UA119548C2 - Спосіб класифікації посівного матеріалу - Google Patents

Спосіб класифікації посівного матеріалу Download PDF

Info

Publication number
UA119548C2
UA119548C2 UAA201606773A UAA201606773A UA119548C2 UA 119548 C2 UA119548 C2 UA 119548C2 UA A201606773 A UAA201606773 A UA A201606773A UA A201606773 A UAA201606773 A UA A201606773A UA 119548 C2 UA119548 C2 UA 119548C2
Authority
UA
Ukraine
Prior art keywords
seed
seeds
shriveled
shi
terahertz
Prior art date
Application number
UAA201606773A
Other languages
English (en)
Inventor
Елке Хілшер
Елкэ Хилшэр
Франк ФРИДХОФФ
Крістіан Хіршманн
Кристиан Хиршманн
Original Assignee
Квс Саат Се
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 Квс Саат Се filed Critical Квс Саат Се
Publication of UA119548C2 publication Critical patent/UA119548C2/uk

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
    • G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
    • G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
    • 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
    • B07C5/3412—Sorting according to other particular properties according to a code applied to the object which indicates a property of the object, e.g. quality class, contents or incorrect indication
    • 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
    • B07C5/3416—Sorting according to other particular properties according to radiation transmissivity, e.g. for light, x-rays, particle radiation
    • 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
    • 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
    • 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
    • G01N21/85—Investigating moving fluids or granular solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
    • A01C1/02—Germinating apparatus; Determining germination capacity of seeds or the like
    • A01C1/025—Testing seeds for determining their viability or germination capacity
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • G01N2201/06113—Coherent sources; lasers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/069—Supply of sources
    • G01N2201/0696—Pulsed
    • G01N2201/0697—Pulsed lasers

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Toxicology (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Botany (AREA)
  • Soil Sciences (AREA)
  • Environmental Sciences (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Sorting Of Articles (AREA)

Abstract

Цей винахід стосується способу класифікації та/чи сортування посівного матеріалу за допомогою терагерцової спектроскопії із розділенням у часі, використання терагерцової спектроскопії із розділенням у часі для класифікації та/чи сортування посівного матеріалу, а також посівного матеріалу, класифікованого та/чи відсортованого за допомогою терагерцової спектроскопії із розділенням у часі.

Description

Цей винахід стосується способу класифікації та/або сортування посівного матеріалу. А саме винахід стосується класифікації та/або сортування посівного матеріалу за допомогою випромінювання у терагерцевому діапазоні наприклад, за допомогою терагерцевої спектроскопії із розділенням у часі.
У галузі сільського господарства фермерам необхідний високоякісний посівний матеріал.
Високоякісний посівний матеріал відзначається високою енергією проростання, високою силою росту і однаковою схожістю. Для постачання високоякісного посівного матеріалу, виробники повинні класифікувати і сортувати свій продукт таким чином, щоб відрізнити і відокремити високоякісний від менш якісного. Зазвичай, для класифікації та/або сортування посівного матеріалу використовують фізичні відмінності у фенотипі, що можна легко визначити, наприклад, різницю величини та/або різницю ваги між насінинами, що містять або не містять зародок.
Проте виробництво посівного матеріалу якомога вищої якості вимагає його більш точної диференціації. Наприклад, посівний матеріал цукрових буряків (Веїа миЇдагіє) можна розділити за шістьма класами: клас 1 - пусте насіння (без зародку); клас 2 - повне насіння (із повністю сформованим зародком); клас З - трохи зморщене (з трохи зморщеним зародком); клас 4 - сильно зморщене (з сильно зморщеним зародком); клас 5 - близнюки (з 2 зародками у одній сім'ядолі); клас 6 - двійнята (з 2 зародками у двох сім'ядолях).
При сортуванні посівного матеріалу до класу "хороший матеріал" необхідно відбирати лише насіння із повністю сформованим зародком. Якщо взяти до уваги зазначений вище приклад з посівним матеріалом цукрових буряків, це означає, що треба відсіяти як насіння 1-го класу, такі насіння з 3-го по 6б-ий клас. Потім необхідно визначити, чи не була під час сортування помилково відсіяна до категорії "поганий матеріал" занадто велика кількість насіння 2-го класу.
Оскільки насіння за своїми якостями дуже різне, то для досягнення вказаної вище мети необхідно встановити дуже вузькі межі відбору при сортуванні посівного матеріалу за окремими класами і допускати лише невеликі відхилення. Для встановлення меж відбору і перевірки
Зо якості сортування здійснюють регулярний відбір зразків та їх рентген-діагностику із оцінкою зображення в ручному режимі. До цього часу були неможливими автоматизація чи оцінка такого контролю якості, що не залежала б від людини. До того ж, шкідливе для здоров'я іонізуюче випромінювання при здійсненні контролю якості за допомогою рентген-діагностики вимагає широких заходів із забезпечення безпеки для персоналу. Крім того, також не виключений шкідливий вплив рентгенівського іонізуючого випромінювання на посівний матеріал. З цих причин рентген-діагностика не використовується повністю при підготовці посівного матеріалу і його сортуванні, а лише при перевірці якості зразків відповідних класів відсортованого насіння.
Альтернативою для перевірки якості посівного матеріалу за допомогою рентген-діагностики є комп'ютерна томографія (Маїбі, М. еї аІ., "Ашщотаїйі5спез5 СТ-бЗузієт тії іпієдгіепйег Айвуепипао", рАСН-Зангевзіадипд 2012 іп Ста; - МІі.1.В.1, Зейеп 1-7 |Майсль М. та ін., "Автоматична система комп'ютерної томографії із інтегрованим пристроєм для оцінки", Матеріали щорічної конференції ОАСН 2012 в Граці - Мі.1.т.1, ст. 1-7Ї1). Проте запропонована система комп'ютерної томографії із автоматичним пристроєм зміни зразків і автоматичним пристроєм опрацювання зображення є дуже складною, а її автоматизація є обмеженою, отож цей спосіб використовують лише на етапі контролю якості сортування під час пророщування насіння цукрового буряка, але не під час самого сортування.
Інші відомі способи, такі як пульс-термографія, що не призводить до руйнування біологічних структур і у багатьох аспектах є кращим за такі традиційні способи, як рентгенівське дослідження, ультразвукове дослідження чи дослідження перемінним струмом, не можуть використовуватися для сортування і класифікації посівного матеріалу.
У патенті О5 2013/0229647 А1 представлено спосіб класифікації насінин, а саме насінин цукрового буряка, що дозволяє класифікувати насінини за даними спектрів у інфрачервоному частотному діапазоні, беручи до уваги різницю у формуванні зародку, що міститься у насінині.
Проте достовірність інфрачервоних спектрів є обмеженою, внаслідок чого часто неможливо з упевненістю віднести насінини до визначеного класу.
Таким чином, завдання заявленого винаходу полягало у тому, щоб представити спосіб, що робив би можливим автоматичну класифікацію та/або сортування посівного матеріалу за різними параметрами, що визначають клас посівного матеріалу, і який можна було б застосовувати не лише на етапі контролю, а й під час самого сортування посівного матеріалу з бо метою досягнення вищої точності сортування при більшому виході посівного матеріалу.
Це завдання вирішується за допомогою створення способу класифікації та/або сортування насіння із застосуванням випромінювання у терагерцевому діапазоні, наприклад, за допомогою терагерцевої спектроскопії із розділенням у часі.
Для дослідження зразків за допомогою терагерцевої спектроскопії із розділенням у часі (етапепя іте-дотаїп зресітозсору, ТН2-ТО5) використовується терагерцеве випромінювання.
Ця методика придатна для визначення якісних і кількісних характеристик найрізноманітніших матеріалів (Юимійагеї, Г., СЗагеї, Е., 5 Соша;, 9. І. (1996). А геПйаріеє теїпой їог ехігасіоп ої таїегіа! рагатеїегв іп їегапен?з і(іте-дотаїп зресігозсору. 5веїєсітей Торісв іп Оцапішт ЕПІесігопісв,
ІЕЄЕЕ доштаї ої, 2(3), 739-746 |Дьювіларет Л., Гарет Ф.І Кутаз Й.Л. (1996). Надійний спосіб визначення характеристик матеріалу із застосуванням терагерцевої спектроскопії із розділенням у часі. Вибрані роботи з квантової електроніки, журнал ІЕЕЕ 2(3), 739-746)); Оогпеу,
Т.0., Вагапішк, А.сї., 5 МішШетап, О.М. (2001). Маїегіа! рагатеїег езіїтайоп м/йп їеганегпіг іїте- дотаїп з5ресігтозсору. ЧО5А А, 18(7), 1562-1571 |Дорні Т.Д., Баранюк Р.Г. і Міттлеман Д.М. (2001)
Оцінка характеристик матеріалу за допомогою терагерцевої спектроскопії із розділенням у часі.
ЧУО5А А, 18(7), 1562-1571)). При цьому терагерцеве випромінювання є електромагнітним випромінюванням, що знаходиться у діапазоні між інфрачервоним випромінюванням і мікрохвильовим випромінюванням. Терагерцеве випромінювання складається З електромагнітних хвиль з частотою від 100 (ГГц) до 10 (ТГц).
При застосуванні терагерцевої спектроскопії із розділенням у часі досліджуваний зразок піддається дуже короткому імпульсу електромагнітного випромінювання з частотою у терагерцевому діапазоні. Для цього за допомогою імпульсного лазера створюється дуже короткий імпульс електромагнітного випромінювання, оскільки ультракороткі лазерні імпульси тривалістю в кілька фемтосекунд (1феое-10-15 с) можуть у напівпровідниках або у нелінійних оптичних матеріалах викликати терагерцеві імпульси у пікосекундному діапазоні (1пс-10-12 с), що складаються лише з одного або двох циклів електромагнітних коливань. За допомогою електрооптичних методів вони можуть вимірюватися також когерентно, тобто із розділенням у чабі.
При застосуванні терагерцевої спектроскопії із розділенням у часі терагерцевий імпульс розділяється на дві частини, одна з яких використовується для генерації, а інша - для
Зо детективування. Завдяки відносній затримці в часі терагерцевий імпульс можна виміряти. За допомогою когерентної діагностики визначається електричне поле терагерцевого імпульсу, тобто визначається амплітуда і фаза терагерцевої хвилі. Перетворення Фур'є записаного терагерцевого сигналу дозволяють отримати інформацію про спектр імпульсів у досліджуваному зразку, що надалі дозволяє зробити висновки про характеристики матеріалу.
Зазвичай, сигнал згенерованого терагерцевого імпульсу, що може складатися із частотних компонентів, якими може перекриватися весь терагерцевий діапазон, вимірюють після відбиття на зразку або проходження через зразок і порівнюється з вихідним імпульсом, що виступає як референтне значення. Для оцінки сигналу використовують амплітуду сигналу, затримку в часі, фазу та/або спектр. Наприклад, зміна амплітуди дозволяє отримати інформацію про такі властивості зразку як пористість, поглинальна здатність, товщина і однорідність. Затримка терагерцевого імпульсу при проходженні через зразок може зумовлюватися оптичною товщиною зразку (коефіцієнт заломлення п помножений на геометричну товщину 4). Через багаторазове відбиття всередині зразку можуть виникати додаткові ехо-імпульси, що залежно від товщини зразку накладаються у більшій чи менше меншій мірі. Осциляції поля у поєднанні з основним імпульсом містять спектральні дані зразку, отримані шляхом Фур'є-перетворення хвильової форми сигналу у часі.
Відомо, що терагерцеве випромінювання може використовуватися для визначення вмісту води у рослинах, особливо вмісту води у листках (дбгаепз еї аї... Віої!. Ру. 35: 255-264 (2009)
ІЙ. Йорденс та ін. Біол. фіз. 35: 255-264 (2009)); Сепів ві а). у. Іпітагеа Міїї Теганг У/амез 34: 316- 5БО 323 (2013) ІЙ. Генте та ін., Інфрачервоні мілітерагерцеві хвилі 34: 316-323 (2013)); Р 2009/042207 А). Також за допомогою терагерцевої спектроскопії визначають щільність дерева (Косп еї аі. Муоод 5с. апа Теспп. (Кох та ін., Лісова наука і техніка) 32: 421-427 (1998))| або пошкодження дерева нематодою (І іапо еї а). РІЕК5 Ргосееєадіпов5, Таїіреї, Магсп 25-28, 2013: 430- 433).
Цей винахід оснований на використанні терагерцевої спектроскопії із розділенням у часі для характеристики посівного матеріалу. В основі характеристики лежать такі властивості, які дозволяють розподілити насіння за різними класами якості. До таких властивостей посівного матеріалу належать особливі морфологічні структури, такі як наявність певних структурних компонентів всередині насіння (наприклад, наявність зародку) або розташування структурних 60 компонентів всередині насіння (наприклад, два зародки в одній сім'ядолі або у двох сім'ядолях).
Перший аспект винаходу - спосіб класифікації та/або сортування посівного матеріалу, за яким класифікацію та/або сортування посівного матеріалу здійснюють із застосуванням випромінювання у терагерцевому діапазоні наприклад, за допомогою терагерцевої спектроскопії із розділенням у часі.
Другий аспект винаходу - використання терагерцевої спектроскопії із розділенням у часі для класифікації та/або сортування посівного матеріалу.
Третій аспект винаходу стосується посівного матеріалу, що класифікують та/або сортують за допомогою терагерцевої спектроскопії із розділенням у часі.
Спосіб класифікації та/або сортування посівного матеріалу за першим аспектом винаходу включає такі етапи: - подання терагерцевого імпульсу на насіння, - вимірювання сигналу, що продукує терагерцевий імпульс після пропускання та/або відбиття крізь насіння, - визначення амплітуди, затримки в часі, фази та/або спектру сигналу, що спричинені пропусканням та/або відбиттям, і - розподілення насіння за визначеним раніше класом посівного матеріалу.
Також спосіб класифікації та/або сортування посівного матеріалу за першим аспектом винаходу може включати попередній етап подачі насіння в область вимірювань терагерцевого спектрометра із розділенням у часі та/або наступний етап виведення насіння із області вимірювань терагерцевого спектрометра із розділенням у часі.
Відповідно до одного з варіантів реалізації способу, калібрування терагерцевої спектроскопії із розділенням у часі для віднесення насіння до визначеного попередньо класу посівного матеріалу відбувається за допомогою референтних значень та/(або референтних насінин для мінімум одного класу посівного матеріалу, переважно для бажаного класу посівного матеріалу, тобто для класу посівного матеріалу із високими показниками якості. За іншим варіантом реалізації, калібрування терагерцевої спектроскопії із розділенням у часі здійснюють за допомогою референтних значень та/або референтних насінин для всіх визначених попередньо класів посівного матеріалу.
Шляхом класифікації більшості насінин одного зразку можна визначити якість зразку, при
Зо цьому визначається кількість насінин кожного класу посівного матеріалу у зразку. При цьому окремі насінини, взяті із загальної кількості насінин, розподіляються за класами по черзі у терагерцевому спектрометрі із розділенням у часі.
Відповідно до додаткового та/або альтернативного варіанту реалізації, насіння сортується за класами після виведення із області випромінювання терагерцевого спектрометра. Такий варіант дозволяє відсіювати насінини, що не належать до бажаного класу. Таким чином, завдяки запропонованому способу вдосконалюється якість посівного матеріалу, оскільки для подальшої підготовки або виготовлення насіння використовуються лише насінини бажаного класу. Насінини, які не належать до бажаного класу посівного матеріалу, відсіюються перед подальшою обробкою.
Спосіб класифікації та/або сортування посівного матеріалу за першим аспектом винаходу показує точність сортування - мін. 7595, 7б о, 77 Зо, 78905, 7995 чи 80 95, бажана точність сортування - мін. 81 95, 82 95, 83 о, 84 95, 85 95, 86 95, 87 Зо, 88 95, 89 95 чи 90 95, і найбільш бажана точність сортування - мін. 90 Фо, 91 95, 92 о, 93 Фо, 94 95, 95 о, 96 Фо, 97 95, 97,5 Ус, 98 95, 98,5 95, 99 Фо, 99,5 95 чи 100 Фр.
Відповідно до додаткового та/або альтернативного варіанту реалізації винаходу, у випадку проведення класифікації та/або сортування посівного матеріалу за допомогою терагерцевої спектроскопії із розділенням у часі його попередньо сортують, наприклад, за величиною насінин. Таким чином, для класифікації та/або сортування посівного матеріалу використовують лише насінини однакового або приблизно однакового розміру. Тобто за цим варіантом реалізації посівний матеріал калібрують до початку класифікації. За допомогою цього варіанту реалізації за необхідності можна ще більше підвищити точність класифікації та/або сортування посівного матеріалу.
Відповідно до варіанту реалізації за першим аспектом винаходу, частота терагерцевого випромінювання терагерцевого імпульсу становить мін. 0,1 ТГц, бажана частота -- мін. 0,5 ТГцу, особливо бажана частота - мін. 1 ТГц, а найбільш бажана частота - мін. 5 ТГц.
Відповідно до альтернативного та/або додаткового варіанту реалізації винаходу, частота терагерцевого випромінювання терагерцевого імпульсу досягає не більше 10 ТГц, бажана частота - не більше 6 ТГц, особливо бажана частота - не більше 4 ТГц, а найбільш бажана частота - не більше З ТГцЦ.
Відповідно до альтернативного та/або додаткового варіанту реалізації винаходу, тривалість терагерцевого імпульсу лежить в діапазоні від З пс до 25 пс, бажана тривалість - від 5 пс до 20 пс, і найбільш бажана тривалість -- від 15 пс. Коли говорять про найбільш бажану тривалість, то мають на увазі фемтосекундний лазер, який дає лінійно-поляризоване випромінювання при довжині хвилі 1560 нм або який працює з частотою повторення 100 МГц при середній вихідній потужності 260 мВт. Також особливо бажаною є тривалість імпульсу «90 фс для оптичного волокна довжиною 2,5 м.
Відповідно до альтернативного та/або додаткового варіанту реалізації винаходу, терагерцевий спектрометр складається з одного або кількох таких компонентів: лазер, бажано оптоволоконний, оптична лінія затримки з бажаною областю сканування 0-300 пс, антена- генератор і антена-детектор терагерцевого випромінювання, терагерцева оптика, синхронний підсилювач та/або обчислювальний блок (комп'ютер) з програмним забезпеченням для опрацювання і оцінки даних. Особливо бажано, щоб динамічний діапазон спектрометра становив 270 дБ, а спектральний діапазон - 23,5 ТГцЦ.
Відповідно до особливо бажаного варіанту реалізації, терагерцеве вимірювання здійснють за такими налаштуваннями: спектральний діапазон вимірювання 0,01-10 ТГц ї затримка 0-104 пс з інтервалом 0,05 пс. Час інтеграції для однієї затримки становить 30 мс, таким чином, сумарний час для одного зразка насіння становить приблизно 1 хвилину.
Оскільки терагерцева спектроскопія із розділенням у часі є безконтактним неруйнівним способом, то, в принципі, з його допомогою може класифікуватися та/або сортуватися будь-який посівний матеріал.
Відповідно до варіанту реалізації за першим аспектом винаходу, було обрано посівний матеріал із групи фруктів, у яких перикарп або частина перикарпу, тобто ендокарпій, мезокарпій та/або екзокарпій, є здерев'янілим.
Відповідно до альтернативного та/або додаткового варіанту реалізації, було обрано посівний матеріал із групи, яка охоплює овочі, зернові культури, кісточкові фрукти, ягоди, горіхи і польові рослини.
Відповідно до альтернативного та/або додаткового варіанту реалізації, було обрано посівний матеріал овочів з групи, яка охоплює насіння салатів, капусти, квіткової групи овочів,
Ко) плодових овочів, бульбоплідних овочів, цибулинних овочів, бобових та інших овочів.
Салати: - салат (І асішса заїїма І.), наприклад, качанний салат (І асійса заїйїма І. вид саріїагїа І..), шніт- салат (І асіиса 5аїїма І. вид сгізра І..), салат латук (І асіиса заїїма Г. вид Іоподітюїа І.), спаржевий салат (І асійса заїїма вид апдивіапа) і салат айсберг, - цикорій звичайний (Сіспогішт іпіури5 І.3), наприклад, цикорій (Сіспогішт іпури5 вид
Ттоїїозит) і ендивій (Сіспогішт епайїміа І..), - рукола, гулявник (Оіріоїахі5 їепийоПйа або Егиса 5аїїма), мангольд (Веїа миїЇдагіє підвид мицЇдагіб), шпинат (Зріпасіа оіІегасеа І), водяний шпинат (Іротоєа адшцаїййса ЕОМ55ЗК.), лобода садова (Аїгіріех погепвіб5 Г.), настурція (Мавіцйгійшт ойісіпае К.ВК.), портулак (Рогішаса 55р. займе (НАМУ.) СЕ), клейтонія звичайна (кубинський шпинат, зимній портулак, Сіауюпіа репоїйаа СОММ. ЕХ УМ СО), малабарський шпинат, індійський шпинат (Вазеїйа аїба), новозеландський шпинат (Теїгадопіа (еігадопіоїде5), акмела городня (Астеїйа оїегасеа (Г.)
Е.К.ОАМ5ЕМ), джут довгоплідний (Согспоги5 оЇйогіи5 1.3), мезембріантенум кришталевий (Мезетргуапіпетит сгузіапит), лілейник, наприклад, жовто-червоний лілейник (Нетегосаї!їв
Тима І.), лобода головчаста (Спепородішт сарйашт (І.) АБСН.), лобода листяна (Спепороадійт ропив-пепгісиз Г..), ії щавель шпинатний (Киптех).
Насіння капусти включає насіння овочів виду капустяних, а саме середземноморської капусти (В. їшісціоза), сарептської капусти, або так званої індійської (салатної) гірчиці, (В. нпсеєа), рапсу і брюкви (В. парих), наприклад, брюкви (В. париз підвид гаріїета МТ7С.), рапсу (В. пари підвид париз І.) і листяної капусти (В. парих5 підвид раршагіа), чорної гірчиці (В. підга (І..)
КОСН), городньої капусти (В. оіегасєа І..), наприклад, цвітної капусти (В. оІегасєа вид Боїгуїїв І ..), а також капусти романеско (В. оіегасєа сопмаг. роїгуїї5 вид роїгуїїз5 І..), броколі (В. оІєгтасеа вид
Маса РієпсК), кольрабі (В. оІегасеа вид допдуЇодез І.), качанної капусти (В. оіІегасєа конвар. саріайа 1.3), червонокачанної капусти (Вгаззіса оІегасеа конвар. саріїаїа вид гибга І.), білокачанної капусти (Вгаззіса оІєгасєа конвар. саріїаїа вид аїра І.), а також гострокінечної капусти, та савойської капусти (В. оієгасєа конвар. саріїаїа вид зарацаа І.), брюссельської капусти (В. оІєтасеа вид деттіїега ОС.); грюнколь, "бСраунколь"/кормової капусти, (В. оІегтасеа вид забеїЇса І..); тосканська капусти капуста кале (Вгаззіса оіІегасєа вид ра!тіоїїа ОС.); кормової капусти (В. оІєгтасеа вид теашіоза ТПеї.); ріпи (В. гара І.) та олійної суріпки (В. гара підвид бо оЇІеітега); пекінської капусти (В. гара підвид рекКіпепвів); пак-чой (В. гара підвид сПпіпепвів) та турнепсу, кормових буряків, тельтовської брюкви, баварських буряків (В. гара підвид гара), наприклад, листяної ріпи.
До квіткової групи овочів належать артишок (Супага з5соїутив), цукіні (Ситсибіта реро підвид реро конвар. діготопіїййпа), цвітна капуста (Вгаззіса оІегасеа вид бБоїгуїі5 І.), броколі (Вгазвіса оЇІегасеа вид йаїїса РіепсК), капуста романеско (Вгаззіса оіегасеа конвар. роїгуїй5 вид бБоїгуїїв5), лілії (МШшт Г..) (лілейні рослини) і жоржини (Оанйіїа САМ.).
Під плодовими овочами в межах винаходу розуміються: - кавун (Сітии5 Іапайи5 (ТНОМВ.) МАТОМ. 4 МАКАЇ.), - огірки (Сиситів І), наприклад, медова диня (Сиситів теїо І..), ківано (Сиситів тейшіїїтекив
Е.МЕУ. ЕХ МАШБІКМ) і огірок (Сиситів заїїмив І..), - гарбузи і цукіні (Сиситріїа), наприклад, гарбуз звичайний, цуккіні, гарбуз-спагетті (гарбуз, що при тепловій обробці розпадається на тонкі смужки) (С. реро І.), велетенський гарбуз або гарбуз хоккайдо (С. тахіта), гарбуз мускатний (С. тозспаїйа) і гарбуз фіголистий (С. гісітєоїіа), - гіркий огірок (Мотогаїса І.), лагенарія звичайна (І адепагіа 5ісегапйа (МОГІМА) ЗТАМОЇГ..), люффа (Гийа МІ .), чайот, наприклад, чайот їстівний, (Зеспішт едше (ЧАСО.) 5МУ.), помідор (Боїапит Іусорегзісцт І..), перець (Сарвісит 1І.), амарант (Атагапійиз І.), баклажан (Зоіїапит теіопдепа), авокадо (Регзєа атегісапа МІГІ.), окра (АбеІтозспив5 езсцепіиз (1.3) МОЕМСН.),, і хлібне дерево (Апосагриз аййів (РАВКІМ5. ЕХ БО ВОЇ) ГО5В. СОВА. 5Т.ООНМ).
До коренеплодів відносяться бульбоплідні і цибулинні овочі. До бульбоплідних овочів належать морква звичайна (ЮРайсив5 сагоїа І. підвид заїїми5), червоний буряк, буряк столовий (Веїа мцідагів вирзр. мцідагіз), брюква (Вгаззіса пари підвид гаріїега), ріпа (Вгазвзіса гара підвид гара вид та)аїїв) і тельтовська брюква (Вгазвзіса гара підвид гара вид рудтавєа), дикий хрін (Агтогасіа гизісапа САЕЄЕНТМ.МЕМ. 4 ЗСНЕВВ.), редис (ВНарпапив заїїмив І. підвид заїїмив), дайкон (Карпапих займи5 вид Іопадіріппайш5), чорна зимова редька (Нарпапизх з5аїїми5 підвид піде" вид підег), васабі (У/азабіа їаропіса МАТ5ИОМ.), картопля (Боїапит Шрегозит І1.), козелець- солодкий корінь (скорцонера іспанська) (5сог27опега Пізрапіса І.), пастернак (Равзіїіпаса заїїма), коренева петрушка (Реїгозеїпит сгізрит підвид їшрегозит), селера (Арішт дгамеоіепв), кервельна ріпа або бутень цибулинний (СпаегорпуПйшт БиЇрозит І.), корінь лотосу (МеЇштро) і ямс (Піозсогеа. І .).
Зо До цибулинних овочів належать цибулинні рослини (АйШишт), наприклад, цибуля (А. сера І..), цибуля-татарка, трубчаста цибуля (батун), (А. Гівішовит 1.), часник (А. заїймит 1.), цибуля- шалот (А. азсапісит 5ТВАМО.), цибуля-порей (А. ротит І .), виноградна цибуля (АйПит ротит вид зесіїмит) і черемша (АйПит шигвіпит).
До бобових відносяться - Квасоля (Рпазео!й5) квасоля лимська (Ріазеоїиз Іспациз І..), квасоля місяцевидна квасоля тепарі (Рпазеоїиз асишйоїйи5 А.ОКАХ) квасоля вогняна (Рпазеоїси5 соссіпецз І..), квасоля звичайна квасоля звичайна, квасоля звичайна кущова, квасоля плетиста, (Рпазеоіиз5 миїЇдагів 1.) сорти: квасоля звичайна перлинна квасоля перепелина квасоля чорна квасоля, бразильська квасоля біла квасоля - соя (СіІусіпе тах (І.) Мегії) - горох (Різит) горох лущильних сортів (Різит заїмит Г. конвар. займит), також гладкозернистий горох горох мозговий (Різит заїїмит Г.. конвар. теашіаге Аїеї. етепа. С.О. Гей т) горох цукровий (Різит займит Г. сопмаг. ахірпішт Аїеї етепа. С.О. Гепт), також молодий стручковий горох велетенський горох (Різит дгапаа з5пеїда Г. сопмаг. зпеїйшо р. зппеїдегійт) - люцерна (Меадісадо 1.) люцерна звичайна, (М. заїїма 1.) - горох турецький (Сісег агіеїіпит 1...) - сочевиця, (І еп5), (еп сицііпагі5 Медік.) - люпин (Гиріпиз Г..) - віка (Місіа І.) боби польові, кінські боби, боби (місіа Таба 1.) бо - чина (Гаїпугиз ГГ.)
чина посівна (І аїйугизв заїїмиз І.) чина бульбовидна (І аїпуги5 (шбрего5из 1.) - вигна (Мідпа) вигна борцелиста (Мідпа асопіноїїа (дасд.) Магеспаї) адзукі, (Мідпа апдшіагіз (УМІЯ.) Опмі 8 Н. ОНавні) маш (Мідпа типодо (Г.) Неррег) квасоля мунга, (Мідпа гадіаца (І...) К. УМіс;ек), "соєві паростки" бамбарський земляний горіх, (мМідпа 5!,ибіеїгтапе (І...) Мегас.) квасоля рисова, (Мідпа итбеїПава (Тпипр.) Опм/і 8. Н. ОВавзнпі)
Мідпа мехіПНаїа (І..) А. Вісн.,
Мідпа ипдиісшагца (І) УМаїр., у трьох підвидах: спаржева квасоля (Мідпа иподиїсцшага зирзр. зездиіредаїїв) очна квасоля (вігна китайська, коров'ячий горох) (Мідпа иподиїсціага зибзр. ипоцісшіага) квасоля катьянг (мМідпа иподпиїсціага зибзр. суїїпагіса) - кущовий горох, (Са|апиз са)ап (Г.) Міїї5р.) - Мастоуота арахіс, (Масгоїуїота деосагрит (Наптвх) Магеспаї 85 Вацде) кінські боби, (Масгоїуїюота ипійогит (І ат.) Мегас.) - крилаті боби, (Рхорпосагрих (еігадопоЇобиз (І) ОС.) - бульбовидна квасоля, (Зрпепозіуїїв5 віепосагра (Носнзві. ех А. Вісн.) Наптв) - лобія, гіацинтові боби, (І абіаб ригригеиз (І...) Зу/еєї) - гуар (Суаторзів ІеігадопоЇобиз (І.) Таиб.) - Сапамаїа канавалія мечевидна, (Сапамаїйа епхітгтів (Г.) ОС.) канавалія мечелиста, (Сапамаїйа діадіага (дасад.) ОС.).
Під іншими овочами відповідно до дослідження маються на увазі: батис (Ваї5 І1.), китайський водяний горіх (ЕІеоспагі5 адиісі5), алтей (АйНава опісіпаїї5 І.), фенхель (Роепісшит миЇдаге (ІГ.) Мі), спаржа аптечна (Азрагадив опісіпаїї5 І.), ревінь хвилястий харчовий (Нпейт ппабагбагит), ревінь японський (РаїІоріа іаропіса (Ношн.) НКопзе Оесг.), коріандр (Согіапагит ваїймит І.), батат (Протоєа бБаїаїаз І.), кінва (Спепородіит диїпоа УМїїа.), шведський буряк (Вгаззіса париз), водяна мімоза (Меріипіа оіІегасеа Гоиг.), маніок, маніока, кассава або в
Латинській Америці юкка (Мапіної езсціепіа Стапіг), бульбовидна кислиця, ока або ямс (Охаїїв5 їмбегоза), оллуко, меллоко або бульбовидна базелла (ШіШсив їШБрегозив), мажуа, також настурція бульбовидна (Ттораєоїшт іШбрегозит), якон (Зтайапійив зопспйоїйши5), топінамбур (Неїїапіпизх їшрегоз5ив) і соняшник (Неїїапіпи5 аппицв5).
Відповідно до альтернативного та/або додаткового варіанту реалізації, було обрано насіння зернових культур із групи, до якої належить такий посівний матеріал: пшениця (Тгйісит 5рес.), жито (ЗесаІе з5рес.), ячмінь (Ногденшт 5зрес.), тритикале, овес (Амепа 5рес.), кукурудза (2еа тауз), рис (Огула 5рес.), тритикале і просо (Зогопит з5рес., Рапісит 5рес., Реппізешт 5рес. та ін). При цьому до пшениці належить також пшениця-однозернянка (Т. топососсит), полба (Т. дісоссит), тверда пшениця (Т. дигит), камут (Т. дигит х роіопісит), спельта (Т. зреца) і м'яка пшениця (Т. аезіїмит). До проса відноситься також просо звичайне (Рапісит тіїйасеийт), просо італійське (Зеїагіа Мйаїїса), сорго (Зогупит бісоїог та ін.), африканське перлове просо (Реппізешт діаисит), росичка (ЕІеизіпе согасапа), тефф (Егадговіїй5 тей і фоніо (Оідйагіа ехіїїб5).
До групи горіхів належать горіхи у ботанічному значенні, такі як буковий горіх, ліщина, грецький горіх (дидіап5 гедіа), каштан благородний (каштан європейський), жолудь, коноплі, макадамія (австралійський горіх), платан, кам'яний або водяний горіх. Сюди відноситься також збірна багатокістянка, наприклад, полуниця. До цієї групи відносяться також горіхи, які не є горіхами у ботанічному значенні. Це наприклад, горіхи кеш'ю, арахіс (Агаспіз Нуродаєа), кокос, мигдаль, мускатний горіх, бразильський горіх, пекан, фісташки або горіх масляного дерева.
У кісточкових плодах здерев'янілою є лише внутрішня частина плоду. До таких кісточкових плодів належать, наприклад, манго, мірабель, нектарин, персик, слива, абрикос, маслина, вишня, черешня.
Збірна багатокістянка - малина, ожина.
До ягід відносяться банани, цитрусові, фініки, дині, ківі, папайя і пасльонові, наприклад, перець, помідор, томатне дерево, ягоди картоплі, баклажани.
У значенні цього винаходу до польових рослин належать, наприклад, цукровий буряк (Веїа мицЇдагіх5 миЇдагів), шпинат, кормовий буряк, мангольд і кінва.
Перевагою способу, що застосовується у цьому винаході, є те, що для проведення аналізу бо посівного матеріалу не потрібно використовувати шкідливе для здоров'я іонізуюче випромінювання, яке може мати негативний вплив на насіння та зруйнувати його. Спосіб дозволяє здійснити класифікацію насіння з великою точністю. Крім того, цей спосіб автоматизований і швидкий, тому його можна використовувати не лише на етапі контролю, а й безпосередньо під час класифікації і сортування посівного матеріалу. З цих причин цей винахід включає також спосіб класифікації та/або сортування посівного матеріалу, за яким класифікація та/або сортування здійснюються автоматично.
За другим аспектом винаходу спосіб поширюється також на використання терагерцевої спектроскопії із розділенням у часі для класифікації та/або сортування посівного матеріалу, а саме для класифікації та/"або сортування того посівного матеріалу, що був визначений за допомогою способу відповідно до першого аспекту винаходу.
Варіанти реалізації цього винаходу описані за допомогою прикладів, зображених на фігурах, що додаються:
Фігура 1: Спектри в часовій області для посівного матеріалу цукрового буряку. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 2: Спектри в часовій області для посівного матеріалу цукрового буряку. Фрагмент фігури 1 у діапазоні 12-24 пс. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 3: Спектри в часовій області для посівного матеріалу цукрового буряку. Фрагмент фігури 1 у діапазоні 45-70 пс. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 4: Фазові спектри для посівного матеріалу цукрового буряку. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 5: Фазові спектри для посівного матеріалу цукрового буряку. Фрагмент фігури 4 у діапазоні 0,2-2 ТГц. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 6: Спектри коефіцієнта поглинання для посівного матеріалу цукрового буряку. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 7: Спектри коефіцієнта поглинання для посівного матеріалу цукрового буряку.
Фрагмент фігури 6 у діапазоні 0,1-0,6 ТГц. На фігурі представлені спектри середнього значення для відповідних класів.
Зо Фігура 8: Спектри показника заломлення для посівного матеріалу цукрового буряку. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 9: Спектри показника заломлення для посівного матеріалу цукрового буряку.
Фрагмент фігури 8 у діапазоні 0,1-2 ТГц. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 10: Метод головних компонент для посівного матеріалу цукрового буряку: діаграма розсіяння оцінок для головних компонент 1 і 2.
Фігура 11: Спектри в часовій області для посівного матеріалу цибулі. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 12: Спектри в часовій області для посівного матеріалу цибулі. Фрагмент фігури 11 у діапазоні 12-24 пс. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 13: Спектри в часовій області для посівного матеріалу цибулі. Фрагмент фігури 11 у діапазоні 45-70 пс. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 14: Спектри в часовій області для посівного матеріалу перцю. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 15: Спектри в часовій області для посівного матеріалу перцю. Фрагмент фігури 14 у діапазоні 12-24 пс. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 16: Спектри в часовій області для посівного матеріалу перцю. Фрагмент фігури 14 у діапазоні 45-70 пс. На фігурі представлені спектри середнього значення для відповідних класів.
Фігура 17: Метод головних компонент для посівного матеріалу цибулі: діаграма розсіяння оцінок для головних компонент 1 і 2.
Фігура 18: Метод головних компонент для посівного матеріалу стручкового перцю: діаграма розсіяння оцінок для головних компонент 1 і 2.
Фігура 19: Спектри в часовій області для посівного матеріалу соняшника. На фігурі представлені спектри середнього значення для обох класів.
Фігура 20: Метод головних компонент для посівного матеріалу соняшника: діаграма розсіяння оцінок для головних компонент 1 і 2.
Дослідження посівного матеріалу:
Перевага і якість заявленого способу класифікації та/або сортування посівного матеріалу продемонстрована на прикладі класифікації/сортування посівного матеріалу різних видів бо культур, таких як цукровий буряк (В. миЇдагі5), цибуля (А. сера), стручковий перець (Сарзісит) і соняшник (Н. аппии5), наступним чином. Оцінка придатності способу згідно винаходу грунтується на даних рентген-діагностики для класифікації посівного матеріалу, проведеній попередньо в лабораторії. Під "фактичним класом" далі по тексту розуміють поділ на класи на підставі рентген-діагностики.
Цукровий буряк:
Посівний матеріал цукрового буряка поділяють на 6 груп за розміром і щільністю насінин.
Насінини кожної групи піддають рентген-діагностиці за допомогою якої окремі насінини класифікують за описаними вище класами від 1 до 6. У подальшому тексті клас 1 позначається як "пусте насіння", клас 2 як "повне насіння", клас З як "трохи зморщене насіння", клас 4 як "сильно зморщене насіння", клас 5 як "Слизнюки" і клас 6 як "двійнята".
Цибуля і стручковий перець:
Посівний матеріал цибулі і стручкового перцю поділяють на 2 групи за розміром і щільністю насінин для кожної культури. Насінини також піддають рентген-діагностиці. У випадку цибулі і стручкового перцю доречно класифікувати посівний матеріал за класами "повне насіння" і "зморщене насіння", при цьому клас "зморщене насіння" містить насінини класів "пусте насіння", "трохи зморщене насіння" і "сильно зморщене насіння".
Соняшник:
У випадку дослідження соняшника, на відміну від вказаних вище культур, не було поділу посівного матеріалу на групи. Насіння також піддавалося рентген-діагностиці. За аналогією з цибулею і стручковим перцем посівний матеріал соняшника також доречно класифікувати за класами "повне насіння" і "зморщене насіння".
Технічні характеристики терагерцевого спектрометра:
Вимірювання проводилося за допомогою терагерцевого спектрометра із розподіленням у часі "ТЕКА К15" компанії Менло Сістемс ГмбХ (Мепіо Зузіет5 зтрнН), Мартінсрід, Німеччина.
Спектрометр "ТЕКА К15" складається з оптоволоконного лазеру, оптичної лінії затримки з діапазоном сканування 0-300 пс, антени-генератора терагерцевого випромінювання ТЕКА15-
ТХ-ЕС і відповідної антени-детектора терагерцевого випромінювання ТЕКА15-НАХ-ЕС, оптики, здатної працювати у терагерцевому діапазоні, синхронного підсилювача ТЕКА-С та обчислювального блоку з програмним забезпеченням для опрацювання і оцінки даних.
Динамічний діапазон спектрометра становить 270 дБ, а спектральний діапазон - »3,5 ТГцЦ.
Вбудований фемтосекундний лазер лінійно поляризований та випромінює енергію при довжині хвилі 1560 нм, з частотою повторення імпульсів 100 МГу при середній вихідній потужності лазера 260 мВт. Тривалість імпульсу для оптичного волокна довжиною 2,5 м становить « 90 фе.
Для проведення аналізу насіння всіх видів культур обрано такі налаштування і параметри: спектральний діапазон вимірювання 0,01-10 ТГц ї затримка 0-104 пс з інтервалом 0,05 пс. Час інтеграції для однієї позиції затримки становить 30 мс, таким чином, сумарний час для одного зразка насіння становить прибл. 1 хвилину.
Процедура терагерцевого вимірювання:
Щоб здійснити аналіз, насінину, що належить до описаних вище культур, розташовують у фокусі терагерцевого пучка. Потім насінина піддається дії терагерцевого імпульсу.
Терагерцевий імпульс, який генерує антена-генератор, проходить через оптику, фокусується і взаємодіє з насіниною. Антена-детектор реєструє сигнал, який видає терагерцевий імпульс після пропускання та/або відбиття крізь насінину. Таким чином, на насінину діє декілька терагерцевих імпульсів, але з різним часом затримки. Сигнал антени-приймача зчитує комп'ютер із програмним забезпеченням, після чого визначаються амплітуда, зумовлена пропусканням та/або відбиттям, затримка в часі, фаза та/або спектр сигналу. Далі розраховують коефіцієнт поглинання і коефіцієнт заломлення для посівного матеріалу.
Оцінка і результати
У подальшому викладі представлений спосіб класифікації у терагерцевому діапазоні на прикладі матеріалу однієї групи.
Цукрові буряки:
На фігурах 1-3 представлені спектри в часовій області для посівного матеріалу для зразків різних груп (3,16-3,50 мм), при цьому представлений спектр середнього значення для кожного класу. На фігурі 1 представлений повний спектр, на фігурах 2 і З натомість представлені фрагменти для того, щоб показати різницю. Спостерігається чітка різниця між спектрами шістьох класів, наприклад, у діапазоні 15-22 пс.
Також при порівнянні класів однієї групи спостерігається різниця у фазових спектрах, коефіцієнтах поглинання і показниках заломлення, як представлено на фігурах 4-9. На фігурах 4, 6 і 8 також представлений повний спектр, а на фігурах 5, 7 і 9 - збільшені фрагменти фази, бо коефіцієнтів поглинання і показників заломлення.
Для класифікації можуть використовуватися дані часової області, фази, коефіцієнта поглинання і показника заломлення та/або їх поєднання. У представленому тут варіанті реалізації для класифікації зразку використовується виключно спектр в часовій області; так само і для інших видів культур нижче.
Для визначення різниці у спектрах в часовій області і наступних даних використовують метод головних компонент (РІ 5 ТооІрох Мегвіоп 7.9.1, Еідепмесіог Кезеагсі, Іпс. УУепаїспее,
Сполучені Штати Америки на основі Майарт 20140, Тпе МаїшуУмотгк5 отрн, Ізманінг, Німеччина).
Діаграма розсіювання оцінок основних компонентів 1 і 2 представлена на фігурі 10. Класи "пусте насіння", "трохи зморщене насіння", "сильно зморщене насіння", "близнюки" і "двійнята" займають простір головних компонент у квадратах ЇЇ, ПШ ії ІМ їі, таким чином, чітко відокремлюються від класів "повне насіння" і іншої групи класів "пусте насіння" у квадраті І.
Межа між класами "повне насіння" і "пусте насіння" у квадраті | не чітка, тобто деякі зразки можна віднести до обох класів.
Для того, щоб підкреслити різницю між даними, для подальшої обробки вихідні дані були оптимізовані за Савицьким-Голай (Замі2Ку А. (зоїау, М. 9У.Е. (1964). "ЗтооШПіпуд апа ріпйегепійайоп ої Оаїа Бу 5бітрійієд Іеєаві Здцаге5 Ргоседигев"; Апаїуїса! Спетівігу 36 (8)
ІСавицький А, Голай М (1964) "Згладжування і диференціація даних за спрощеним алгоритмом найменших квадратів", Аналітична хімія 36 (8)): 1627-1639)| або за допомогою згладжувального фільтра середніх значень (Те Зсієпіїзї апа Епдіпеег5 Сціде о бідна! 5ідпа! Ргосеззіпо, Спарієг 15-Моміпд Амегаде Рійеге, Бу 5ієемеп УМ. Зтійй, 11/17/2001 ІНауковий і інженерний путівник до цифрової обробки сигналів, Розділ 15 - Фільтри ковзного середнього значення, Стівен В. Сміт, 11/17/2001)). При цьому згладжування може доповнюватися обчисленням похідних. На другому етапі попередньої обробки даних весь набір даних поділяють на два незалежні набори даних за допомогою алгоритму Кеннарда-Стоуна (Кеннард Р.В. та Стоун Л.А. (1969) Проведення експериментів за допомогою комп'ютера. Технометрика 11(1), 137-148 І(Кеппага, НЯ. МУ. апа зЗіопе, ГІ. А. (1969) Сотриїег аїдед девзідп ої ехрегітепів. Тесппотеїйсв 11(1), 137-148)) (також
РІ 5 ТооЇрох Мегзіоп 7.9.1, Еідепмесіог Кезеагсі, Іпс. УУепаїспее, Сполучені Штати Америки на основі МайарфФ 20146, Тне МаїШшуУмогк5 Стьн, Ізманінг, Німеччина). Дані, вибрані за допомогою алгоритму Кеннарда-Стоуна, використовуються для побудови моделі класифікації, інші дані перевіряються на відповідність вимогам.
Для класифікації можна використовувати різні алгоритми, наприклад, "метод К-найближчих сусідів" (скорочено КММ, англійською мовою "К-Меагеві-Меідпрог-АІдогійптив" (Альтман Н.С. (1992). "Вступ до непараметричної регресії: ядерне згладжування та метод найближчих сусідів".
Американський статистик 46 (3): 175-185. доі:10.1080/00031305.1992.10475879) |Айтап, М.5. (1992). "Ап іпігодисіоп юю Кегпеї! апа пеагеві-пеідпрог попрагатеїйіс гедгезвіоп". Пе Атетгісап
Заїївіїсіап 46 (3): 175-185. аоі:10.1080/00031305.1992.10475879)|Ї) або метод опорних векторів (скорочено БУМ, англійською мовою: "Зиррогі Месіог Маспіпе" (Крістіані Н. та Шейв-Тейлор Дж. (2000). Вступ до методу опорних векторів та інших ядрових методів навчання, перше видання (Кембрідж) ІСтізНапіпі, М., апа Зпажме-Тауйог, у). (2000). Ап Іпігодисіоп юю Зиррогі Месіог Масніпе5 апа Оїнег Кегпе!-базей І єаттіпуд Меїнод35, Рігві Едйоп (Сатргідде: Сатрбгідде Опімегзйу Ргезв51).
Оцінка класифікації проводиться за допомогою таких коефіцієнтів якості: дійсно позитивний, дійсно негативний, помилково позитивний і помилково негативний. Оскільки, як описано вище, першочерговим завданням є відокремлення класу "повне насіння" від інших класів, то коефіцієнти якості визначають таким чином: у випадку дійсно позитивного коефіцієнта посівний матеріал, який належить до фактичного класу "повне насіння", правильно віднесений до класу "повне насіння"; у випадку дійсно негативного коефіцієнта посівний матеріал, який належить до іншого фактичного класу, правильно не віднесений до класу "повне насіння"; при помилково негативному коефіцієнті посівний матеріал, який належить до фактичного класу "повне насіння", помилково віднесений до іншого класу; і при помилково позитивному коефіцієнті посівний матеріал, який належить до іншого фактичного класу, помилково віднесений до класу "повне насіння".
Класифікація насіння із набору даних, що перевіряється на відповідність вимогам, наведена у таблиці 1. За класифікацією коефіцієнти якості є такими: 100 95 дійсно позитивний, 100 95 дійсно негативний, 0 96 помилково позитивний і 0 95 помилково негативний по відношенню до класу "повне насіння". Якщо взяти всі класи, то 89 95 всього насіння класифіковано правильно.
Ці результати показують, що за допомогою цього винаходу калібрований посівний матеріал цукрового буряку можна класифікувати із дуже високим ступенем якості.
Таблиця 1
Результати класифікації насіння цукрового буряку за допомогою способу відповідно до винаходу (- прогнозований клас)
Трохи Сильно насіння Й Я насіння насіння насіння
Всього | 4 | 71 | 10 | 32 | 37 | 6
Пустенасння| 4 | 0 | 0 | 0 | 0 | о
Трохи
Прогнозо- | зморщене З ваний клас | насіння
Сильно зморщене 1 7 насіння
Повненасіння| 0 | 0 | 0 | 32 | 0 | о
Близноки.ї | 0 | 1 | 0 | 0 | 37 | З
Двйнята | 0 | 0 | 0 | 0 | 0 | з
Цибуля і стручковий перець:
Як було зазначено вище, у якості прикладе використовували лише дані спектрів в часовій області. На фігурах 11-16 представлені спектри в часовій області для каліброваного посівного матеріалу цибулі і стручкового перцю, при цьому представлений спектр середніх значень для кожного класу. На фігурах 11 і 14 представлений повний спектр для посівного матеріалу цибулі і стручкового перцю. Натомість на фігурах 12 і 13 для посівного матеріалу цибулі і на фігурах 15 і 16 для посівного матеріалу стручкового перцю представлені фрагменти повного спектру для того, щоб показати відмінність між спектрами.
Попередня обробка і оцінка наборів даних для цибулі і стручкового перцю відбувалася за аналогією до цукрового буряка. Спочатку було проведено аналіз за методом головних компонент, потім, як описано вище, відбувалася оптимізація даних за допомогою згладжувального фільтру і за необхідності обчислення похідної, а за допомогою алгоритму
Кеннарда-Стоуна відповідний набір даних було розділено на два незалежні набори даних.
Аналіз за методом головних компонент для насіння стручкового перцю проводився не з вихідними даними, а з вже оптимізованими даними.
Діаграма розсіяння оцінок за методом головних компонент для насіння цибулі представлена на фігурі 17. Розрізняється розділення класів "повне насіння" і "зморщене насіння", проте дані обох груп знаходяться близько один від одного. Подібна ситуація спостерігається також і при аналізі за методом головних компонент насіння перцю, представленому на фігурі 18. Також тут розрізняється розділення класів "повне насіння" і "зморщене насіння", проте дані обох груп знаходяться також близько один від одного.
Те, що відмінність між сигналами насіння цибулі і стручкового перцю є меншою, ніж для насіння цукрового буряка, напевно пояснюється розмірами/формою насіння і його зародками.
Насіння цибулі помітно менше за насіння цукрового буряка, а насіння перцю помітно пласкіше.
Класифікація насіння цибулі і стручкового перцю за допомогою способу відповідно до винаходу є можливою. Класифікація насіння цибулі із набору даних, що перевіряється на відповідність вимог, наведена у таблиці 2. Якість класифікації є наступною: 87,5 95 дійсно позитивно, 12,5 96 помилково негативно, 14,3 95 помилково позитивно і 85,7 9о дійсно негативно.
Загалом 86,7 95 посівного матеріалу цибулі було класифіковано правильно. Класифікація насіння перцю із набору даних, що перевіряється на відповідність вимог, наведена у таблиці 3.
Все насіння було класифіковано правильно з такими коефіцієнтами якості: 100 95 дійсно позитивний, 0 96 помилково негативний, 0 95 помилково позитивний і 100 95 дійсно негативний.
Загалом 100 95 посівного матеріалу перцю було класифіковано правильно.
Таблиця 1
Результати класифікації насіння цибулі за допомогою способу відповідно до винаходу (- прогнозований клас)
Фактичний клас Зморщене насіння Повне насіння ; Разом яв
Прогнозований клас -
Зморщененасіння/ | 67777111
Повне насіння
Таблиця З
Результати класифікації насіння перцю за допомогою способу відповідно до винаходу (- прогнозований клас)
Фактичний клас Зморщене насіння Повне насіння ; Разом 61111118
Прогнозований клас -
Зморщененасіння/ | 5 / 0 (
Повне насіння 01111181.
Соняшник:
Спектри в часовій області посівного матеріалу соняшника представлені на фігурі 19.
Оскільки у випадку соняшника насіння не калібрується, на фігурі 19 представлені спектри середніх значень обох класів.
Попередня обробка і оцінка даних відбувається так само, як для цукрового буряка, стручкового перцю і цибулі. Проте аналіз основних компонентів для насіння соняшника проводився не з вихідними даними, а з вже оптимізованими даними. Діаграма розсіювання оцінок основних компонент 1 і 2 представлена на фігурі 20. Тут також, в основному, спостерігається відокремлення обох класів "повне насіння" і "пусте насіння", але дані, що межують один з одним, накладаються.
Класифікація насіння соняшника із набору даних, що перевіряється на відповідність вимог, наведена у таблиці 4. Оцінка якості класифікації є наступною: 98,9 95 дійсно позитивно, 1,1 905 помилково негативно, 0 9о помилково позитивно і 100 95 дійсно негативно. Загалом 99,1 95 посівного матеріалу соняшника було класифіковано правильно.
Таблиця 4
Результати класифікації насіння соняшника за допомогою способу відповідно до винаходу (- прогнозований клас)
Фактичний клас Зморщене насіння Повне насіння ; Разом
Прогнозований клас -
Зморщене насіння
Повне насіння нн жи ши
Ці результати показали, що спосіб відповідно до винаходу може використовуватися не лише для насіння цукрового буряка, а й для насіння інших видів культур як ті, що були зазначені вище. Додатково було продемонстровано, що залежно від властивостей насіння його можна класифікувати без попереднього калібрування.

Claims (2)

ФОРМУЛА ВИНАХОДУ
1. Спосіб класифікації насіння, який відрізняється тим, що класифікацію насіння здійснюють із Зо застосуванням терагерцевої спектроскопії із розділенням у часі, що складається з таких етапів: - подання терагерцевого імпульсу на насіння, - вимірювання сигналу, що продукує терагерцевий імпульс після пропускання та/або відбиття крізь насіння,
- визначення амплітуди, затримки в часі, фази та/або спектра сигналу, що спричинені пропусканням та/або відбиттям, і - розподіл насіння за визначеним раніше класом посівного матеріалу.
2. Спосіб за п. 1, який відрізняється тим, що включає попередній етап подачі насіння в область вимірювань терагерцевого спектрометра із розділенням у часі та/або етап виведення насіння із області вимірювань терагерцевого спектрометра із розділенням у часі.
З. Спосіб за п. 1 або 2, який відрізняється тим, що насіння після виведення із області вимірювань терагерцевого спектрометра із розділенням у часі сортують за класами.
4. Спосіб за будь-яким з пп. 1-3, який відрізняється тим, що насіння перед класифікацією калібрують.
5. Спосіб за будь-яким з пп. 1-4, який відрізняється тим, що частота терагерцевого випромінювання терагерцевого імпульсу становить від 0,1 до 10 ТГЦц.
6. Спосіб за будь-яким з пп. 1-5, який відрізняється тим, що під насінням розуміють насіння групи, що включає насіння овочів, зернових культур, кісточкових Фруктів, ягід, горіхів і польових рослин.
7. Спосіб за п. б, який відрізняється тим, що під насінням розуміють насіння роду Вега, переважно виду Веїа уші/дагі5, роду АЛШит, переважно виду А//ит сера, роду Не/апінпив, переважно виду Не/апіпиз аппиив чи роду Сарвісит.
8. Спосіб за будь-яким з пп. 1-7, який відрізняється тим, що спосіб є автоматизованим. 12 : : | : З ; : КР 0000. Брохн зморщене васінвя ! о : : : шіачттнн--: Кнпьно зморщене насіння й : Я х лизнюКи і й ; : Я " Двійвята ! Кк ЕО. : : : Я є З М ' 5 02 Її ті ! ! ! ' 02 сЕЯ Н Ге Й Н іх Н : ! :
МЕ. ! : ! : че | ! ! ІЙ 0 20 40 (519) 80 100 Час пс
Фіг.1
2 С оевненаснях 00000 Ж бннннннння 208 в лниннн ння нн для ння Мусте насіння НЯ І : : С щ0.Трохнморщене насіння й Б а ! : ! п: Єнильно зморшене насіння | : М | шила: ШІ НА! В нини ния ї шення КЕ пет тт Н ен ни Ех : : Е : і се : : ОК шля их Ж Офдння фун Я ен нн нн чн НЕ їй і о рень, по с - - ши нн у, ШЕ КО а ди : вежу : мл дню : : В ЕК ! КК их х Я 2 х р 12 14 16 18 20 22 24 Час пе!
Фіг.2 : ка. тя ке дї : є й х па | С Ди: ЧЕ ши а УНН я ! й КЕ:
0.05 Я тен То ще пня пн нн щу. й : ВЕ : у; 3 : : 5 : її г ' ! ї ! У Ж -0.05 |. рн воно 15 шення ЇЇ ин - І А- -- - --Повне насінкя | г ! Й й з | шен ---Пусте насіння і св : й Є, : Ше -01 ЦД шен т « Трохн зморщене насіння ше Я. вану ИН І | інн Шнльна даюршене насіння мо : ре : 1 | г ПИ х Близнюки | і с : Е ! : -01 5 «роя двійня 000000 пий що. -ї нн п ОМ не ! ми ' А ! бе : | В : : А и; : : : ще х Тл : ЗО 55 бо 65 70 Час |псі
Фіг. З
! - - Я - - Я - - -КНПовяг насіння : е іо ш------.-Нусте насіння : : рі 5 НН 0 щ0 ц.0. Трохи зморшене касінвя пивний 2313 - Кидьно зморшене насіння : ! х Близнюки : І ; ! з Авійнята ур : Е : і я да пт т | : : й «й ай и о ш й : : я от пе а : й я : : й й пед ! ! яро : : з Ше ді І Н : не ДИ а аю : : са : ів Дн : ! є - : й те зей яти : : я Я Дід дет : : ; сс НИЙ Я Я : и : : : і Ї і ! : : : : : : : : ЕЖЗВА РРАЛРВРВРВЗЗВИЗ ЗШ 00011011. Р У 0 1 2 З 4 в) Частота |ТГп
Фіг.4 12 : ї й : ! В : : - - - - Я Повне насіння : : я : : плеч ння нн «Пусте насіння Я : як: 415 ши НН МК Див сп В ПИ ЛИН ЧИН, Й 1 Що : ї гг Силько зморшене насіння |! Н : Е че В ! ! х й 2 я ї х Блязнювя : ще є ко К Кк : е Двіднята Ждан 1 - Е що бе ЗД 5 нн о повин чинен Пи ре годі ше чию жк Квт
Д. Як 5 : Н ко я ка з я : у у : г : Урни кек жи неон ! ши ше р : ї пдка : : НИ. НІ ! : ! имя І 5 і роя ЕНН ї ї : : атом й І ; ! То АЮ пон п ША Жити нути : Ї Ма па п а : : й 02 04 0.6 08 1 1.2 1.4 16 1.8 2 Частота | ТГні Ффіг.5 пок рн ві : : : ККУ
80. (ди Пустенвсічня пи ния КД» Й 4 що щі ці. . Трохи зморіщцене насінвя : : : пай щи ся Ї М во ! : 220011....-Єильно змшоршене насіння і | т, ц ді З г. ще яз / МЕ а ш- і х Елизнюки Я : й хи де мч в в Гм Ботокс М вики
: . Й : І ше ГК : ш- : : п жи й : : : ати ьо У : : в во п піпинне пня пий нні у спа Ше САНИ піти жи в | ей щ : при В а Н : : Оз ав е ок Е 40 ппнннннння ТК Хввлтянтт м мн ИН пн є фо з і ж ва НС НН : : : : с | її во що сен ВВ ДВК он нт я тої тні тост нт тн нт нн мя 5 Оггі ТЯ га -- Кежи : | : : -6й ЧЕ ЖК ее ві : : : : о ши клен нн пп п ще М : : : : : : в) 02 04 0,6 0.8 1 1.2 14 Частота (ТГн
Фіг.6 : : А ИМ А ідхх М : 5 "Ж х ше м Й меж нея - 2 Я я и й : ше г вв лици Ще По нн нн ЯНА ХВ А УНН Ин пн они ЗІКА - НАВЧ ДО нь «ЯК -щЩ Е рий 5 х тя - ше -3 НІ х в 4 ві р : : НУ й 2 Я і во Н Н Н Ех НА Ув НИ Ін КУ Бо : : щ пе Бо Я ! В ВР ди г : : ш ПЕ НЯ кт Ка : : Е і те а ДИТ их и : : - Ше пр У І Ви ро Н : : - займ, | ' ' : х хи. ння ЧО енер рено онтртооттентонтротонятоттннттіннсоттннт ! ТЛО ровно нясіцня -- ня ї Я / | І | петля --- Пусте насінвя : г: Ї А, : . ши ші оц. ,Ірохи азмершщене насіння : в ЛО и пив м п п Ко0000040--.Єильно зморщене насіння | 77 Я я їх Я 1 : ; : ! і х Блязнюки : 5 шя Ж Кв фан шпон тн - шосте тіні ГО00900одвіднятя 000 - : о 0 02 03 04 05 об Частота ПТ Гн
Фіг.7 ї : : : ї : : : : : : Я : : : п : рт. он НИ : : : | шкозснмоя кн хи 1іхсте насіння | : я шк ІА В Я 000000. Трохизморюшеневасіння |: : : го ї : Н Ко: : : Кк коЯ й : : і шення Клядьно зморшене нагіння! : Н : Ще ще : І й і х Близнюки Ге в ВАН | й о М вені ці т «й г с щ-к : і е Двійнята ІНШЕ Да й : : ча Ма МА, що пн нм пом : шень т о щ : : : Е ще мм, : : : : у : : : ї а п : : : - : : : ї сь шоу Я : Я - : : : т чо З А пох : : Я | | | : ау оо А Ж : : : х Я в : На бер : ж : : : ї с ш- Не на ЧИ ж : : : ї Я ни і Я ни -К ри : : : : : З : : тре : ж -0.5 : : ши. ше ше я ме. : : : т : ; ши ; Ще ра : ї -х : : : ї Н : у: : ; : - : ! Е : : я У ! Шк
0.5 1 1.5 2 2.5 З З 4 4.5 5 Частота Гі
Фіг.8 т. еще | : ' Ні ит,
т. И их : Е | : | ї и : Н - : ї , : Е : й и о Ні ма ! ЖК рун : ї : Гени | ох ен ни нн ПЕ ОН ПА У : ! щж : п -А- - Я -«ЛПовнег насічня й : ТА ї : я : По. 00 0 Трохн змортене васіння | : ї сч Пт У:у , г : І ши МА шЕ : рон» Сильно зморщене насіння! х хх МІ х : Е Я ШЕ М ми З | Ї х Кпизнюки | ! що уА т х ще х 1 ре Н ви В з Двійнята п пе її ТД" 7 ї д- : ТЕ тя пн : : - ня х : ' ; Шан аа и в плше о. 8 : А вд ' ще? дис : : кв, доз з х З ОК с : ї : Я я : еко : ї : в а е ' и я : : : : їх ве : ши Є ' : : ' пи кт У : : Ка ще ' : ї ' їх Ек ов і і ПС ' : | ' пиши шо
0.6 ше обуви нин по М З Е ГУ : Н : ї Н : Е я Я : : : Е : : х І : Й і вес : Й : ї і : й Н 02 04 06 05 1 1.2 14 15 1.8 2 Частота | Гні Ффіг.9
СВ Пуєтенайнняїд 00 5О во Трохи зморщене насіння Т Д Спилвно моріщене насіння у че Повне насіння І 3 М й Близнюки Фе я -ош ов о Двійната г Щ- - Я ---Рівеньдостовірності 95551. | -? ач - І б 7 30 Кк г сф е ст Ка с А і ху м ж 28 У в | ря 5 Я 5 ше у ї Ї У 559 ва ! У х 5 ШЕ: як У чу і 2 па--ї---- -ЩОо о --й- -А 0 АКА Е ( зв г 1 чо і КЕ у пи не ше ху І в ОО Фев де / ж ІЗ ІІ і А 5 х во рі ши и ; - -20 х 5) Вр йо жде й В | х в БВ ко ЯН У пк т ще х -80. х в рт Ка тк | ре в ! я з ше і - 2 -- шо . і я - о-к - І дн -ої -БО гі ИБШШЩШЬ68ЩЦЮШ Ш00ї 1 БО -40 -2й 0 20 40 5О0 Оцінки для головного компоненту | (26,85095)
Фіг.10 - - - - Я - Повне насіння : : : ------ Пусте насіння хо ! : : : т : : : Н х щі | : й ЩО | - ШІ | : ЕН : : . 0 20 40 бо во 100 Час пе!
Фіг.11
- КЕ | | -- Повне насіння пет Дня пеня 0 Теле насіння гу ши
1. і : : : : : ЗИ Еш : нях ОБ пенеття фр он нин п пон пон є ше Е А НЕ ни дян ї М : і Н : : р ЕТ: -- : я ! Е ої ї : ! Н : Ж ИЙ 12 14 16 18 о 2 24 Час Госі
Фіг.12
0. 1 5 | ши Повне насіння ! їх : тя --: Пусте насіння : : З Гош : й. х : Е Ддоннннниннння - М пня - пн фінів х | ше ий ! | х й : ! ши 5о 2о 60 95 70 Час пе
Фіг.13
! Я | ----:: Пусте насіння пол п и п 0 20 до бо 80 100 Час Гпсі
Фіг.14 : Кі ї : - - - - Повне насіння : : На о о -е--:. Пусте насіння п ! - ж ще ше : : ! ов х ЩІ НН ШО и шо тн є АК р пан . я г Я : . АК 7, 12 14 16 18 20 22 24 Час Іпс!
Фіг.15
ПОМ . пи Й сни. -я- Повне насішня (000 015 : й ро---: Пусте насіння ВІ: : | : і 15 | а : І : в Щ й Я : Ах ЛШ Й я В ні моїй и ЦІ ! й ХУ ш м и й : Ж. Е: ки ше у ши шия -01 : ї Ї | ! ; ! й / : : Н А ' -015 | | їй 45 50 55 бо 65 7 Час |пеі
Фіг.16 50 -- -6« - т ни ччно'вжннничнннннннн 010009) 0 Пусте насіння 50 | І Повне насіння . | шен щу 9 Кв і граю що пості 505, Т ож -Е і -- --- --. Рівень достовірності ухю і ве Я р т | т м и ж | й Кк че Зо й й | х й й ! і: Е 20 ло ! щі 5 ід У , ! х 5 і, т, Ф А ї Ж | у Ж ! ща В - ' ш нин нн я пн 2 о ; ! Ф І ш « щ ! ж що 1 о) , і тд х з 8 х вв / 2-20 х в ! Є щ- х І й - х : й во. Й Е ж я -30 хо | г. Ж у І - тд Ку - й я 79 те ! -- Гай шрот -50 -60 -40 -20 8; -0 40 бо Онінки для головного компоненту 1 124,6785)
Фіг.17
5О Т щ | Фо Пустенасншя - дю в Повне насіння а що щ | шо: БінЕНЬ ДОСТОВІрНОСТІ 9558 -ш М | | ппплллячяя яп А А я А А А я А А я я я пяти - зо - І й в и х с й І 7 ро 20 Й | 5 М е / І, х Е ! 519 ко. Е Не ! І з З х х ! 5 х х й в | 5 ш пи З З п и о о е | с, ! 8 ї шо З? і що у : / х - г 5 9 / а х ! , в -28 хо в | ; ий т и | й Е -30 | м . ! ря й Е т щ І Ше 5 -- -т -40 ши мн ни -80 «о -40 -20 0 20 40 БО 80 Оцінки для головного компоненту 1 137,83)
Фіг.18 : рот Пусте насіння ' Е 02 зтитетив нити ин фатин й п ння М отити титинтити шк шин пеня жнонвях р: роя : о : К : роя АД. АД : їд : ну шш щке тА З Ж ТМ а ЩЕ дн Мак ШЕ ума сть Е. ий щи Й У М М Що їй кі ле | хо -02 МНН В Мн МА (0) 20 40 бо во 100 Час Гне
Фіг.19
40 пи р Щ 5 98 а 5 Ше - вив к г. 7 сх Я | й їй ж - СХ ши) но аа З 2 х те ДК КАВУ ХУ ! К - Й г в дО | б да х - , ХУ ? ще в х З 10 Й Ф 2 Ба З Ще КЗ х ше , з сх 8 Я ї З і » за Ії Ва Б 0----98.- -в 5 св кі днини Ж ! та БОКУ
2.10 Є го ; п сви о еВ , 5 У о бе Я / є Ф «о 9 ши нн я ; е -90 х Е в я Кк ш я мк ше ре ро Й 5. - і т й ї- в ЕЗІ шк 7 - М дон Е 40 ячна няя т З | ; й Е рі ХУ 0 Пусте насіння до -50 е рої во Повне насіння ж | ! шен шо Рівень достовірності 959 і -60 7 -80 -50 -40 -20 0 20 40 бо Оцінки для головного компоненту 1 (37,44 95)
Фіг.20
UAA201606773A 2013-12-24 2014-12-23 Спосіб класифікації посівного матеріалу UA119548C2 (uk)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102013021898.5A DE102013021898A1 (de) 2013-12-24 2013-12-24 Verfahren zur Klassifizierung von Saatgut
PCT/DE2014/000644 WO2015096827A1 (de) 2013-12-24 2014-12-23 Verfahren zur klassifizierung von saatgut

Publications (1)

Publication Number Publication Date
UA119548C2 true UA119548C2 (uk) 2019-07-10

Family

ID=52589196

Family Applications (1)

Application Number Title Priority Date Filing Date
UAA201606773A UA119548C2 (uk) 2013-12-24 2014-12-23 Спосіб класифікації посівного матеріалу

Country Status (10)

Country Link
US (1) US9857297B2 (uk)
EP (2) EP3730928A1 (uk)
CN (2) CN111929410A (uk)
CL (1) CL2016001632A1 (uk)
DE (1) DE102013021898A1 (uk)
DK (1) DK3087371T3 (uk)
ES (1) ES2807611T3 (uk)
RU (1) RU2682280C2 (uk)
UA (1) UA119548C2 (uk)
WO (1) WO2015096827A1 (uk)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11140809B2 (en) * 2013-08-05 2021-10-12 Dutch Terahertz Inspection Services B.V. Method and apparatus for estimating a seed germination ability
CN105259187B (zh) * 2015-10-30 2017-12-29 山东省农作物种质资源中心 种脐性状评价装置及评价方法
CN105259186B (zh) * 2015-10-30 2017-12-29 山东省农作物种质资源中心 杂粮种子颜色评价装置及评价方法
US10690592B2 (en) * 2016-03-15 2020-06-23 University Of Florida Research Foundation, Incorporated Haploid seed classification using single seed near-infrared spectroscopy
US10191454B2 (en) * 2016-06-13 2019-01-29 William Marsh Rice University Methods and related systems of ultra-short pulse detection
CN108804479B (zh) * 2017-05-05 2022-08-19 张汉威 数据分析系统及其分析方法
EP3661668A4 (en) 2017-07-31 2021-07-07 Monsanto Technology LLC SEED SORTING
WO2019178238A1 (en) 2018-03-14 2019-09-19 Monsanto Technology Llc Seed imaging
CN108693185B (zh) * 2018-05-18 2021-05-28 云南电网有限责任公司电力科学研究院 支柱绝缘子复合护套均匀性检测方法、装置及系统
MX2020013129A (es) * 2018-06-11 2021-02-18 Monsanto Technology Llc Seleccion de semillas.
WO2020104011A1 (de) * 2018-11-19 2020-05-28 Tera Group Ag Verfahren und vorrichtung zur klassifizierung einer probe mittels terahertz-spektroskopie
CN111351766A (zh) * 2020-02-27 2020-06-30 浙江大学 一种快速识别南瓜种子身份的方法
CN112198122B (zh) * 2020-09-29 2023-07-25 浙江农林大学 一种山核桃内部黑斑的快速无损检测方法
TR2021002360A2 (tr) 2021-02-19 2022-08-22 Bursa Teknik Ueniversitesi Rektoerluegue Terahertz spektroskopisi ile organik yapıdaki madde ve malzemelerin tağşiş ve otantisite analiz yöntemi
CN115290595A (zh) * 2022-04-12 2022-11-04 河南工业大学 一种基于太赫兹时域光谱的大米品种识别方法
CN115700371A (zh) * 2022-10-13 2023-02-07 重庆医科大学 基于太赫兹时域光谱及卷积神经网络的小麦品种鉴别方法
CN116698783A (zh) * 2023-06-07 2023-09-05 华东交通大学 一种基于太赫兹谱的水稻二化螟快速检测方法
CN117378318B (zh) * 2023-12-08 2024-03-12 海南大学三亚研究院 基于x光的椰子种子萌发检测、分拣方法及系统
IT202300027810A1 (it) * 2023-12-22 2025-06-22 Sit In Sistemi E Tecnologie Per L’Ingegneria Logistica S R L Tecnica di identificazione di difetti in prodotti di frutta secca a guscio, in particolare nelle nocciole

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5558636A (en) * 1995-05-09 1996-09-24 Curators Of The University Of Missouri Method of effecting embryo transplant
DE19928768C1 (de) * 1999-06-23 2000-07-13 Buehler Ag Verfahren, Anlage sowie Verwendung von Meßeinrichtungen zur Bestimmung von Keimfähigkeit von Samenkörnern
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
US7530197B2 (en) 2003-06-30 2009-05-12 Weyerhaeuser Co. Automated system and method for harvesting and multi-stage screening of plant embryos
JP2008527976A (ja) * 2005-01-10 2008-07-31 シンジェンタ パーティシペーションズ アクチェンゲゼルシャフト 一群の種子の均一性を調べる装置
JP5429657B2 (ja) 2007-07-19 2014-02-26 公立大学法人岩手県立大学 種子の検査方法
EP2031374B1 (en) * 2007-08-31 2012-10-10 Canon Kabushiki Kaisha Apparatus and method for obtaining information related to terahertz waves
US20090075325A1 (en) * 2007-09-19 2009-03-19 Monsanto Technology Llc Systems and methods for analyzing agricultural products
EP2140749A1 (en) 2008-07-04 2010-01-06 Aarhus Universitet Det Jordbrugsvidenskabelige Fakultet Classification of seeds
DE102010030908B4 (de) 2010-07-02 2014-10-16 Strube Gmbh & Co. Kg Verfahren zur Klassifizierung in Saatgutpartien enthaltener Objekte, Sortierverfahren und zugehörige Vorrichtungen
CN102012562B (zh) * 2010-09-29 2012-05-16 首都师范大学 一种太赫兹波扫描方法和系统
CN102436637B (zh) * 2010-09-29 2013-08-21 中国科学院计算技术研究所 从头部图像中自动分割头发的方法及其系统
US9574997B2 (en) * 2010-10-15 2017-02-21 Syngenta Participations Ag Method for classifying seeds, comprising the usage of infrared spectroscopy
RU105783U1 (ru) * 2011-01-31 2011-06-20 Валентин Александрович Мищенко Устройство для получения терагерцового изображения в реальном времени
CN103335976B (zh) * 2013-06-04 2015-12-23 中国石油大学(北京) 利用太赫兹时域光谱检测硫酸盐、硝酸盐溶液浓度的方法

Also Published As

Publication number Publication date
US9857297B2 (en) 2018-01-02
ES2807611T3 (es) 2021-02-23
CL2016001632A1 (es) 2017-05-05
DK3087371T3 (da) 2020-08-03
EP3087371A1 (de) 2016-11-02
RU2016129306A (ru) 2018-01-30
WO2015096827A1 (de) 2015-07-02
CN111929410A (zh) 2020-11-13
RU2016129306A3 (uk) 2018-06-21
EP3730928A1 (de) 2020-10-28
RU2682280C2 (ru) 2019-03-19
EP3087371B1 (de) 2020-04-29
US20160327478A1 (en) 2016-11-10
CN106211792A (zh) 2016-12-07
DE102013021898A1 (de) 2015-06-25

Similar Documents

Publication Publication Date Title
UA119548C2 (uk) Спосіб класифікації посівного матеріалу
Padda et al. Methods to analyze physico-chemical changes during mango ripening: A multivariate approach
Jha et al. Non-destructive prediction of sweetness of intact mango using near infrared spectroscopy
US9574997B2 (en) Method for classifying seeds, comprising the usage of infrared spectroscopy
Phuphaphud et al. Prediction of the fibre content of sugarcane stalk by direct scanning using visible-shortwave near infrared spectroscopy
Shrestha et al. Separation of viable and non-viable tomato (Solanum lycopersicum L.) seeds using single seed near-infrared spectroscopy
Arefi et al. Mealiness detection in agricultural crops: destructive and nondestructive tests: a review
Abbaszadeh et al. Evaluation of watermelons texture using their vibration responses
Torres et al. LOCAL regression applied to a citrus multispecies library to assess chemical quality parameters using near infrared spectroscopy
Ding et al. Non-destructive prediction of ready-to-eat kiwifruit firmness based on Fourier transform near-infrared spectroscopy
Hubo et al. Discrimination of brownheart of Korla pear using vibration frequency spectrum technique
Nouri et al. Design, construction and evaluation of a device for non-destructive measurement of firmness in fruits using vibration analysis (case study: Kiwifruit)
An et al. Transmittance spectra and acoustic properties of durians with different ripening: An exploration of application for complex-structured and large-sized fruit
JP5998319B2 (ja) 抗メタボ青果物の選別方法
Zhang et al. Rapid and non-destructive decay detection of Yali pears using hyperspectral imaging coupled with 2D correlation spectroscopy
Khodabakhshian et al. Carob moth, Ectomyelois ceratoniae, detection in pomegranate using visible/near infrared spectroscopy
Teerachaichayut et al. Non-destructive prediction of hardening pericarp disorder in intact mangosteen by near infrared transmittance spectroscopy
Zur et al. Use of magnetic resonance imaging (MRI) to study and predict fruit splitting in citrus
Manjunatha et al. Evaluation of fruit detachment forces and related characteristics reveals differential fruit detachments at developmental stages and cultivar differences in cashew
Sharma et al. X-ray imaging for quality detection in fruits and vegetables
Minas et al. Near infrared spectroscopy can non-destructively assess the effect of canopy position and crop load on peach fruit maturity and quality
Eboibi et al. Moisture-dependent mechanical and textural properties of intact cucumber fruit
Musaev Assessment of seed heterogeneity in vegetable plants by x-ray diffraction
Ignat Non-destructive methods for determination of quality attributes of bell peppers
Moscetti et al. NIR spectroscopy is suitable to detect insect infested chestnuts