WO2009090279A1 - Método y sistema automático para la determinación y clasificación de alimentos - Google Patents

Método y sistema automático para la determinación y clasificación de alimentos Download PDF

Info

Publication number
WO2009090279A1
WO2009090279A1 PCT/ES2008/070007 ES2008070007W WO2009090279A1 WO 2009090279 A1 WO2009090279 A1 WO 2009090279A1 ES 2008070007 W ES2008070007 W ES 2008070007W WO 2009090279 A1 WO2009090279 A1 WO 2009090279A1
Authority
WO
WIPO (PCT)
Prior art keywords
food
sensor
classification
automatic
fish
Prior art date
Application number
PCT/ES2008/070007
Other languages
English (en)
French (fr)
Inventor
Iñigo MARTINEZ DE MARAÑÓN IBABE
Raquel RODRIGUEZ FERNÁNDEZ
Aitor LASA MORÁN
Original Assignee
Fundacion Azti-Azti Fundazioa
Fundacion Fatronik
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 Fundacion Azti-Azti Fundazioa, Fundacion Fatronik filed Critical Fundacion Azti-Azti Fundazioa
Priority to ES08718455.2T priority Critical patent/ES2461792T3/es
Priority to JP2010542651A priority patent/JP5481391B2/ja
Priority to BRPI0819967-1A priority patent/BRPI0819967A2/pt
Priority to CA2712386A priority patent/CA2712386A1/en
Priority to US12/812,955 priority patent/US8207467B2/en
Priority to PCT/ES2008/070007 priority patent/WO2009090279A1/es
Priority to EP08718455.2A priority patent/EP2251100B1/en
Priority to CN200880127162.4A priority patent/CN101952055A/zh
Publication of WO2009090279A1 publication Critical patent/WO2009090279A1/es

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/38—Collecting or arranging articles in groups
    • 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
    • B07C2501/0063—Using robots
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0081—Sorting of food items
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S209/00—Classifying, separating, and assorting solids
    • Y10S209/905—Feeder conveyor holding item by suction

Definitions

  • the present invention relates to a method and an automatic system for the determination and classification of foods.
  • the invention is based on a high-speed handling robot assisted by a location system that is capable of detecting food that comes by a conveyor belt in a random manner and without contact between them, and classify it according to its own characteristics.
  • the robot incorporates a robotized handling claw in which at least one sensor is located that allows the classification of the food.
  • a method and an automatic system for the classification of different foods are described, in which the food enters through of a transport system and its presence is detected by means of a location system, without the need to move or rotate the food, and once recognized by said system the food and its position on the conveyor belt, a robotized claw that presents at least one sensor, classifies the food.
  • the present invention aims to solve the problem of determining and classifying, automatically, food.
  • the solution is to develop an automatic system that is able to determine the characteristics of each food and classify it according to these.
  • an automatic system for the determination and classification of foods comprising at least:
  • a transport system through which the food moves a system for locating the position, orientation, geometry and size of the food, a robotic claw that is positioned on the food, thanks to the information obtained by the location system, at least a sensor present in the robotic claw for the classification of the food.
  • the present invention refers to a transport system, it can be either manual or automatic, such as a conveyor belt.
  • this may be an artificial vision system, or a system operating through microwaves, ultrasounds, infrared, ultraviolet, X-rays or a mechanical system such as cannulas, etc. .
  • the food handling claw present in the robot can act by means of vacuum, pneumatic, hydraulic, electromechanical actuators, or passive methods, among others, so that it adapts on the one hand to the geometry and physical characteristics of the product for its correct handling and on the other hand to the integrated sensor system, integrated sensor.
  • the sensor takes the data from the outside of the food or enters it. PREFERRED EMBODIMENT OF THE INVENTION
  • the food to be classified is fish and in particular green.
  • the green is introduced through a conveyor belt.
  • This fish is detected by a vision system that allows the robotic claw to be placed later on or in the green, to take the necessary data for its classification.
  • the measurement is carried out in this embodiment by inserting a sensor in the feed, specifically on or in the gonads of the fish.
  • the sensor is present in the robot claw and thanks to the information retrieved by the vision system, the sensor will be inserted in a suitable place for the correct sex determination.
  • the vision system detects the fish as they move along the conveyor belt and correctly identifies their position and orientation. After detection, the vision system, which has been previously calibrated with respect to the robot and the conveyor belt, performs the transformation of the reference system to send the robot that presents the claw the coordinates of the point where the sensor should be inserted.
  • the vision system is composed of three fundamental parts: the lighting system, optics and the software that performs the analysis of the images.
  • an enclosure is constructed that isolates the work area from external lighting.
  • the vision system in this embodiment shows two high intensity linear fluorescent lighting sources.
  • the sources work at a sufficiently high frequency to avoid flickering and fluctuations in intensity.
  • the sources are located on both sides of the conveyor belt, and at a suitable height on it.
  • each pixel of the image is stored as the sum of several Gaussian functions.
  • the number of Gaussians that the model approaches depends on how flexible and adaptable it is to be: between three and five it seems an adequate number in the tests.
  • This model is updated during the execution of the algorithm, so that the model is flexible in the face of changes, both progressive and abrupt, requiring in both cases an adaptation time.
  • the Expectation Maximization (EM) algorithm is used. Pixel-level modeling allows different areas of color / material and lighting in the work area and adaptation allows flexibility in the constancy of lighting, as long as there is no saturation in the sensor and the dynamic range is enough, and as for the color of the tape, which can vary over time due to wear or dirt.
  • a fixed limit is defined as a function of the standard deviation of each Gaussian, and it is decided that a particular pixel belongs to an object if its gray scale value does not fall within the range defined by any of the Gaussians.
  • an iterative algorithm for the growth of regions in two passes is used to identify Carry the blobs or connected regions that will then be analyzed.
  • a simple filtering is also carried out according to the area, the length and the long / wide relation to discard the most evident regions.
  • the moments of inertia of first and second order the center of mass of the object and its semimajor axis and minor, which allows to identify the orientation of the fish is calculated.
  • the robotic fish handling claw present in the robot works by vacuum, in this embodiment.
  • the claw shows a suction system by vacuum and a set of suction cups, it is necessary at least one, for the grip of the fish.
  • These suckers are of the bellows type so that they adapt easily to the curvature of the different fish.
  • This system is complemented with at least one skewer that allows to avoid the shearing efforts on the suckers, since the fish and the water environment are very slippery, when the fish is subjected to lateral displacements and high speed turns and High acceleration, inertias and shear stresses are not supported by suction pads that work mainly with traction. It is necessary to introduce the skewers in the fish to avoid the shearing efforts.
  • One of the pinchos the one located in the ventral zone of the fish, presents the sensor probe that is introduced to the gonads in a protected manner.
  • the sensor is inserted on the gonad of the fish and analyzes the spectrum obtained after the incidence of electromagnetic radiation in the gonad, being different the spectra of the male and the female.
  • the robotic claw deposits the fish on the appropriate conveyor belt.

Abstract

Método y sistema automático para la determinación y la clasificación de alimentos basado en un robot de manipu- lación de alta velocidad asistido por un sistema de localización que es capaz de detectar el alimento que viene por un sistema de transporte de manera aleatoria sin contacto entre unos y otros, y clasificarlo; el robot lleva incorporada una garra de manipulación en la que está alojado un sensor que permite la determinación y clasificación del alimento.

Description

MÉTODO Y SISTEMA AUTOMÁTICO PARA LA DETERMINACIÓN Y CLASIFICACIÓN DE ALIMENTOS
DESCRIPCIÓN OBJETO DE LA INVENCIÓN
La presente invención se refiere a un método y a un sistema automático para la determinación y clasificación de alimentos .
La invención está basada en un robot de manipulación de alta velocidad asistido por un sistema de localización que es capaz de detectar alimentos que vienen por una cinta transportadora de manera aleatoria y sin contacto entre unos y otros, y clasificarlo según características propias. El robot lleva incorporada una garra robotizada de manipulación en la que está alojado al menos un sensor que permite la clasificación del alimento .
ANTECEDENTES DE LA INVENCIÓN
Existen métodos automáticos para la clasificación de alimentos como el documento patente US4884696. En este documento se describe un método automático de clasificación de objetos de distintas formas.
En esta invención diferentes sensores se encuentran a lo largo del recorrido que realiza el objeto a clasificar. Una rueda con garras gira el producto para que puedan quedar a la vista todas sus caras.
En la presente invención se describe un método y un sistema automático para la clasificación de diferen- tes alimentos, en los que los alimentos entran a través de un sistema de transporte y su presencia es detectada mediante un sistema de localización, sin necesidad de mover o girar el alimento, y una vez reconocido por dicho sistema el alimento y su posición en la cinta transportadora, una garra robotizada que presenta al menos un sensor, clasifica el alimento.
DESCRIPCIÓN DE LA INVENCIÓN
La presente invención pretende resolver el problema de determinar y clasificar, de forma automática, alimentos .
La solución es desarrollar un sistema automático que sea capaz de determinar características propias de cada alimento y clasificarlo en función de éstas.
En un primer aspecto de la invención, la misma se refiere a un método automático para la determinación y clasificación de alimentos que comprende al menos las siguientes etapas:
alimentación del alimento a clasificar en un sistema de transporte por donde el alimento se desplaza determinación mediante un sistema de localización de la posición, la orientación, geometría y tamaño del alimento, posicionamiento de una garra robotizada sobre el alimento, gracias a la información obtenida por el sistema de localización, toma de datos mediante un sensor presente en la garra robotizada y clasificación del alimento en función de los datos obtenidos por el sensor, separación del alimento clasificado. En un segundo aspecto de la invención la misma se refiere a un sistema automático para la determinación y clasificación de alimentos que comprende al menos :
un sistema de transporte por donde el alimento se desplaza un sistema de localización de la posición, la orientación, geometría y tamaño del alimento, una garra robotizada que se posiciona sobre el alimento, gracias a la información obtenida por el sistema de localización, al menos un sensor presente en la garra robotizada para la clasificación del alimento.
Cuando en la presente invención se habla de sistema de transporte este puede ser tanto manual como automático, como por ejemplo una cinta transportadora.
Cuando en la presente memoria se refiere un sis- tema de localización, éste puede ser un sistema de visión artificial, o un sistema que funcione a través de microondas, ultrasonidos, infrarrojo, ultravioleta, rayos X o un sistema mecánico por ejemplo canjilones, etc .
La garra de manipulación de los alimentos presente en el robot, puede actuar mediante vacio, actuado- res neumáticos, hidráulicos, electromecánicos, o métodos pasivos, entre otros, de manera que se adapte por un lado a la geometría y características físicas del producto para su correcta manipulación y por otro lado al sistema sensórico integrado, sensor integrado.
El sensor toma los datos de la parte exterior del alimento o introduciéndose en él . REALIZACIÓN PREFERENTE DE LA INVENCIÓN
En un ejemplo de realización de la invención el alimento que se va a clasificar es pescado y en concreto verdel.
El verdel se introduce a través de una cinta transportadora .
Este pescado es detectado por un sistema de visión que permite que posteriormente la garra robotizada se coloque sobre o en el verdel, para la toma de los datos necesarios para su clasificación.
En este ejemplo de realización se pretende clasificar verdeles en machos y hembras .
La medición se realiza en este ejemplo de realización mediante la inserción de un sensor, en el alimen- to, en concreto sobre o en las gónadas del pescado. El sensor se encuentra presente en la garra de robot y gracias a la información recuperada mediante el sistema de visión, se insertará el sensor en un lugar adecuado para la correcta determinación del sexo.
El sistema de visión detecta los pescados según se desplazan por la cinta transportadora e identifica correctamente su posición y orientación. Tras la detección, el sistema de visión, que ha sido previamente calibrado con respecto al robot y la cinta transportadora, realiza la transformación del sistema de referencia para enviar al robot que presenta la garra las coordenadas del punto donde debe insertarse el sensor. El sistema de visión se compone de tres partes fundamentales : el sistema de iluminación, óptica y el software que realiza el análisis de las imágenes.
Con el sistema de iluminación se persiguen diferentes objetivos: mantener una iluminación constante en el área de trabajo para eliminar variaciones que dificulten o incluso impidan la labor del software de análisis, eliminar las sombras proyectadas por los objetos, eliminar brillos y reflejos en objetos y cinta, maximi- zar el contraste entre los objetos a analizar y el fondo, la cinta transportadora.
Para conseguir que la intensidad de la ilumina- ción sea constante, se construye un cerramiento que aisla el área de trabajo de la iluminación externa.
El sistema de visión en este ejemplo de realización presenta dos fuentes de iluminación fluorescentes lineales de alta intensidad. Las fuentes funcionan a una frecuencia suficientemente elevada para evitar parpadeos y fluctuaciones en la intensidad.
Las fuentes se sitúan a ambos lados de la cinta transportadora, y a una altura adecuada sobre la misma.
Se sitúan de forma confrontada, para que la luz incida de forma indirecta sobre la cinta transportadora, de esta forma, se evitan las sombras y brillos.
Para seleccionar la óptica adecuada del sistema de visión, hay que tener en cuenta bá sicamente el tamaño del sensor de la cámara, la distancia al plano de trabajo y el tamaño de los objetos que se deben detectar.
Para el sistema de detección del sistema de vi- sión inicialmente, se realiza un modelado estadístico del fondo, es decir, de la cinta transportadora sin pescado alguno.
En este modelo, se almacena cada pixel de la imagen como la suma de varias funciones gaussianas.
El número de gaussianas por las que se aproxima el modelo depende lo flexible y adaptable que se necesite que sea: entre tres y cinco parece un número adecuado en las pruebas.
Este modelo se actualiza durante la ejecución del algoritmo, de modo que el modelo es flexible ante cambios, tanto progresivos como bruscos, necesitando en ambos casos un tiempo de adaptación. Para adaptar el modelo y ajustar los datos obtenidos a las gaussianas, se utiliza el algoritmo Expectation Maximization (EM) . El modelado a nivel de pixel permite áreas diferenciadas tanto en color/material como iluminación en el área de trabajo y la adaptación permite flexibilidad en cuanto a la constancia de la iluminación, siempre y cuando no se produzca saturación en el sensor y el rango dinámico sea suficiente, y en cuanto al color de la cinta, que puede variar a lo largo del tiempo por desgaste o suciedad.
Utilizando el modelo estadístico anterior, se realiza la segmentación de los objetos situados en el espacio de trabajo. Se define un limite fijo en función de la desviación típica de cada gaussiana, y se decide que un pixel concreto pertenece a un objeto si su valor en escala de grises no queda dentro de la campana definida por ninguna de las gaussianas.
Posteriormente se utiliza un algoritmo iterativo de crecimiento de regiones en dos pasadas para identifi- car los blobs o regiones conectadas que luego se van a analizar. En este punto también se realiza un filtrado simple en función del área, la longitud y la relación largo/ancho para descartar las regiones más evidentes. Utilizando los momentos de inercia de primer y segundo orden, se calcula el centro de masas del objeto y sus semiejes mayor y menor, que permite identificar la orientación del pescado.
Para definir correctamente la zona de pinchado, se extraen dos medidas diferentes. Inicialmente se realiza una división longitudinal del objeto y se compara la media de intensidad calculada en ambas mitades utilizando la máscara obtenida en la segmentación. De esta forma se distingue la posición del lomo frente al estómago. Finalmente, se extraen dos medidas trasversales a cierta distancia de los extremos para conseguir diferenciar la zona de la cabeza de la cola. Con este análisis, ya se puede calcular la zona de pinchado.
La garra robotizada de manipulación del pescado presente en el robot funciona mediante vacio, en este ejemplo de realización.
La garra muestra un sistema de aspiración mediante vacio y un conjunto de ventosas, es necesaria al menos una, para el agarre del pescado. Estas ventosas son de tipo fuelle de manera que se adaptan fácilmente a la curvatura de los diferentes pescados.
Este sistema se complementa con al memos un pincho que permite evitar los esfuerzos a cortadura sobre las ventosas, ya que por ser el pescado y el entorno de agua muy resbaladizo, cuando se somete al pescado a desplazamientos laterales y giros de alta velocidad y alta aceleración, las inercias y los esfuerzos de cortadura no son soportados por las ventosas que trabajan a tracción principalmente. Es necesario introducir los pinchos en el pescado para evitar los esfuerzos de cortadura.
Para soltar o dejar el pescado de manera rápida, no sólo se procede a romper el vacio del sistema, sino que adicionalmente se realiza un soplado de aire a través de las ventosas, que acelera el proceso y además contribuye a la limpieza de las zonas internas de las ventosas .
Unos de los pinchos, el situado en la zona ven- tral del pescado presenta la sonda del sensor que se introduce hasta las gónadas de una manera protegida.
El sensor se inserta sobre la gónada del pescado y analiza el espectro que se obtiene tras la incidencia de una radiación electromagnética en la gónada, siendo diferentes los espectros del macho y de la hembra.
Una vez tomada la decisión del sexo del pescado la garra robotizada deposita el pescado en la cinta transportadora adecuada.
No alteran la esencialidad de esta invención variaciones en materiales, forma, tamaño y disposición de los elementos componentes, descritos de manera no limi- tativa, bastando ésta para proceder a su reproducción por un experto.

Claims

REIVINDICACIONES
Ia.- Método automático para la determinación y clasificación de alimentos que comprende al menos las siguientes etapas:
alimentación del alimento a clasificar en un sistema de transporte por donde el alimento se desplaza determinación mediante un sistema de localiza- ción de la posición, la orientación, geometría y tamaño del alimento, posicionamiento de una garra robotizada sobre el alimento, gracias a la información obtenida por el sistema de localización, toma de datos mediante un sensor presente en la garra robotizada y clasificación del alimento en función de los datos obtenidos por el sensor separación del alimento clasificado
2a. -Método automático según reivindicación Ia caracterizado porque la separación del alimento clasificado se realiza mediante la garra robotizada
3a.- Método según reivindicación Ia caracteriza- do porque la toma de datos mediante el sensor se realiza introduciendo el mismo en el alimento
4a.- Método según reivindicación Ia caracterizado porque el alimento que se clasifica es pescado
5a.- Método según reivindicación Ia caracterizado porque la toma de datos se realiza en o sobre las gónadas del alimento 6a. -Sistema automático para la determinación y clasificación de alimentos que comprende al menos:
un sistema de transporte por donde el alimento se des- plaza un sistema de localización de la posición, la orientación, geometría y tamaño del alimento, una garra robotizada que se posiciona sobre el alimento, gracias a la información obtenida por el sistema de localización, al menos un sensor presente en la garra robotizada para la clasificación del alimento
7a.- Sistema automático según reivindicación 6a caracterizada porque el sistema de localización es un sistema de visión
PCT/ES2008/070007 2008-01-17 2008-01-17 Método y sistema automático para la determinación y clasificación de alimentos WO2009090279A1 (es)

Priority Applications (8)

Application Number Priority Date Filing Date Title
ES08718455.2T ES2461792T3 (es) 2008-01-17 2008-01-17 Método y sistema automático para la determinación y clasificación de alimentos
JP2010542651A JP5481391B2 (ja) 2008-01-17 2008-01-17 食品を識別及び分類するための自動化方法及び自動化システム
BRPI0819967-1A BRPI0819967A2 (pt) 2008-01-17 2008-01-17 Método e sistema automático para a determinação e classificação de alimentos
CA2712386A CA2712386A1 (en) 2008-01-17 2008-01-17 Automatic method and system for the determination and classification of foods
US12/812,955 US8207467B2 (en) 2008-01-17 2008-01-17 Automatic method and system for the determination and classification of foods
PCT/ES2008/070007 WO2009090279A1 (es) 2008-01-17 2008-01-17 Método y sistema automático para la determinación y clasificación de alimentos
EP08718455.2A EP2251100B1 (en) 2008-01-17 2008-01-17 Automatic food determination and grading system and method
CN200880127162.4A CN101952055A (zh) 2008-01-17 2008-01-17 用于食品测定和分级的自动系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/ES2008/070007 WO2009090279A1 (es) 2008-01-17 2008-01-17 Método y sistema automático para la determinación y clasificación de alimentos

Publications (1)

Publication Number Publication Date
WO2009090279A1 true WO2009090279A1 (es) 2009-07-23

Family

ID=39796858

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/ES2008/070007 WO2009090279A1 (es) 2008-01-17 2008-01-17 Método y sistema automático para la determinación y clasificación de alimentos

Country Status (8)

Country Link
US (1) US8207467B2 (es)
EP (1) EP2251100B1 (es)
JP (1) JP5481391B2 (es)
CN (1) CN101952055A (es)
BR (1) BRPI0819967A2 (es)
CA (1) CA2712386A1 (es)
ES (1) ES2461792T3 (es)
WO (1) WO2009090279A1 (es)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013235066A (ja) * 2012-05-07 2013-11-21 Ricoh Co Ltd 画像形成装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI0819967A2 (pt) * 2008-01-17 2015-06-16 Fundación Fatronik Método e sistema automático para a determinação e classificação de alimentos
CN107812716A (zh) * 2017-11-29 2018-03-20 山东代代良智能控制科技有限公司 一种产品尺寸视觉检测中间传输单元

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4869813A (en) * 1987-07-02 1989-09-26 Northrop Corporation Drill inspection and sorting method and apparatus
WO2001022043A2 (en) * 1999-09-10 2001-03-29 Scanvægt International A/S A grader apparatus
WO2007083327A2 (en) * 2006-01-23 2007-07-26 Valka Ehf Apparatus and method for grading articles based on weight, and adapted computer program product and computer readable media

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3152587A (en) * 1960-03-31 1964-10-13 Hellige & Co Gmbh F Medical photometric apparatus
SE344879B (es) * 1966-11-17 1972-05-08 Arenco Ab
US4051952A (en) 1974-09-09 1977-10-04 Neptune Dynamics Ltd. Fish characteristic detecting and sorting apparatus
CA1125410A (en) * 1978-02-22 1982-06-08 Neptune Dynamics Ltd. Fish sorter
JPS6028252B2 (ja) * 1982-12-28 1985-07-03 マルハ株式会社 魚加工処理システム
CH672089A5 (es) 1985-12-16 1989-10-31 Sogeva Sa
IL82037A0 (en) 1987-03-29 1987-10-20 Kalman Peleg Method and apparatus for automatically inspecting and classifying different objects
CA1251863A (en) * 1988-02-29 1989-03-28 Kevin Mccarthy Fish sorting machine
JPH0276528A (ja) * 1988-09-13 1990-03-15 Fujitsu Autom Kk 魚類の雌雄選別装置及びその選別方法
JP2789846B2 (ja) * 1991-04-23 1998-08-27 日立プラント建設株式会社 魚類の選別方法及びその装置
JPH06222022A (ja) * 1992-06-11 1994-08-12 Sankei Techno Kuraato:Kk 魚類の肉質判別法
JPH0655144A (ja) * 1992-08-06 1994-03-01 Iseki & Co Ltd 果実等の選別装置
US5335791A (en) 1993-08-12 1994-08-09 Simco/Ramic Corporation Backlight sorting system and method
US5396938A (en) * 1993-12-17 1995-03-14 Boring Machine Works, Inc. Apparatus and method for producing surfaced lumber
JPH09103761A (ja) * 1995-10-12 1997-04-22 Hitachi Ltd 電子部品搭載プリント配線基板の処理方法及びその装置
US6396938B1 (en) 1998-02-27 2002-05-28 University Of Arkansas, N.A. Automatic feather sexing of poultry chicks using ultraviolet imaging
JP2000004775A (ja) * 1998-06-18 2000-01-11 Mitsuo Horiguchi 魚の生きしめ装置
JP2981891B1 (ja) * 1998-10-13 1999-11-22 秀雄 山下 鮭・鱒の水揚げ自動システム
NZ517247A (en) * 1999-07-28 2003-02-28 Marine Harvest Norway As Method and apparatus for determining quality properties of fish
JP2001252886A (ja) * 2000-03-10 2001-09-18 Hitachi Zosen Corp 物体のハンドリングシステム
US7044846B2 (en) 2001-11-01 2006-05-16 Stein Grov Eilertsen Apparatus and method for trimming of fish fillets
AU2002353489A1 (en) 2001-11-29 2003-06-10 Style Ehf. Method and device for grading objects
US7010457B2 (en) * 2002-12-23 2006-03-07 Kenneth Wargon Apparatus and method for producing a numeric display corresponding to the volume of a selected segment of an item
ES2386912T3 (es) 2007-11-12 2012-09-05 Fundacion Azti-Azti Fundazioa Método y equipo para determinar el sexo del pescado
BRPI0819967A2 (pt) * 2008-01-17 2015-06-16 Fundación Fatronik Método e sistema automático para a determinação e classificação de alimentos

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4869813A (en) * 1987-07-02 1989-09-26 Northrop Corporation Drill inspection and sorting method and apparatus
WO2001022043A2 (en) * 1999-09-10 2001-03-29 Scanvægt International A/S A grader apparatus
WO2007083327A2 (en) * 2006-01-23 2007-07-26 Valka Ehf Apparatus and method for grading articles based on weight, and adapted computer program product and computer readable media

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013235066A (ja) * 2012-05-07 2013-11-21 Ricoh Co Ltd 画像形成装置

Also Published As

Publication number Publication date
EP2251100A1 (en) 2010-11-17
CA2712386A1 (en) 2009-07-23
CN101952055A (zh) 2011-01-19
JP5481391B2 (ja) 2014-04-23
EP2251100B1 (en) 2014-01-08
BRPI0819967A2 (pt) 2015-06-16
JP2011509820A (ja) 2011-03-31
US8207467B2 (en) 2012-06-26
US20110024336A1 (en) 2011-02-03
ES2461792T3 (es) 2014-05-21

Similar Documents

Publication Publication Date Title
US20190029178A1 (en) A robotic harvester
US9126337B2 (en) Robot system having a robot for conveying a workpiece
ES2910068T3 (es) Aparato móvil y automatizado para la detección y clasificación de daños en la carrocería de un vehículo
ES2952605T3 (es) Sistemas y métodos de percepción para identificar y procesar diversos objetos
ES2426588T3 (es) Dispositivo de control para productos alimenticios y su utilización
US20170156354A1 (en) Contour measurement apparatus and contour measurement method for measuring contour of poultry carcass, and deboning device for poultry carcass
EP2976204B1 (en) Method and system for checking the color quality of unordered preforms
ES2964177T3 (es) Sistema y aparato para procesar y clasificar artículos alimentarios y método relacionado
JP2019051559A (ja) 物品移動装置、物品移動方法、および物品移動制御プログラム
CN109384039A (zh) 物品搬运装置
US11649117B2 (en) Apparatus and method for inspecting suspendedly conveyable transport bags
ES2461792T3 (es) Método y sistema automático para la determinación y clasificación de alimentos
CN113460851A (zh) 基于单目视觉和激光的管片自动抓取和运输系统和方法
ES2831149T3 (es) Sistema y procedimiento para comprobar la forma de un objeto de prueba
WO2015155389A1 (es) Sistema y procedimiento automatizado de clasificación de atunes congelados por especie
ES2431809T3 (es) Dispositivo para el posicionamiento de camarones
US20200391379A1 (en) Picking system and end effector of robot arm
CA2977236C (en) Robotic arm and preparation cup system
US20210001488A1 (en) Silverware processing systems and methods
Yamamoto et al. Study on an automatic packing system for strawberries
Hahn PH—Postharvest Technology: Automatic Jalapeño Chilli Grading by Width
JP7075218B2 (ja) 錠剤検査方法および錠剤検査装置
CN212184711U (zh) 一种分拣设备
JP2013113728A (ja) 物品配列検査方法および物品配列検査装置
NL2012983C2 (nl) Inspectie- en overzetsysteem voor het inspecteren en overzetten van natuurlijke producten en werkwijze daarvoor.

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 200880127162.4

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08718455

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 1529/MUMNP/2010

Country of ref document: IN

WWE Wipo information: entry into national phase

Ref document number: 2712386

Country of ref document: CA

Ref document number: 2010542651

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2008718455

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 12812955

Country of ref document: US

ENP Entry into the national phase

Ref document number: PI0819967

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20100719