of food items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Abstract
本發明係一種具有轉盤之咖啡豆篩選系統,其中,一轉盤能接收一入料機構傳來的咖啡豆,且其能以自身軸心旋轉,令複數顆咖啡豆彼此保持一間距,並形成串列態樣,至少一影像擷取裝置能擷取各該咖啡豆的一初始影像,又,一資訊處理裝置能執行機器學習訓練功能或深度學習訓練功能,且能辨識各該初始影像的內容,並在判斷出不符標準的咖啡豆後,令一剔除機構去除前述不符標準的咖啡豆。
Description
本發明係關於咖啡豆篩選系統,尤指一種具有轉盤的咖啡豆篩選系統。
查,諸多醫學期刊指出,咖啡中尚有多種對人體健康有益的成分,如咖啡因,其能激活中樞神經系統,且能抵抗困倦,降低傷風、感冒的機率,並減緩哮喘與水腫的發生;如抗氧化物質(antioxidants),其能延緩肝疾惡化、減少慢性肝臟病流行率及降低肝硬化併發症的死亡風險;如抗癡呆物質,其能減少有害物對身體的影響,並降低人體腦中導致失憶的類澱粉含量;如多酚化合物,其能延緩低密度脂蛋白氧化,並溶解血液凝塊及防止血栓;因此,隨著咖啡的好處被一一揭露,亦使得飲用咖啡的人口逐漸上升,造成咖啡文化的興起。
一般來說,為了保持咖啡烘焙後的風味與品質,目前咖啡豆的製作過程中,普遍具有「分級」與「篩選」等步驟,其中,「分級」是將咖啡豆按外觀大小分成不同等級,使各級咖啡豆有其一致性,以達到增加產品價值,且有助於後續烘焙時,保持咖啡豆品質的一致性;又,「篩選」則是要將其中的異物與瑕疵豆挑出,前述異物包含了石頭、木屑、土粒等非咖啡豆的外來物質,前述瑕疵豆則能根據SCAA美國精品咖啡協會所列舉
舉的黑豆(Black)、酸豆(Sour)、咖啡櫻桃豆筴(Dried Cherry/Pod)、發霉豆(Fungus Damage)、蟲蛀豆(Insect Damage)、破裂豆(Broken)、未熟豆(Immature)、萎縮豆(Withered)、貝殼狀(Shell)、漂浮豆(Floater)、羊皮紙(Parchment)、豆殼(Hull)、奎克豆(Quakers)等,畢竟,當所販售的咖啡豆包含瑕疵豆時,不但會影響咖啡風味,嚴重時更會對人體造成傷害,例如發霉豆所產生的黃麴毒素。
目前咖啡豆的篩選方式,除了以人工挑選之外,尚會採用機器作為輔助,舉例來說,有業者會選擇使用比重選豆機,並利用風力或震動的方式,使咖啡豆能依照其顆粒大小與重量進行分類,然而,比重選豆機的篩選方式僅能夠進行初步分類,無法有效篩選出顏色上的瑕疵,例如:局部發霉、黑豆...等。為能解決前述問題,有業者會選擇使用色選機,以能依照咖啡豆的顏色來篩選異物與瑕疵豆,如習知色選機(如台灣第375537號專利案)即是在咖啡豆掉落的過程中,擷取咖啡豆的影像,以進行辨識並同時剔除其中異物與瑕疵豆,但是,由於每顆咖啡豆的重量不同,造成其掉落時間點有差異,難以準確抓住剔除時機,且掉落過程中,時常發生複數顆咖啡豆彼此間相互遮蔽,造成錯誤判斷之情事,導致篩選結果不佳。
除了前述在掉落過程中進行篩選的色選機之外,如台灣第M570428號專利案尚提出了另一種色選機,其會在震動盤上設有透明的螺旋斜面,並藉由震動盤的震動效果,令咖啡豆能夠被推擠至螺旋斜面上,以被擷取影像並進行篩選。前述色選機雖解決了在掉落過程中進行篩選所會衍生的問題,但是,發明人發現,在實施使用上,前述色選機仍有諸多缺失,首先,震動盤普遍為金屬材質製成,因此,要在其上額外以其它透明
材質一併製作,在工藝上極為複雜,且難以商品化;其次,震動盤在震動輸送的過程中,是藉由其震動推送來運送咖啡豆,因此,實際上仍容易發生咖啡豆堆疊的情況,尤其是,當螺旋斜面較為窄小時更容易產生前述情事,影響擷取影像品質。
承上,前述色選機僅是依靠顏色來達到辨識瑕疵豆的效果,但難以篩選出與正常豆顏色相近的瑕疵豆,例如,破裂豆、萎縮豆...等,因此,當瑕疵豆數量龐大時,便會造成其判斷精準度不佳;再者,由於螺旋斜面的區域較小,導致攝像裝置、剔除裝置...等均需受限於前述狹小區域,造成安裝與設置上的不便;最後,由於震動盤在持續震動的過程中,咖啡豆亦會隨著震動,因此,攝像裝置所擷取的影像往往不夠清晰,影響了後續判斷瑕疵豆的結果。綜上所述可知,目前用以篩選咖啡豆的裝置均不盡完善,因此,如何有效改善前述問題,即為本發明在此探討的一大課題。
有鑑於習知用以篩選咖啡豆的各種裝置,於實際使用上仍有諸多缺失,因此,發明人憑藉著多年來專業從事設計、加工及製造之豐富實務經驗,且秉持著精益求精的研究精神,在經過長久的努力研究與實驗後,終於研發出本發明之一種具有轉盤之咖啡豆篩選系統,期藉由本發明之問世,有效解決前述問題,令使用者擁有更佳的使用經驗。
本發明之一目的,係提供一種具有轉盤之咖啡豆篩選系統,以藉由該轉盤的獨立作業,能使其上的咖啡豆保持或趨近於靜止狀態,以利於擷取影像作業,同時,透過人工智慧技術來篩選出不符標準的咖啡豆,
該咖啡豆篩選系統包括一入料機構、一轉盤、至少一影像擷取裝置、一資訊處理裝置及至少一剔除機構,其中,該轉盤能接收該入料機構傳來的咖啡豆,且其能以自身軸心旋轉,以使複數顆咖啡豆彼此保持一間距,並形成串列態樣;該影像擷取裝置能擷取咖啡豆的一初始影像,又,該資訊處理裝置內至少設有一影像資料庫與一處理單元,該影像資料庫內儲存有複數個咖啡豆模型與參數,該處理單元內建有至少一學習演算模組,該學習演算模組能執行機器學習訓練功能或深度學習訓練功能,以能辨識出不符標準的咖啡豆,該處理單元能比對各該初始影像與各該咖啡豆模型與參數,並在判斷出不符標準的咖啡豆後,產生一排除訊號,以使該剔除機構能根據排除訊號,去除不符標準的咖啡豆。
為便 貴審查委員能對本發明目的、技術特徵及其功效,做更進一步之認識與瞭解,茲舉實施例配合圖式,詳細說明如下:
〔習知〕
無
〔本發明〕
1‧‧‧咖啡豆篩選系統
11‧‧‧入料機構
12‧‧‧轉盤
13‧‧‧下方影像擷取裝置
14‧‧‧資訊處理裝置
141‧‧‧影像資料庫
143‧‧‧處理單元
1431‧‧‧學習演算模組
15‧‧‧剔除機構
16‧‧‧上方影像擷取裝置
17‧‧‧導正裝置
18‧‧‧出料機構
C‧‧‧咖啡豆
第1圖係本發明之咖啡豆篩選系統;第2圖係本發明之處理單元執行訓練階段的流程圖;及第3題係本發明之處理單元執行運行預測階段的流程圖。
近年來,隨著人工智慧機器學習領域的發展突飛猛進,透過機器學習(machine learning)與深度學習(Deep Learning)的模型訓練過程中,能夠將各種影像特徵,如:顏色、形狀、斑點...等特徵都同時納入判斷,故能有效提升影像處理的精準度,因此,發明人特別將前述人工智慧技術
結合至本發明內,畢竟,直到目前為止,尚未有實際產品結合了前述人工智慧技術以應用於咖啡豆篩選的領域中,合先陳明。
本發明係一種具有轉盤之咖啡豆篩選系統,在一實施例中,請參閱第1圖所示,該咖啡豆篩選系統1至少由一入料機構11、一轉盤12、至少一影像擷取裝置(如:下方影像擷取裝置13或上方影像擷取裝置16)、一資訊處理裝置14及至少一剔除機構15,其中,該入料機構11能夠將複數顆咖啡豆C輸送至該轉盤12上,在此特別一提者,該入料機構11能夠為履帶、震動盤或其它輸送機構,只要其能夠將咖啡豆C輸送至轉盤12上,即為本發明所稱之入料機構11。
復請參閱第1圖所示,該轉盤12能以自身軸心進行旋轉,當複數顆咖啡豆C由該入料機構11被傳輸至該轉盤12時,往往有先後順序,而轉盤12是持續地轉動,因此,能使相鄰的咖啡豆C彼此保持一間距,又,由於該轉盤12僅是平穩地轉動,其並不會受到入料機構11的傳動影響,故,當咖啡豆C脫離入料機構11而被輸送至轉盤12上時,便會停留於轉盤12,在此情況之下,不會發生咖啡豆C相互堆疊之情事,令該轉盤12上的咖啡豆C能彼此分離並形成串列態樣,同時,令每一顆咖啡豆C都能保持靜止或接近於靜止狀態。在該實施例中,以該轉盤12呈透明狀(如:玻璃材質)為佳,以利後續提及的取像作業,但不以此為限,業者能根據實際需求,調整該轉盤12的材質。
復請參閱第1圖所示,該影像擷取裝置能擷取咖啡豆C的一初始影像,且當該影像擷取裝置位於該轉盤12的底面下方位置時,該影像擷取裝置能作為下方影像擷取裝置13,又,由於該轉盤12為透明材質,因
此,該下方影像擷取裝置13能經由該轉盤12而擷取到咖啡豆C的初始影像(後稱底面初始影像),且因轉盤12上的咖啡豆C處於靜止狀態,故該底面初始影像能較清晰,有助於提高後續辨識效果。再者,該資訊處理裝置14能接收下方影像擷取裝置13傳來的底面初始影像,在該實施例中,該資訊處理裝置14內至少設有一影像資料庫141與一處理單元143,其中,該影像資料庫141內儲存有複數個咖啡豆模型與參數,前述咖啡豆模型與參數能夠為瑕疵豆的特徵,或是不同處理方法(如:日曬處理、水洗處理、密處理...等)的咖啡豆特徵,或是不同豆種(如:耶加雪菲(Yirgacheff)、藝妓(Geisha)、夏威夷可娜(Hawaii Kona)...等),或是不同等級之咖啡豆的特徵,意即,本發明之咖啡豆篩選系統1除了能夠篩選出異物與瑕疵豆之外,甚至能夠對咖啡豆進行分類或分級。
復請參閱第1圖所示,該處理單元143內建有至少一學習演算模組1431,該學習演算模組能執行機器學習(machine learning)訓練功能或深度學習(Deep Learning)訓練功能,以能辨識出不符標準的咖啡豆,在該實施例中,請參閱第2圖所示,首先,該處理單元143能執行訓練階段,其會先建立至少一人工智慧學習模型(如:監督與半監督式學習(Supervised and semi-supervised learning)演算法、強化學習(Reinforcement learning)演算法、卷積類神經網路(Convolutional Neural Network)演算法、隨機森林(Random forest)演算法...等),並在該學習演算模組1431中輸入巨量資料,前述巨量資料能夠為咖啡豆影像資料與咖啡豆影像辨識參數,其中,咖啡豆影像資料能夠為整張圖片,或是圖片經由影像處理方法所產生的影像資訊(如:色彩直方圖、輪廓、斑點、大小...等)。
承上,復請參閱第1及2圖所示,該處理單元143會由學習演算模組測試影像辨識的正確率,以判斷影像辨識正確率是否足夠,當判斷結果為是,則將訓練完成的相關資訊(咖啡豆模型與參數)輸出並儲存至影像資料庫141中;當判斷結果為否,則使學習演算模組藉由調整影像辨識參數或其他方式而實現自我修正學習;如此,藉由重複上述步驟以完成訓練。又,請參閱第3圖所示,該處理單元143會執行運行預測階段,其能基於前述的學習演算模組輸入初始影像(在此為底面初始影像)與咖啡豆模型與參數,並比對底面初始影像與咖啡豆模型與參數,以進行預測性影像辨識,進而得到至少一個咖啡豆的識別資訊,以能判斷出不符標準的咖啡豆C,之後,該處理單元143會針對不符標準的咖啡豆C產生一排除訊號。在此聲明者,前述不符標準的咖啡豆C之意思,除了包含異物與瑕疵豆之外,若本發明之咖啡豆篩選系統1應用於分級上,亦能夠包含未達等級標準的咖啡豆,合先敘明。
復請參閱第1圖所示,該剔除機構15能接收該資訊處理裝置14傳來的排除訊號,並去除不符標準的咖啡豆C,在該實施例中,該剔除機構15位於轉盤12上,且為噴嘴,其能吹出空氣,以將不符標準的咖啡豆C吹離該轉盤12,但不以此為限,在本發明之其它實施例中,該剔除機構15能為負壓吸引裝置,且能位於該轉盤12之頂面上方的區域,並能將不符標準的咖啡豆C吸出該轉盤12;或者,該剔除機構15能為推離裝置(如:推桿),以能將不符標準的咖啡豆C推出該轉盤12;只要該剔除機構15能根據排除訊號,排除不符標準的咖啡豆C即可。
另外,由於該底面初始影像僅為咖啡豆C的底面,因此,當
瑕疵處位於咖啡豆的頂面時,則會無法被識別出來,故,為了能提高辨識咖啡豆的準確率,在該實施例中,復請參閱第1圖所示,該咖啡豆篩選系統1還能在該轉盤12的頂面上方位置設有影像擷取裝置,以作為一上方影像擷取裝置16,且該上方影像擷取裝置16亦能擷取咖啡豆C的初始影像(後稱頂面初始影像),其中,該上方影像擷取裝置16能夠對應於下方影像擷取裝置13的位置(如第1圖所示),但不以此為限,業者亦可根據實際需求,調整上方影像擷取裝置16的位置,使其不對應於下方影像擷取裝置13。又,該上方影像擷取裝置16會將該頂面初始影像傳送至資訊處理裝置14,使得該處理單元143能比對頂面初始影像與咖啡豆模型與參數,並在判斷出不符標準的咖啡豆C後,會產生對應的排除訊號,令剔除機構15能去除前述不符標準的咖啡豆C。
再者,發明人發現,當咖啡豆C由入料機構11輸送至轉盤12後,因其所具有的橢圓形外觀,往往會在轉盤12上滾動,因此,為了能使咖啡豆C盡量處於預定位置,方便下方影像擷取裝置13與上方影像擷取裝置16取得影像,復請參閱第1圖所示,該咖啡豆篩選系統1尚包括一導正裝置17,該導正裝置17會位在轉盤12上,並能將該入料機構11所輸送之咖啡豆C進行導正排列,令複數顆咖啡豆C能彼此分離並形成串列態樣,在該實施例中,該導正裝置17係為至少一擋板,其中,該擋板能呈一角度擺設,當咖啡豆C滾落至轉盤12並碰撞到該擋板後,其會受到擋板的阻擋而改變滾動方向,此時,加上該轉盤12的轉動,能夠使相鄰的咖啡豆C彼此分離並形成串列態樣,惟,在本發明之其它實施例中,該導正裝置17亦能為至少一滾輪,滾輪同樣會呈一角度擺設,當咖啡豆C接觸到滾輪後,其能受到滾輪之推動
及轉盤12的轉動,而同樣彼此分離並形成串列態樣。
復請參閱第1圖所示,該咖啡豆篩選系統1還包括一出料機構18,其能接收來自該轉盤12傳來之符合標準的咖啡豆C,在該實施例中,該出料機構18係繪製成軌道搭配檔板的態樣,以使符合標準的咖啡豆C能受到檔板的阻擋而依序地進入軌道中,但不以此為限,只要該出料機構18能夠使轉盤12上的咖啡豆(符合標準),被輸送至業者預期的區域,即屬於本發明所稱之出料機構18。
綜上所述可知,由於本發明之咖啡豆篩選系統1是採用轉盤12,且該轉盤12與入料機構11兩者是互不干擾的獨立裝置,因此,當咖啡豆C被輸送至轉盤12後,即能在轉盤12上保持於靜止或接近於靜止狀態,以方便下方影像擷取裝置13、上方影像擷取裝置16能清楚地取得咖啡豆的影像;又,該咖啡豆篩選系統1尚會以機器學習(machine learning)或深度學習(Deep Learning)來訓練資訊處理裝置14,以能辨識出咖啡豆的相關特徵,其中,機器學習最基礎的用法,是使用大量的數據和演算法來分析數據,以「訓練」機器從中學習,而深度學習則更進一步地透過大量多層數的類神經網路,使機器可由類神經網路自己學習找出重要的特徵資訊,但無論是機器學習或深度學習,在後續辨識咖啡豆C的成果上,均有效輔助人工辨識上的不足與效率,故能取得使用者的青睞;再者,本發明之轉盤12的空間區域會較習知技術的螺旋斜面更為寬廣,因此,業者能夠便於在前述空間區域中設置所需數量的下方或上方影像擷取裝置13、16及剔除機構15,且當前述裝置或機構故障或需檢修時,工作人員亦較有足夠空間作業。
按,以上所述,僅係本發明之較佳實施例,惟,本發明所主
張之權利範圍,並不侷限於此,按凡熟悉該項技藝人士,依據本發明所揭露之技術內容,可輕易思及之等效變化,均應屬不脫離本發明之保護範疇。
1:咖啡豆篩選系統
11:入料機構
12:轉盤
13:下方影像擷取裝置
14:資訊處理裝置
141:影像資料庫
143:處理單元
15:剔除機構
16:上方影像擷取裝置
17:導正裝置
18:出料機構
C:咖啡豆
Claims (12)
- 一種具有轉盤之咖啡豆篩選系統,包括:一入料機構,係能將其上的咖啡豆輸送出去;一轉盤,係呈水平狀旋轉,其頂面能接收該入料機構傳來的咖啡豆,其中,該轉盤能以自身軸心旋轉,以使該入料機構傳來的咖啡豆彼此保持一間距,令其上的咖啡豆彼此分離並形成串列態樣;至少一影像擷取裝置,係能擷取咖啡豆的一初始影像;一資訊處理裝置,係能接收各該影像擷取裝置傳來之各該初始影像,其內至少設有一影像資料庫與一處理單元,其中,該影像資料庫內儲存有複數個咖啡豆模型與參數,該處理單元內建有至少一學習演算模組,該學習演算模組能執行機器學習訓練功能或深度學習訓練功能,以能辨識出不符標準的咖啡豆,該處理單元能比對各該初始影像與各該咖啡豆模型與參數,並在判斷出不符標準的咖啡豆後,產生一排除訊號;及至少一剔除機構,係能接收該資訊處理裝置傳來的排除訊號,以去除不符標準的咖啡豆。
- 如請求項1所述之咖啡豆篩選系統,其中,該轉盤係呈透明狀。
- 如請求項2所述之咖啡豆篩選系統,其中,該影像擷取裝置係位於該轉盤的底面下方位置,以作為一下方影像擷取裝置,且該下方影像擷取裝置能透過該轉盤擷取咖啡豆的該初始影像,前述初始影像係為一底面初始影像。
- 如請求項1至3任一項所述之咖啡豆篩選系統,其中,該影像擷取裝置係位於該轉盤的頂面上方位置,以作為一上方影像擷取裝置,且該上方影像擷取裝置能擷取咖啡豆的該初始影像,前述初始影像係為一頂面初始影像。
- 如請求項4所述之咖啡豆篩選系統,尚包括一導正裝置,該導正裝置係位於該轉盤上,並能將該入料機構所輸送之咖啡豆進行導正排列,令複數顆咖啡豆能彼此分離並形成串列態樣。
- 如請求項5所述之咖啡豆篩選系統,其中,該導正裝置係為至少一擋板,該擋板會呈一角度擺設,令咖啡豆受到該擋板之阻擋及該轉盤的轉動,而彼此分離並形成串列態樣。
- 如請求項5所述之咖啡豆篩選系統,其中,該導正裝置係為至少一滾輪,該滾輪會呈一角度擺設,令咖啡豆受到該滾輪之推動及該轉盤的轉動,而彼此分離並形成串列態樣。
- 如請求項5所述之咖啡豆篩選系統,其中,該剔除機構係位於該轉盤上。
- 如請求項8所述之咖啡豆篩選系統,尚包括一出料機構,其能接收來自該轉盤傳來之符合標準的咖啡豆。
- 如請求項9所述之咖啡豆篩選系統,其中,該剔除機構係為噴嘴,且能吹出空氣,以將不符標準的咖啡豆吹離該轉盤。
- 如請求項9所述之咖啡豆篩選系統,其中,該剔除機構係為負壓吸引裝置,且能將不符標準的咖啡豆吸出該轉盤。
- 如請求項9所述之咖啡豆篩選系統,其中,該剔除機構係為推離裝置,且能將不符標準的咖啡豆推出該轉盤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108117149A TWI714088B (zh) | 2019-05-17 | 2019-05-17 | 具有轉盤之咖啡豆篩選系統 |
CN202010403650.6A CN111940305A (zh) | 2019-05-17 | 2020-05-13 | 具有转盘的咖啡豆筛选系统 |
US16/874,668 US20200360969A1 (en) | 2019-05-17 | 2020-05-14 | Coffee bean sorting system having rotary disk |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108117149A TWI714088B (zh) | 2019-05-17 | 2019-05-17 | 具有轉盤之咖啡豆篩選系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202042923A TW202042923A (zh) | 2020-12-01 |
TWI714088B true TWI714088B (zh) | 2020-12-21 |
Family
ID=73228585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108117149A TWI714088B (zh) | 2019-05-17 | 2019-05-17 | 具有轉盤之咖啡豆篩選系統 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200360969A1 (zh) |
CN (1) | CN111940305A (zh) |
TW (1) | TWI714088B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113276099B (zh) * | 2021-06-07 | 2022-04-26 | 中国农业大学 | 一种全自动肉条分拣机器人系统 |
KR102452080B1 (ko) * | 2021-11-30 | 2022-10-07 | 주식회사 아이디알시스템 | 인공지능을 이용한 미곡 등급판정 및 품질관리시스템 및 그 방법 |
CN114260184B (zh) * | 2021-12-20 | 2022-11-22 | 山东中烟工业有限责任公司 | 一种烟用风选剔除物检测分拣系统 |
CN114264250B (zh) * | 2021-12-25 | 2023-03-10 | 瑞安市朝阳标准件有限公司 | 一种螺栓的螺纹检测设备 |
TWI796111B (zh) * | 2022-01-21 | 2023-03-11 | 沈岱範 | 咖啡瑕疵豆篩選機及其篩選方法 |
CN117274986B (zh) * | 2023-09-22 | 2024-04-05 | 陕西省食品药品检验研究院 | 一种药食同源中药材霉变识别方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101356832B1 (ko) * | 2012-12-20 | 2014-01-28 | 김영락 | 곡물 색채 선별장치 |
JP6312052B2 (ja) * | 2016-08-09 | 2018-04-18 | カシオ計算機株式会社 | 選別機、及び選別方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1205622B (it) * | 1982-12-21 | 1989-03-23 | Illycaffe Spa | Procedimento per effettuare una selezione in un materiale granuliforme e macchina per attuare il procedimento |
GB2151018B (en) * | 1983-12-06 | 1987-07-22 | Gunsons Sortex Ltd | Sorting machine and method |
CN101837351B (zh) * | 2010-06-02 | 2012-09-19 | 天津大学 | 基于图像检测法的油封弹簧全自动分选系统及方法 |
CN102590224A (zh) * | 2012-01-18 | 2012-07-18 | 肇庆市宏华电子科技有限公司 | 一种片式电子元件外观检测机 |
CN204656967U (zh) * | 2015-02-13 | 2015-09-23 | 焯越朗智能设备有限公司 | 一种钮扣检测装置 |
CN106269521A (zh) * | 2015-05-13 | 2017-01-04 | 台大精巧股份有限公司 | 咖啡生豆的筛选方法 |
AU2017254698B2 (en) * | 2016-04-20 | 2020-04-09 | Sorry Robots Llc | Grinders, analyzers, and related technologies |
CN108021910A (zh) * | 2018-01-04 | 2018-05-11 | 青岛农业大学 | 基于图谱识别和深度学习的果实分类的分析方法 |
CN109675819B (zh) * | 2019-01-29 | 2023-06-23 | 南京林业大学 | 基于深度相机的黑果枸杞分选装置及识别与分类算法 |
-
2019
- 2019-05-17 TW TW108117149A patent/TWI714088B/zh active
-
2020
- 2020-05-13 CN CN202010403650.6A patent/CN111940305A/zh active Pending
- 2020-05-14 US US16/874,668 patent/US20200360969A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101356832B1 (ko) * | 2012-12-20 | 2014-01-28 | 김영락 | 곡물 색채 선별장치 |
JP6312052B2 (ja) * | 2016-08-09 | 2018-04-18 | カシオ計算機株式会社 | 選別機、及び選別方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111940305A (zh) | 2020-11-17 |
TW202042923A (zh) | 2020-12-01 |
US20200360969A1 (en) | 2020-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI714088B (zh) | 具有轉盤之咖啡豆篩選系統 | |
Blasco et al. | Development of a machine for the automatic sorting of pomegranate (Punica granatum) arils based on computer vision | |
Pinto et al. | Classification of Green coffee bean images basec on defect types using convolutional neural network (CNN) | |
Zareiforoush et al. | Potential applications of computer vision in quality inspection of rice: a review | |
Hu et al. | The potential of double K‐means clustering for banana image segmentation | |
CN107330876A (zh) | 一种基于卷积神经网络的图像自动诊断方法 | |
CN108613989A (zh) | 一种稻谷不完善粒的检测方法 | |
CN107392931A (zh) | 条烟品牌分类装置及方法 | |
Pizzaia et al. | Arabica coffee samples classification using a Multilayer Perceptron neural network | |
Vakilian et al. | An apple grading system according to European fruit quality standards using Gabor filter and artificial neural networks | |
Yro et al. | Cocoa beans fermentation degree assessment for quality control using machine vision and multiclass svm classifier | |
CN102495067B (zh) | 一种食用菌杂质在线识别系统 | |
TWM583944U (zh) | 具有轉盤之咖啡豆篩選系統 | |
TW202116427A (zh) | 人工智慧深度學習自動化咖啡豆選豆分級系統 | |
Mohamed et al. | Development of a real-time machine vision prototype to detect external defects in some agricultural products | |
US11077468B2 (en) | Device and method for classifying seeds | |
Hakami et al. | Automatic inspection of the external quality of the date fruit | |
Peterson et al. | Identifying apple surface defects using principal components analysis and artificial neural networks | |
CN115876804A (zh) | 一种口罩缺陷视觉检测方法及系统 | |
CN106311628A (zh) | 一种红枣分级装置 | |
CN204523582U (zh) | 编码式粮食籽粒分离装置 | |
CN114088624B (zh) | 用于谷物颗粒表面规则度检测设备 | |
Kesiman et al. | Semi-automatic Ground Truth Image Construction for Coffee Bean Defects Classification Based on SNI 01-2907-2008 | |
CN113269251A (zh) | 基于机器视觉和深度学习融合的水果瑕疵分类方法、装置、存储介质及计算机设备 | |
CN107319583A (zh) | 茶籽剥壳分选机 |