UA127316C2 - Аналіз насіння - Google Patents
Аналіз насіння Download PDFInfo
- Publication number
- UA127316C2 UA127316C2 UAA202004685A UAA202004685A UA127316C2 UA 127316 C2 UA127316 C2 UA 127316C2 UA A202004685 A UAA202004685 A UA A202004685A UA A202004685 A UAA202004685 A UA A202004685A UA 127316 C2 UA127316 C2 UA 127316C2
- Authority
- UA
- Ukraine
- Prior art keywords
- seed
- seeds
- ray
- ray images
- analysis
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims description 39
- 238000003384 imaging method Methods 0.000 title description 10
- 238000000034 method Methods 0.000 claims abstract description 57
- 239000002872 contrast media Substances 0.000 claims description 33
- 238000010521 absorption reaction Methods 0.000 claims description 15
- 238000010191 image analysis Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 244000068988 Glycine max Species 0.000 claims description 6
- 235000010469 Glycine max Nutrition 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000001035 drying Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000005303 weighing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 210000004556 brain Anatomy 0.000 claims 2
- CUCUKLJLRRAKFN-UHFFFAOYSA-N 7-Hydroxy-(S)-usnate Chemical compound CC12C(=O)C(C(=O)C)C(=O)C=C1OC1=C2C(O)=C(C)C(O)=C1C(C)=O CUCUKLJLRRAKFN-UHFFFAOYSA-N 0.000 claims 1
- YPMOAQISONSSNL-UHFFFAOYSA-N 8-hydroxyoctyl 2-methylprop-2-enoate Chemical compound CC(=C)C(=O)OCCCCCCCCO YPMOAQISONSSNL-UHFFFAOYSA-N 0.000 claims 1
- 241001137251 Corvidae Species 0.000 claims 1
- 240000003537 Ficus benghalensis Species 0.000 claims 1
- 244000301682 Heliotropium curassavicum Species 0.000 claims 1
- 235000015854 Heliotropium curassavicum Nutrition 0.000 claims 1
- 241001291562 Martes pennanti Species 0.000 claims 1
- 241001214257 Mene Species 0.000 claims 1
- 101001098066 Naja melanoleuca Basic phospholipase A2 1 Proteins 0.000 claims 1
- 241001318330 Nenia Species 0.000 claims 1
- 241000720785 Panaqolus koko Species 0.000 claims 1
- 241001377938 Yara Species 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000011248 coating agent Substances 0.000 claims 1
- 238000000576 coating method Methods 0.000 claims 1
- 239000012297 crystallization seed Substances 0.000 claims 1
- 238000002156 mixing Methods 0.000 claims 1
- 229910052754 neon Inorganic materials 0.000 claims 1
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 claims 1
- 230000008520 organization Effects 0.000 claims 1
- 229920000742 Cotton Polymers 0.000 description 7
- 235000012343 cottonseed oil Nutrition 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 235000014698 Brassica juncea var multisecta Nutrition 0.000 description 4
- 235000006008 Brassica napus var napus Nutrition 0.000 description 4
- 240000000385 Brassica napus var. napus Species 0.000 description 4
- 235000006618 Brassica rapa subsp oleifera Nutrition 0.000 description 4
- 235000004977 Brassica sinapistrum Nutrition 0.000 description 4
- 241000219146 Gossypium Species 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 4
- 230000002745 absorbent Effects 0.000 description 4
- 239000002250 absorbent Substances 0.000 description 4
- 235000005822 corn Nutrition 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000010224 classification analysis Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000008367 deionised water Substances 0.000 description 3
- 229910021641 deionized water Inorganic materials 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XZXYQEHISUMZAT-UHFFFAOYSA-N 2-[(2-hydroxy-5-methylphenyl)methyl]-4-methylphenol Chemical compound CC1=CC=C(O)C(CC=2C(=CC=C(C)C=2)O)=C1 XZXYQEHISUMZAT-UHFFFAOYSA-N 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 241000592344 Spermatophyta Species 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 229940107816 ammonium iodide Drugs 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052788 barium Inorganic materials 0.000 description 1
- DSAJWYNOEDNPEQ-UHFFFAOYSA-N barium atom Chemical compound [Ba] DSAJWYNOEDNPEQ-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- XMBWDFGMSWQBCA-UHFFFAOYSA-N hydrogen iodide Chemical compound I XMBWDFGMSWQBCA-UHFFFAOYSA-N 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000007226 seed germination Effects 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- FVAUCKIRQBBSSJ-UHFFFAOYSA-M sodium iodide Chemical compound [Na+].[I-] FVAUCKIRQBBSSJ-UHFFFAOYSA-M 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- 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
- A01C1/04—Arranging seed on carriers, e.g. on tapes, on cords ; Carrier compositions
-
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/24765—Rule-based classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06V20/66—Trinkets, e.g. shirt buttons or jewellery 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
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- 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
- B07C2501/009—Sorting of fruit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Винахід стосується способу аналізу насіння, який включає отримання рентгенівських зображень насіння за допомогою рентгенівського апарата. Аналіз рентгенівських зображень для визначення параметра кожної з насінин. Порівняння параметра, визначеного за допомогою аналізу рентгенівського зображення, однієї насінини з параметром, визначеним за допомогою аналізу рентгенівського зображення, іншої насінини. Розміщення насінин одна відносно одної на основі параметрів насіння. Аналіз рентгенівських зображень включає визначення, за допомогою контролера, числового значення поглинання рентгенівського випромінювання насіння на основі отриманих рентгенівських зображень, для кількісного визначення ступеня пошкодження насіння, при цьому значення поглинання рентгенівського випромінювання вибирають щонайменше з трьох різних значень.
Description
(57) Реферат:
Винахід стосується способу аналізу насіння, який включає отримання рентгенівських зображень насіння за допомогою рентгенівського апарата. Аналіз рентгенівських зображень для визначення параметра кожної з насінин. Порівняння параметра, визначеного за допомогою аналізу рентгенівського зображення, однієї насінини з параметром, визначеним за допомогою аналізу рентгенівського зображення, іншої насінини. Розміщення насінин одна відносно одної на основі параметрів насіння. Аналіз рентгенівських зображень включає визначення, за допомогою контролера, числового значення поглинання рентгенівського випромінювання насіння на основі отриманих рентгенівських зображень, для кількісного визначення ступеня пошкодження насіння, при цьому значення поглинання рентгенівського випромінювання вибирають щонайменше з трьох різних значень.
ЗВАЖУВАННЯ ПАРТ НАСІННЯ 20
ВИДАЛЕННЯ ОМИТЯ Б Я я ВМИЩЕННЯ НАСІННЯ В ЄМНІСТЬ З ВОДОЮ! ххх ДАТА
ПЕРЕМНІУВАННЯ НАСІННЯ Є Я
З» ВИДАЛЕННЯ НАСІННЯ З ЄМНОСТІ
ГЕОЗМІЕЦЕННЯ НАСІННЯ НА ПРОЮТАВШ
Халл
Її За ші РОЗКІЦЕННЯ ПРОКЛАДКИ
Г вміщеннянАСІння в Ємність З Ма 1-76
ЗВ. ІЛЕРЕМІЩУВАННЯ
ПВА РУКАННЯ р СЕ
Її НАШННЯ
Я ее | РОЗКЩЕННЯ НАСІННЯ НА;
Гоміцення насіння вл я ее І ЗВАНТАЖЕННЯ НАСІННЯ НА ЛОТОК ря "ОТРИМАННЯ РЕНТГЕНІВСЬКИХ | си я
Фіг. 1
Галузь техніки
Цей винахід загалом стосується системи та способу обробки насіння та, зокрема, системи та способу аналізу насіння за допомогою рентгенівських зображень для аналізу насіння та розподілу його за категоріями.
Рівень техніки
У сільськогосподарській галузі, зокрема в галузі вирощування та виробництва сортового насіння, науковцям важливо мати можливість аналізувати насіння з високою продуктивністю. Це означає, що аналіз насіння переважно проводять не лише швидко, але й надійно та у великому загальному обсязі. Традиційно насіння розподіляють за категоріями залежно від розміру за допомогою механічного обладнання, що містить сита з отворами, які відповідають заданим розмірам. Розподіл насіння за категоріями також здійснюють за допомогою аналізу зображень насіння для виявлення певних характеристик вигляду насіння. Однак системи попереднього аналізу зображень насіння обмежені у своїй здатності визначати розміри, форму та вигляд насіння. У результаті цього системи попереднього аналізу зображень мають обмежені можливості для визначення характеристик форми та дефектів насіння. Крім того, системи попереднього аналізу зображень не дають можливості автоматизувати збір статистично значущих обсягів даних для розробки надійних моделей даних з метою визначення кореляцій між партіями насіння за допомогою показників якості насіння.
Суть винаходу
В одному аспекті спосіб аналізу насіння загалом включає в себе отримання рентгенівських зображень насіння за допомогою рентгенівського апарату. Аналіз рентгенівських зображень для визначення параметра кожної з насінин. Порівняння параметра, визначеного за допомогою аналізу рентгенівського зображення однієї насінини, з параметром, визначеним за допомогою аналізу рентгенівського зображення іншої насінини. Розміщення насінин відносно одна одної на основі параметрів насіння.
В іншому аспекті спосіб аналізу насіння загалом включає в себе отримання рентгенівських зображень насіння за допомогою рентгенівського апарату. Аналіз рентгенівських зображень для визначення параметра кожної з насінин. Розподіл кожної насінини за категорією на одну з принаймні двох категорій на основі параметрів, визначених за допомогою аналізу
Зо рентгенівських зображень насіння.
Короткий опис графічних матеріалів
На фіг. 1 представлена блок-схема процедури аналізу насіння.
На фіг. 2 представлене схематичне зображення системи аналізу насіння.
На фіг. 3 представлене зображення, яке показує етапи процедури аналізу насіння.
На фіг. 4 представлене рентгенівське зображення пробної вибірки насіння бавовни.
На фіг. 5А представлене рентгенівське зображення, показане на фіг. 4, після того, як був проведений класифікаційний аналіз рентгенівського зображення.
На фіг 5В представлений збільшений місцевий вигляд рентгенівського зображення, показаного на фіг. 5А.
На фіг. 6 представлені рентгенівські зображення насіння бавовни, обробленого контрастною речовиною, та без такої обробки.
На фіг. 7 представлені рентгенівські зображення ушкодженого та неушкодженого насіння каноли, сої, бавовни та кукурудзи, обробленого контрастною речовиною.
На фіг. 8 представлені рентгенівські зображення ушкодженого та неушкодженого насіння каноли, сої, бавовни та кукурудзи, обробленого контрастною речовиною.
На фіг 9А представлені рентгенівські зображення насіння бавовни, обробленого контрастною речовиною і розміщеного відповідно до рівня ушкодження.
На фіг. 98 і 9С представлені графіки, що відповідають рентгенівським зображенням на фіг.
ОА.
На фіг. 10А та 108 представлені гістограми, які ілюструють мінливість внутрішньої та взаємної вибірки групи насіння бавовни.
Відповідні умовні позначення вказують відповідні частини у всіх графічних матеріалах.
Детальний опис
Згідно з фіг. 1-3, процедура аналізу насіння позначена загалом позицією 10. У рамках цієї процедури очищають, обробляють і роблять зображення сукупності насінин для класифікації насінин з метою подальшої обробки, оцінки чи аналізу. Процедура 10 включає в себе сукупність етапів обробки та переробки насіння для точного визначення ушкодження насіння за допомогою апарату 12 для отримання зображень та аналізу. В одному варіанті здійснення в апараті 12 для отримання зображень та аналізу використовують рентгенівські зображення. Таким чином, у цій бо процедурі 10 аналізу насіння застосовують методи обробки за допомогою рентгенівських зображень, подібні до методів, які використовують у медичній галузі, для обробки та аналізу насіння. Використання рентгенівських зображень уможливлює більш чутливе виявлення ушкоджень насіння для ефективнішого виявлення варіацій та ступенів ушкодження насіння.
Процедуру 10 аналізу насіння можуть використовувати для широкого асортименту насіння, в тому числі, крім іншого, насіння овочевих культур (наприклад, помідори) та насіння орних культур (наприклад, кукурудзи, сої, каноли, бавовни).
Згідно з фіг. 2 ії З апарат 12 для отримання зображень та аналізу містить пристрій 14 отримання зображень і контролер 16. В одному варіанті здійснення контролер 16 входить до складу пристрою 14 отримання зображень. Однак контролер 16 може бути відокремлений від пристрою 14 отримання зображень і виконаний з можливістю зв'язку з вказаним пристроєм отримання зображень. У проілюстрованому варіанті здійснення пристрій 14 отримання зображень являє собою рентгенівський апарат для отримання рентгенівських зображень насіння. В одному варіанті здійснення рентгенівський апарат 14 містить пристрій отримання двовимірних рентгенівських зображень. Відповідні рентгенівські апарати виробляє компанія
ЕахйгопФ. Однак можна використовувати й інші комерційні або зроблені на замовлення рентгенівські апарати, не виходячи за межі обсягу цього винаходу.
Згідно з фіг. 1 і З процедура 10 аналізу насіння може бути такою, як описано нижче. На етапі зважують партію насіння. В одному варіанті здійснення партію насіння вибирають таким чином, щоб партія важила від близько 50 грамів до близько 60 грамів. Однак передбачається й 20 інша вага партій. На етапі 22 насіння розподіляють на поверхні в один шар насіння. На етапі 24 з насіння видаляють сміття та інші частинки (наприклад, гілочки, насіннєві коробочки тощо). На етапі 26 насіння поміщають у ємність (наприклад, аналітичну склянку) з деіонізованою водою.
Залежно від кількості насінин їх можна помістити в аналітичну склянку об'ємом 1000 мл, наповнену 500 мл деїіонізованої води. На етапі 28 насіння перемішують в ємності для промивання насіння та видалення з насіння пилу/бруду. В одному варіанті здійснення насіння перемішують протягом приблизно 1 хвилини. Однак насіння можна перемішувати протягом будь-якої відповідної кількості часу. На етапі 30 насіння виймають з ємності та фільтрують за допомогою шлюзу або сита. На етапі 32 насіння поміщають на поглинальну прокладку та розкладають в один шар, щоб висушити насіння. На етапі 34 може бути розміщена друга
Зо поглинальна прокладка поверх насіння для промокання насіння та/або висушування насіння вальцюванням. На етапі 36 насіння можна помістити в ємність, наповнену контрастною речовиною (наприклад, йодидом натрію (МаЇ) або йодидом амонію (МНа-Ї). Однак можна використовувати інші контрастні речовини, не виходячи за межі обсягу винаходу. Наприклад, може бути використана будь-яка відповідна хімічна речовина, що містить йодид або барій, або будь-яка відповідна рентгеноконтрастна речовина для медичної візуалізації. В одному варіанті здійснення насіння поміщають в аналітичну склянку об'ємом 1000 мл, яка містить приблизно 200 мл 3 М Маї, приготованого з використанням деіонізованої води. На етапі 38 насіння перемішують для змішування насіння з контрастною речовиною. В одному варіанті здійснення насіння перемішують протягом приблизно 5 хвилин за допомогою магнітної мішалки. Однак насіння можна перемішувати будь-яким відповідним способом. На етапі 40 насіння фільтрують.
В одному варіанті здійснення насіння фільтрують за допомогою системи 50 вакуумного фільтра/балона для зберігання. При цьому, фільтрацію можна здійснювати і в інші способи. На етапі 42 відфільтроване насіння поміщають на першу, свіжу поглинальну прокладку, а потім другу, свіжу поглинальну прокладку поміщають поверх насіння для промокання насіння та/або висушування насіння вальцюванням. На етапі 44 насіння поміщають у піч 52 для повного висушування насіння. В одному варіанті здійснення насіння поміщають в сушильну піч, температура в якій виставлена приблизно на 60 С (140 Р) приблизно на 5 хвилин. Однак насіння можна висушувати і в інший спосіб. На етапі 46 насіння розкладають в один шар на лоток 54 та поміщають в рентгенівський апарат 14 для отримання рентгенівських зображень насіння на етапі 48. Слід розуміти, що процес отримання рентгенівських зображень буде здійснюватися згідно зі стандартними рентгенівськими процедурами, передбаченими для звичайних рентгенівських апаратів.
Як додатковий або альтернативний варіант насіння може бути завантажене на лоток та рентгенівським апаратом можуть бути зроблені його зображення до або без обробки насіння контрастною речовиною. У цьому варіанті здійснення ушкодження насіння можна проаналізувати за допомогою програми в контролері 16, в якому використовуються автоматизовані аналітичні методи машинного навчання/глибокого навчання. У цьому процесі роблять рентгенівське зображення першого набору (наприклад, пробної вибірки) насіння для отримання навчального набору даних для ідентифікації ушкодженого насіння в межах 60 навчального набору з метою оцінки ушкодження насіння у зв'язку з пробною вибіркою. Цей навчальний процес використовується для встановлення правил класифікації, які потім використовуються для розподілу за категоріями подальших насінин, які аналізуються.
Навчальний процес може бути здійснений один або кілька разів для збільшення вводу даних у програму з метою підвищення точності класифікаційного аналізу. Оскільки в програму вводять чимраз більше даних, алгоритми машинного навчання уточнюють правила класифікації, щоб краще класифікувати та характеризувати насіння. На фіг. 4 показано рентгенівське зображення набору пробної вибірки насіння бавовни, що містить ушкоджене та здорове насіння. На фіг. БА та 5В представлені рентгенівські зображення, показані на фіг. 4, після того, як проведено класифікаційний аналіз у навчальному процесі. Ушкоджене насіння ідентифікують, а система навчається характеристик, які кваліфікують насіння як ушкоджене, так що ушкоджене насіння в другому наборі насіння може бути виявлене в подальших процедурах аналізу за допомогою програми машинного навчання в контролері 16. Таким чином, процедура розподілу за категоріями за допомогою програми машинного навчання в контролері 16 може бути виконана у зв'язку з будь-якою вибіркою насіння для розподілу за категоріями насіння, у тому числі вибіркою насіння, взятою в процесі виробництва насіння.
Як додатковий або альтернативний варіант зображення насіння можуть бути зроблені під час його вільного падіння або перебування на конвеєрі.
Як додатковий або альтернативний варіант функція ручного або автоматичного сортування може виконуватися після отримання зображень та аналізу насіння.
На основі даних, отриманих з рентгенівських зображень, зроблених рентгенівським апаратом 14, кожна насінина може бути ідентифікована та розподілена за категорією залежно від її вигляду. Наприклад, ступінь ушкодження, який встановлюється або шляхом порівняння рентгенівського зображення насінини з даними навченого класифікатора, що отримані в ході одного чи більше попередніх навчальних процесів, або шляхом аналізу кількості поглинання контрастної речовини насінням, може визначатися за допомогою програми, встановленої в контролері 16, або візуальної перевірки рентгенівських зображень користувачем. Програма в контролері 16 може містити нейронну мережу машинного навчання, яка здійснює ряд класифікаційних процедур для розподілу насіння за категоріями залежно від його вигляду.
Категорії за виглядом можуть грунтуватися на навчених класифікаторах ушкоджень, отриманих під час попередніх навчальних процесів, або на порогових діапазонах вимірювання, визначених для поглинання контрастної речовини насінням. На основі цих критеріїв/діапазонів кожній насінині може бути присвоєно значення ушкодження та/або насінини можна класифікувати відповідно до рівня їхнього ушкодження. Як додатковий або альтернативний варіант перевірку вигляду насіння на рентгенівських зображеннях можна використовувати для класифікації насіння за рівнем його ушкодження.
Згідно з фіг. 6-10, рентгенівські зображення здорового (хорошого) насіння мають більше загальне середнє поглинання рентгенівського випромінювання і вищий показник "коефіцієнта заповнення", ніж зображення дефектного (недозрілого) насіння. Внутрішні показники якості насіння, оцінені за допомогою рентгенівських зображень, виявилися послідовним і надійним способом виявлення у випадку розрізнення здорового і дефектного насіння. А результати отримання рентгенівських зображень відповідають результатам за стандартним протоколом видимих механічних ушкоджень (англ. -- мієца! теспапіса! датаде, ММО). Як було пояснено вище, насіння можна обробляти контрастною речовиною для підвищення здатності системи виявляти ледь помітні ушкодження. На фіг. б показано рентгенівське зображення насіння бавовни, обробленого контрастною речовиною, та без такої обробки. На насінні, обробленому контрастною речовиною, краще видно зовнішні тріщини. Тож здорове насіння легше відрізнити від ушкодженого насіння, оскільки на здоровому насінні немає значних зовнішніх тріщин, які можуть поглинути контрастну речовину. Таким чином, кількість поглинання контрастної речовини корелює з рівнем ушкодження насіння і забезпечує більш ефективний показник ушкодження, ніж у випадку насіння, яке не оброблене контрастною речовиною. На фіг. 7 та 8 показані рентгенівські зображення насіння каноли, сої, бавовни і кукурудзи з ушкодженням та без нього. Насіння обробляють контрастною речовиною, щоб виділити будь-яке ушкодження насіння. На фіг. 9А показані рентгенівські зображення насіння бавовни, обробленого контрастною речовиною та розміщеного відповідно до рівня ушкодження. Як видно на фіг. 9А, темніші зображення вгорі представляють більш здорове насіння з невеликим ушкодженням або без ушкодження, а світліші зображення внизу представляють зростаючі рівні ушкодження насіння. Світлість зображень вказує на кількість контрастної речовини, яку поглинуло насіння.
Таким чином, здорове насіння буде темним, оскільки насіння поглинає мало або взагалі не поглинає контрастної речовини, а ушкоджене насіння буде світлим, оскільки насіння поглинає бо значну кількість контрастної речовини. На фіг. 9В та 9С показані графіки, що відповідають рентгенівським зображенням на фіг. 9А. Графіки ілюструють, що інтенсивність рентгенівських зображень зростає залежно від рівня ушкодження. Збільшення інтенсивності пояснюється кількістю контрастної речовини, яка присутня в насінні, що має високий рівень ушкодження. Ця інтенсивність може бути кількісно визначена шляхом присвоєння кожній насінині значення гіперінтенсивного поглинання рентгенівського випромінювання, яке представлено на фіг. 98. На графіку, зображеному на фіг. 9В, показано значення гіперінтенсивного поглинання рентгенівського випромінювання (ХМО) у відсотках. Чим більший відсоток, тим більше поглинання контрастної речовини, що відповідає більшому ступеню ушкодження насіння. На фіг. 9С показані рівні розподілу середнього поглинання, отримані для насіння, обробленого контрастною речовиною, які демонструють відокремлення, що відповідає ушкодженню, визначеному візуальною перевіркою, і розподілу за категоріями ушкодження насіння, тобто низькому, середньому і високому рівням ушкодження. На фіг. 10А та 10В показані діаграми, які ілюструють мінливість внутрішньої та взаємної вибірки групи насіння бавовни.
Інформація, отримана за допомогою процедури 10 аналізу насіння, може бути корисною під час подальшої обробки, оцінки або аналізу насіння. Наприклад, на заводах з виробництва насіння дані, отримані в процесі аналізу глибокого навчання в рамках процедури 10, можуть використовуватися для прогнозування загального розподілу дефектних насінин у запасі насіння, визначення того, коли в процесі виробництва виникають дефекти насіння (наприклад, збирання, транспортування, обробка або сортування), а згодом можуть використовуватися для корекції або виправлення етапу, що призводить до дефекту. Такі заходи можуть бути використані для визначення розподілу дефектних насінин з підвибірки насіння, що згодом можуть екстраполюватися для прогнозування загального стану запасу насіння. Проаналізоване насіння також може бути використане в лабораторіях з визначення якості насіння для оцінки якості насіння. Інформація, отримана в результаті виконання процедури, може бути використана в подальших випробуваннях на проростання. Можна визначати кореляції між ступенем і кількістю тріщин та проростанням насіння.
В інших варіантах здійснення контрастні речовини можуть бути додані на етапах рідинної обробки під час виробництва насіння для забезпечення можливості видалення ушкодженого насіння за допомогою системи отримання рентгенівських зображень та сортування в
Зо безперервному режимі на конвеєрі або у вільному падінні. Наприклад, контрастні речовини можуть бути додані на додатковому етапі після кислотного видалення пуху і до висушення насіння в насінні бавовни. У випадку всіх сільськогосподарських культур може бути взятий до уваги додатковий етап рідинної обробки контрастною рідиною та промивання перед обробкою насіння, щоб уможливити отримання рентгенівських зображень насіння після обробки для сортувального видалення ушкодженого насіння з потоку продукції. Як додатковий або альтернативний варіант обробка насіння може бути вибрана для специфічного рентгеноконтрастного методу або контрастна речовина може бути додана до суспензії для спрощення процесу додавання контрастних речовин в рамках виробничого технологічного процесу.
Для забезпечення точності та повторюваності рентгенівських зображень у процес 10 можуть бути введені засоби для перевірки належної функціональності та калібрування апарату.
Наприклад, стійкі щодо часу еталонні вибірки можуть бути розроблені таким чином, щоб враховувати стандарти передачі рентгенівського випромінювання. Ці стандарти можуть включати рентгенівські мішені (наприклад, апарати для обробки вибірок змінної товщини із синтетичного матеріалу). Зображення стандартів можуть отримувати з періодичними інтервалами (наприклад, під час запуску кожної партії), а способи обробки зображень будуть використовуватися для перевірки стану апаратного забезпечення для обробки зображень та здійснення будь-яких необхідних повторних калібрувань.
З огляду на детальний опис винаходу стане зрозуміло, що можливі модифікації та варіації без відступу від обсягу винаходу, визначеного в доданій формулі винаходу.
У разі представлення елементів за цим винаходом або переважного(-их) варіанту(-ів) його здійснення мається на увазі, що форма однини та термін "вказаний" призначені для позначення наявності одного або більшої кількості елементів. Мається на увазі, що терміни "який містить", "який включає" та "який має" є включними та означають, що можуть існувати додаткові елементи, які відрізняються від перелічених елементів.
З урахуванням наведеного вище, видно, що було досягнуто декілька цілей цього винаходу та отримано інші переважні результати. Оскільки можуть вноситися різні зміни у вищенаведені конструкції та способи, не виходячи за межі обсягу цього винаходу, мається на увазі, що весь матеріал, який міститься у вищенаведеному описі та проілюстрований у доданих графічних бо матеріалах, має ілюстративний, а не обмежувальний характер.
Claims (5)
1. Спосіб аналізу насіння, який включає: отримання рентгенівських зображень насіння за допомогою рентгенівського апарата; аналіз рентгенівських зображень для визначення параметра кожної з насінин; порівняння параметра, визначеного за допомогою аналізу рентгенівського зображення, однієї насінини з параметром, визначеним за допомогою аналізу рентгенівського зображення, іншої насінини; та розміщення насінин одна відносно одної на основі параметрів насіння; де аналіз рентгенівських зображень включає визначення за допомогою контролера числового значення поглинання рентгенівського випромінювання насіння на основі отриманих рентгенівських зображень, для кількісного визначення ступеня пошкодження насіння, при цьому значення поглинання рентгенівського випромінювання вибирають щонайменше з трьох різних значень.
2. Спосіб за п. 1, який відрізняється тим, що аналіз рентгенівських зображень включає аналіз рентгенівських зображень за допомогою програми машинного навчання в контролері для визначення параметрів кожної з насінин.
3. Спосіб за п. 1, який додатково включає обробку насіння контрастною речовиною.
4. Спосіб за п. 1, який відрізняється тим, що розміщення насіння включає розміщення за допомогою контролера кожної з насінин залежно від значення поглинання насінням рентгенівського випромінювання.
5. Спосіб за п. З, який відрізняється тим, що рентгенівські зображення отримують після обробки насіння контрастною речовиною.
б. Спосіб за п. 5, який додатково включає отримання рентгенівських зображень насіння за допомогою рентгенівського апарата перед обробкою насіння контрастною речовиною.
7. Спосіб за п. 1, який додатково включає зважування насіння.
8. Спосіб за п. 1, який додатково включає поміщення насіння в ємність з водою для видалення бруду та сміття з насіння. Зо 9. Спосіб за п. 3, який додатково включає фільтрування насіння після обробки насіння контрастною речовиною.
10. Спосіб за п. 9, який додатково включає поміщення відфільтрованого насіння в піч для висушування насіння.
11. Спосіб за п. 3, який відрізняється тим, що насіння обробляють контрастною речовиною в процесі виробництва насіння, причому спосіб додатково включає використання визначених параметрів для видалення ушкодженого насіння з процесу виробництва насіння.
12. Спосіб за п. 1, який відрізняється тим, що отримання рентгенівських зображень насіння включає отримання рентгенівських зображень за допомогою системи отримання рентгенівських зображень та сортування в безперервному режимі, причому спосіб додатково включає автоматичне сортування насіння на основі визначеного параметра для кожної насінини за допомогою системи отримання рентгенівських зображень та сортування в безперервному режимі.
13. Спосіб аналізу насіння, який включає: отримання рентгенівських зображень насіння за допомогою рентгенівського апарата; аналіз рентгенівських зображень для визначення параметра кожної з насінин; і розподіл кожної насінини за категорією на одну з принаймні двох категорій на основі параметрів, визначених за допомогою аналізу рентгенівських зображень насіння; де аналіз рентгенівських зображень включає визначення за допомогою контролера числового значення поглинання рентгенівського випромінювання насіння на основі отриманих рентгенівських зображень, для кількісного визначення ступеня пошкодження насіння, при цьому значення поглинання рентгенівського випромінювання вибирають щонайменше з трьох різних значень.
14. Спосіб за п. 13, який відрізняється тим, що аналіз рентгенівських зображень включає аналіз рентгенівських зображень за допомогою програми машинного навчання в контролері для визначення параметрів кожної з насінин.
15. Спосіб за п. 14, який відрізняється тим, що етапи отримання рентгенівських зображень, аналізу рентгенівських зображень і розподілу кожної насінини за категорією здійснюються в навчальному порядку для підготовки програми машинного навчання з метою пізнання правил класифікації для визначення параметрів насіння.
16. Спосіб за п. 15, який додатково включає отримання за допомогою рентгенівського апарата рентгенівських зображень іншого набору насіння, аналіз рентгенівських зображень іншого набору насіння для визначення параметра кожної з насінин в іншому наборі насіння на основі правил класифікації, пізнаних у навчальному порядку, і розподіл за категорією кожної насінини в іншому наборі насіння на одну з принаймні двох категорій на основі параметрів, визначених у результаті аналізу рентгенівських зображень іншого набору насіння.
17. Спосіб за п. 16, який відрізняється тим, що інший набір насіння отримують з вибірки насіння, взятої в процесі виробництва насіння.
18. Спосіб за п. 13, який додатково включає розміщення за допомогою контролера кожної з насінин одна відносно одної залежно від значення поглинання насінням рентгенівського випромінювання. г ЗВАЖУВАННЯ ПАРТІЇ НАСІННЯ 7 -яа ня Кн сим угіх з ПУ с й Ше ОБКЛАДЕННЯ НАСІННЯ В ОДИН КВ ВИДАЛЕННЯ СМИТЯ нт Я ВМІЩЕННЯ НАСІННЯ В ЄМНІСТЬ З ВОДОЮ ПЕРЕМІШУВАННЯ НАСІННЯ Я Зо те ВИДАЛЕННЯ НАСІННЯ З ЄМНОСТІ ГЕОЗМІЩЕННЯ НАСІННЯ НА ПРОКЛАДЦІ ЯК фу АКА КККААКАААИИИИККАККК г Я ОГЕОБМИЩЕННЯ ПРОКЛАДКИ «а сон ВВЕЕХУ НАСІННЯ ВМІЩЕННЯ НАСІННЯ В ЄМНІСТЬ З Че! є м В За КРЕМІЩШУВАННЯ ПТ ЯЛЬТРУВАННЯ со 1 НнАшНнНЯ Я ее | БОБКНЦЕННЯ НАСІННЯ НА ПРОКЛАДЦІ ГомеЦемнЯя нАСІННЯ ВЧ рн ТРИМАННЯ РЕНТГЕН УКИХ | дн В 1 ТР КВН: 18 Е ЕНІЇ ЕНІВСЬКИХ фан
Фіг. 1 б
АПАРАЄ ДЛЯ ВТРИМАННЯ ЗОБРАЖЕНЬ ТА АНАНІЗУ ї ПРИСТРІЙ ОТРИМАННЯ ! і КОНТРОЛЕР
Фіг. 2 Зав ування націння в ща кемцвктіююниа бікеинам МЕМ ту еховлнки змвіуа 5 Висування нворастієпечі при ВО 5 хв. ї5 хв. є х ї о КЕ 0. с и я ОО с о» с ОБОЄ со В С ОА во еВ о. МОМ я с ХХ ОХ і З с З КК вх ХО КОЖ Ж З ОВ хх ж ОКО ХО ше с . нн М с В МИМО . х 3 В ОКО КО КО Ева тЕкННя Нафеня з комерцянокму укр Мах кеВ ня я ВБУМа суха : ; --к : дея ; зображення хв: т У С ооо ще с о О.К:
: В. и їв 1 о І о пе 8 Її Кв: НЕ че щ. ж с с. ! ОН А ОО ВЕ о С с ЕЕ: М ОН с. КОКО СО ОО о ООН ши В . в М Б ООН С сс сосо ЗІНИННИННЙ НН ПЕОВОКНН В Кен и Х х х 7 НВ Із не вже
Фіг. З шо с о - НЕ ї М М ен ща а и: сш п. ЖОВ ща в с пен в ЗО ОВ ОК КО ОО ТОЖ ОО Я ЕН Я ї о З с ОО с В 5 У 0 с я с НТ в с с Б. о М пи СОН В СЕК ЗВ я дин В НЯ пен Ве В СОЯ Я В У ВЕ ЕК, ПОТ ПО З с оса ен ОХ ОО ОХ КОКО ОККО ЯН ЗБНННЕ п с СО с о 0 щі яра ПН ОКВ ЗКОЯХ Ох о. ПИ с Дн пен п ве ее НАХ ОО ВН я ЕК Е шо . с 1 ДОВ яОя ВО Вя сення с а М с ООН НН в с - с с о ; с ООН ша о п. 6 о. ІМК о оро нання НВ КОНЯ УЗН: СЕ о Я с с с ще с ВН ВО ОД с о с її; її її її у І ОО я нн Пе в ов Б у ЕМО Ворони кон внов ПИТИ щи КН ОК ванни 0. ОХХКК Ве 0 во ООН Пи НЕ Я ООН о пон. ку я с во КО Б о с с с 6 1 шо 5. КОН ННЯ и ВЕН с о 0: я 11 г ех о є о в
0 о. ПЕНЕЕ оно М ВОК ПУ КВНННн нн вне у : с п п - .: о о с Б 5 її а осо с па КН ОО ОКО МеВ ПОН В ХОХККеННН ОКО: с ин ОН с НН с с с І ОО КК я МОЯ НО ен ООН Не КУ ОВНН : п КОН і; т ї с ЇЇ Се с с Її о с 1 с 5 я є ооо и. с. 1 Ен йо пи с а п КО о ПОВ ШЕ ПЕН с в що ПЕ ВЕН ПЕ ди Як о. 1 с с З с ПН ий ВВ пн с ООН В. її: п с ; с с Х ОН ення вн о з зсЄє п
Фіг. 4 Ше Вес Б ще 010 ши ВАВ ВО ПОКОК Б мя
Ве . Я ОЗОН ХУ Ох ої 1 ЗБ Ба хе -. о й Еш ЕН. Я о й я ОО ана ст й ЕМВ Я НИЙ ке КЕ . Я я ке 5 о що ве кан й В есе ООН З м Кен Я за КЕ КУ о. ЕВ То ее Її косе ВНУ КУ о ВО МО ДОН ММК кеВ Ох Не СУ АЙ В Ме Оев КО Бу Е и ши КВ ОО БО 5 РО ВЯ ВООЗ о Б Не КОХ КО 5 Б а. в ОК ії 55 ОВ І. СБ о. - КМ Бех ж нан Бе ж
М. о В ПА рення ОМ й я В Я Ей УСНО те М ще КЕ В ОО ща шк. оеЯ ВЕНУ ії . с с - (й її: я з КЕ
Фіг. БА
Й я я с 0 Е о: ще
Б. ХО хх Я с АХ Ши ОК Б В ОВ ПОВ 5 ЗОВ ТК ОВУ ТНК он Б МОХ ОБО п Ще ОО Я ПККОЕ ою вне : що ПОВ - Я По : СТУ м І. ШЕ о ЕЕ : Хо Хе ДУМ Си Е хх ЗИ ее НЯ Я ВО 0 осв 0: 5 В КО ХНИ ен ХХУ КОН Я Ох З ШУ КОВО : Ся о: п г ЕН В ТОВ п М С (й о її . 000 о. ОО ВО Ж. ЕЕ Во о о В ЗОККВЕЯ : сш в о І І З ОС Н ПАСОК аа Я ПЕК а Ба с ОН МОУ З ДО
! о. а пи ОО що Я ее Хе ЗОН о; о. ОО Е ВХ . КОХ уО ОХ М ОО ЕКО ОКО Ех ; я З М В ММ МОХ ОХ З ВО . М Ще ВОК ОО З ОО У НОМ я ВЕ я ВО ВО З ОХ ХВ У Пт ЕКО ЕЕ оо. с 0 с ВЕ що о В Мая неон ДЕ Я ОО В СВ З Я ТОК нених о. З КК З ШОВ Ме ВХ Я: ЕХ КК ХО М. ВХ : М ЗОН ше Б ЗО : ПОВ .
Фіг. БВ ; нена Звечови 4 завинИи Без речов З нн я ше у Пеня ення ТИ : : | ОБО ВВ . ОВ т ша і п КЕ ЗМ й КАК З ВО СОМ КК Я ПА СХ УНК 0 ї 0. о. М Я п Ж. ! ЕЕ ОО ОО оВова КО ОКО БУ : п ОВО ння ОО о. | с З о с З | : с . о в КК ен сх ЗЯ з я р: ВЕУ З оо нон
Б. с - | ши с я Я с З п. ЗОН Е СЕК ОККО Ж Я З ВХ А о ОН В с З п ЗБ Ох ес ВН Манн ІЖЕХХ ОК ОО Я НУ З ОККО ПО с й Ох 0 Ве ОО оо ; ПК КК 0 ОКО По ЗУ З хх СО З ООН Со Не Х с Я ПЕК о: Вон БО о ЗО З Ше шШ- ЕЕ й Ух . ОО ; З Ше з НО ОО о З п і о о ї : КЕ: Б. ще МК ОК ПООККК я рн о ЖЕ УХА З о зон Б: п і в. вн й: ОХ У й й : 6. ща ХК Ж З пе ООН ПО у ну а о З ПРОВО о : п ШУ ЩЕ | ве ее
Фіг. 6
ОА 1 27316 Сг т поле Бавовна Кук б и вувія Ж ша с т а - є о с с ж с с Ф - в І а Ох с о. с с с о . с щі с Ох с . КК в А вт . . 5 перевкосте оон све совю все що їв с и М 0. ВО шо х хх г : бі їй З ши пен с х с УМОВ п 0. с с х с З 0» . ЗБОНя с З : с о п ООН ОБ КЕ ЗХ с хіх ка - чі її З у . с с : з 0 с . с г о ХХ ОК ев БК п Б ше . її. о і с й с о. шо й Канола Соя Ж «5 звивини Бавов а Ж ще Ох вОВ х Б пен чин шу о ян Кукурдаа ! 5 Б Ск КО о Я ОНИ КО с : з ЕЕ о зе м 2. ПО ООН КО я Я ЕКО | є ж :
: . й о. п я в СОЯ и БІЙ в НХ З : : З Коощ -. т. її сеї о. : ет МНН інь і о о о: ' нення: зииешнньня НА о я я ! о ЖЕ Ж й чи ке ватра ви її: 5 й - : й Е з - Кх Ве око ва Ви ПО я Я : ж Б З о щ їв в і чи К В . о. ск" ол» а : ке я. ГГ г З о. Є : ії. Ше Ко : я ЕНН Іі о. М 6 о в. шо МУ ВОК МЖК в НЕ їх ях МК ж І ; КО "в й
Фіг. 8 у Б ВО ОО в ВО с о о ї вс о 5 5. М | оо о Б ОО о я о. В її ПЕИОАВ її ДЕН ЗОМ В ХО ШИМНЕХ ОТ ВЕН о З НЯ
І о. г по ОВННя о о. о 0 ВО ЗОН
В 5. о: с ЗЕ 5 оо ХОМА о ї по й. нн В ОВ о 0 ші 6 А щи: що ШО ща ОО з в ЗА З ПО ВО КК Кс Е МО о ПО Б 5 Бк ! ИОВЬ орних ЗХ КО СХ ХВ Б МВ Я Е с Б в. | шк ОА КН ОКей КО Я ОО Е 0 / у в с о. с й п що й з я й ЗІБ ЩЕ Е є ЕЕ ч то Кк МК НЯ пе я КО КО СКК КЕКВ ОБ «Я о. а Б я п. З ОО п. Б ее о. . У Бе КЕ ТО Вк ЕК ДТ Кошти Во
Фіг. ЗА Значення МІ санієтї насінини
ЩОЮ. ср ї З х Які пт ТТ ТТН ТТН ТТН НІ РЕНІ РЕНЕ НТ МЕНЕ РЕНЕ ТЕРЕН РЕРЕНО ТЕРЕН МЕРЕ МЕНЕ ТРЕНЕР РЕНО ТЕРЕН РЕМЕНІ РЕМЕНІ МЕНЕ МЕНЕ МЕНЕ Ре РЕНо РЕ РЕНо РЕ чеН т РеентРечете ее е в в кінні стеку, ї Ек ї є А ще ДН ння їн же ЕЕ в хх : х ТЕХ Ж «п 0. - - ТО но Її Ї її В т ! ОР Мр І ВШ. ші їх : : хі Е з х і КЕ ЕН : г її ї З Ї Ії В їх Ж се ЗХ 1 х 3 х ЩЕ ї ї КОХ з х ї з ІЗ х 1 з ї 54565981 Насічина
Фіг. ЗЕ
Резподії середньої інтенсивності здо й з - Дисоким рівень не її --- Середній рівень . Б с Мизький рівень: шо 150 і, вк КОНТОСТЬ г | що За !
г . о. У 4100 о Я до щи пекан ния г ее є є в з з ее є о ее о ай ай ЯА 4 їй 6 бо ай їв о й Фо ер є же! міх вон вт ж Й Середня мтененвність
Фіг. З3Є
Порівняння внутрішньої вибірки Область середнього відсотка пречевими Мен Ка
606.
во.
т. 5 зв | :
З 2. (бро Їннтннні секнненевня нн Контроль Кисокий рівень Середній рівень Низький рівень Вика я
Во. Середня величина поглинання Ма Ма ї ЗАЛ ЕЧНІМЬ, она л1ЕНИ хе на о - МОБНИ Ж 5 овен г ; Ж ОД ОЗ щ 4 ї у те в рення 0 ДЕКО сетер петанк ення мин К В Контроль Високни рішень Середній йівень Низький вівень Ко Нибрха
Фіг. 10А
Порівняння взаємної вибірки Область середнього відсетка речовини Ма Че
Во. ун що і : Бр й М. -- Зо: : ПО З доееоаю хх ВОЛОС ОК КК КК КК КА КК КК КК КК В Кк Контроль» ПиИсСОКМИ бівень Середній рівень НИЗЬЕНИ вівень Биоужа Е Ж Середня величина поглинання Ма (Ме щ ЛЕО : т В з14еЕни се ЗНО в ЗА ! 2 ЗОБІ о ВЗЕОЗ з ! Е ВоБнЗ - - -- З Кантропь БШисокий рішень Середній рівень Мизький рівень 5
Фіг. ло
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862628114P | 2018-02-08 | 2018-02-08 | |
PCT/US2019/017171 WO2019157254A2 (en) | 2018-02-08 | 2019-02-08 | Seed analysis |
Publications (1)
Publication Number | Publication Date |
---|---|
UA127316C2 true UA127316C2 (uk) | 2023-07-19 |
Family
ID=67549674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
UAA202004685A UA127316C2 (uk) | 2018-02-08 | 2019-02-08 | Аналіз насіння |
Country Status (8)
Country | Link |
---|---|
US (1) | US11044843B2 (uk) |
EP (1) | EP3749079A4 (uk) |
AR (1) | AR114624A1 (uk) |
BR (1) | BR112020014634A2 (uk) |
CA (1) | CA3090531C (uk) |
MX (1) | MX2020008339A (uk) |
UA (1) | UA127316C2 (uk) |
WO (1) | WO2019157254A2 (uk) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019106641A2 (en) * | 2017-12-03 | 2019-06-06 | Seedx Technologies Inc. | Systems and methods for sorting of seeds |
WO2019106638A1 (en) | 2017-12-03 | 2019-06-06 | Seedx Technologies Inc. | Systems and methods for sorting of seeds |
EP3764766A4 (en) | 2018-03-14 | 2022-02-23 | Monsanto Technology LLC | SEED IMAGING |
MX2020013129A (es) | 2018-06-11 | 2021-02-18 | Monsanto Technology Llc | Seleccion de semillas. |
CN110694937A (zh) * | 2019-09-26 | 2020-01-17 | 湖南有色新田岭钨业有限公司 | 一种低品位浸染状矽卡岩型白钨矿预先抛废工艺 |
AR120451A1 (es) * | 2019-11-13 | 2022-02-16 | Monsanto Technology Llc | Sistema de imagenología de semillas de rayos x, dispositivo de rayos x de gabinete y métodos de evaluación de semillas |
CN114145096B (zh) * | 2021-10-29 | 2022-10-14 | 华南农业大学 | 考种前处理装置、水稻整穗喂入考种系统和考种方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9574997B2 (en) * | 2010-10-15 | 2017-02-21 | Syngenta Participations Ag | Method for classifying seeds, comprising the usage of infrared spectroscopy |
AU2015256246C1 (en) * | 2014-05-06 | 2018-05-31 | Dow Agrosciences Llc | System for imaging and orienting seeds and method of use |
WO2016044050A1 (en) | 2014-09-16 | 2016-03-24 | Monsanto Technology Llc | Improved methods of plant breeding using high-throughput seed sorting |
-
2019
- 2019-02-08 US US16/271,005 patent/US11044843B2/en active Active
- 2019-02-08 EP EP19751587.7A patent/EP3749079A4/en active Pending
- 2019-02-08 CA CA3090531A patent/CA3090531C/en active Active
- 2019-02-08 MX MX2020008339A patent/MX2020008339A/es unknown
- 2019-02-08 UA UAA202004685A patent/UA127316C2/uk unknown
- 2019-02-08 BR BR112020014634-0A patent/BR112020014634A2/pt unknown
- 2019-02-08 AR ARP190100317A patent/AR114624A1/es active IP Right Grant
- 2019-02-08 WO PCT/US2019/017171 patent/WO2019157254A2/en unknown
Also Published As
Publication number | Publication date |
---|---|
US11044843B2 (en) | 2021-06-29 |
US20190307055A1 (en) | 2019-10-10 |
BR112020014634A2 (pt) | 2020-12-08 |
WO2019157254A3 (en) | 2020-04-30 |
EP3749079A2 (en) | 2020-12-16 |
CA3090531A1 (en) | 2019-08-15 |
EP3749079A4 (en) | 2021-10-27 |
WO2019157254A2 (en) | 2019-08-15 |
CA3090531C (en) | 2024-01-23 |
AR114624A1 (es) | 2020-09-30 |
MX2020008339A (es) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
UA127316C2 (uk) | Аналіз насіння | |
Zareiforoush et al. | Potential applications of computer vision in quality inspection of rice: a review | |
KR102092054B1 (ko) | 자동 결함 분류에서 분류기 준비 및 유지 | |
Ahmed et al. | X-ray CT image analysis for morphology of muskmelon seed in relation to germination | |
Mertens et al. | Dirt detection on brown eggs by means of color computer vision | |
US20030072484A1 (en) | Method and apparatus for identifying and quantifying characteristics of seeds and other small objects | |
US8935881B2 (en) | Method and device for evaluating germination properties of plant seeds | |
JP2022511182A (ja) | 種子選別 | |
Koszela et al. | Computer image analysis in the quality in procedure for selected carrot varieties | |
Lunadei et al. | Automatic identification of defects on eggshell through a multispectral vision system | |
Dell’Aquila | Pepper seed germination assessed by combined X-radiography and computer-aided imaging analysis | |
CN112789499A (zh) | 教师数据生成装置和教师数据生成程序 | |
Medeiros et al. | X-ray imaging and digital processing application in non-destructive assessing of melon seed quality | |
Marcos Filho et al. | Using tomato analyzer software to determine embryo size in x-rayed seeds | |
EP3862748A1 (en) | X-ray inspection device for detecting residual bones in chicken breast meat | |
Oliveira et al. | Morphological parameters of image processing to characterize primary root emergence in evaluation of tomato seed vigor | |
Khalid et al. | Image processing techniques for Harumanis disease severity and weighting estimation for automatic grading system application | |
Ramos et al. | SARS software for analysis of radiographic images of Urochloa decumbens (Stapf) RD Webster seeds | |
Moreira et al. | Separation of coriander seeds by Red, Green and Blue image processing | |
Silva et al. | X-ray, multispectral and chlorophyll fluorescence images: innovative methods for evaluating the physiological potential of rice seeds | |
Hanibah et al. | Determination of physical rice composition using image processing technique | |
KR100962509B1 (ko) | 영상처리 기반의 검란 장치 및 방법 | |
CN112255251A (zh) | 检查装置 | |
De Medeiros et al. | Seed Science | |
Figorilli et al. | Olive Fruit Selection through AI Algorithms and RGB Imaging. Foods 2022, 11, 3391 |