WO2013145873A1 - 光学式粒状物選別機 - Google Patents

光学式粒状物選別機 Download PDF

Info

Publication number
WO2013145873A1
WO2013145873A1 PCT/JP2013/052838 JP2013052838W WO2013145873A1 WO 2013145873 A1 WO2013145873 A1 WO 2013145873A1 JP 2013052838 W JP2013052838 W JP 2013052838W WO 2013145873 A1 WO2013145873 A1 WO 2013145873A1
Authority
WO
WIPO (PCT)
Prior art keywords
granular material
defective
unit
boundary surface
dimensional color
Prior art date
Application number
PCT/JP2013/052838
Other languages
English (en)
French (fr)
Inventor
知幸 宮本
任章 石津
芳和 立石
正純 原
Original Assignee
株式会社サタケ
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 株式会社サタケ filed Critical 株式会社サタケ
Priority to ES13767511T priority Critical patent/ES2704429T3/es
Priority to KR1020147029102A priority patent/KR101998910B1/ko
Priority to JP2014507488A priority patent/JP6152845B2/ja
Priority to US14/387,545 priority patent/US9024223B2/en
Priority to EP13767511.2A priority patent/EP2832458B1/en
Priority to BR112014024083-3A priority patent/BR112014024083B1/pt
Priority to CN201380017680.1A priority patent/CN104203436B/zh
Publication of WO2013145873A1 publication Critical patent/WO2013145873A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/465—Measurement of colour; Colour measuring devices, e.g. colorimeters taking into account the colour perception of the eye; using tristimulus detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
    • 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
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6058—Reduction of colour to a range of reproducible colours, e.g. to ink- reproducible colour gamut
    • 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
    • G01N2021/8592—Grain or other flowing solid samples
    • 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
    • G06T2207/10024—Color image
    • 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
    • Y10S209/932—Fluid applied to 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
    • Y10S209/938—Illuminating means facilitating visual inspection

Definitions

  • the present invention sorts grains such as rice and wheat and granular materials such as resin pellets into non-defective products and defective products, or removes foreign particles mixed in the granular materials by blowing them off with a blast. Related to the machine.
  • a transfer means for transferring a raw material, a light source unit for irradiating light of a plurality of wavelengths to the raw material transferred by the transfer means,
  • An optical detector having an imaging unit that captures reflected light and / or transmitted light, and two-wavelength density values in the imaging data captured by the optical detection means and the predetermined two-wavelength density values.
  • the determination unit draws each density value of any two wavelengths in the imaging data on a two-dimensional graph, and targets all the pixels of each density value drawn on the two-dimensional graph. It is determined whether there is a pixel other than the two-point pixel in the circle between the two points whose diameters are two different pixels, and the two-point pixel in the circle between the two points by the determination Only when there is no other pixel, the two-point pixels are connected by connection lines, and a closed region drawn by joining these connection lines is set as the threshold region.
  • the outer shape of the threshold region set by the discriminating unit is accurately specified so as not to include the discriminating region. Can be discriminated, and there is an operation and effect that makes sorting based on the discrimination accurate.
  • the present invention is an optical granularity capable of easily making sensitivity setting by effectively using RGB three-dimensional color space information close to human eyes and greatly simplifying signal processing.
  • Providing an object sorter is a technical issue.
  • the present invention provides a transfer means for transferring a granular material containing a non-defective product, a defective product, and a foreign substance so as to have a continuous flow, and an inspection means for inspecting the granular material transferred by the transfer means.
  • a discriminating means for discriminating whether or not to be a separation object based on the individual color information of the granular material inspected by the inspection means, and the separation object discriminated by the discrimination means is excluded from the continuous flow
  • An optical granular material sorter equipped with an exclusion means, While the inspection means includes an illumination unit that illuminates the granular material with light, and a light detection unit that detects light transmitted through the granular material or light reflected from the granular material, The discriminating means plots each wavelength component of R, G, and B light of the granular material detected by the light detection unit on a three-dimensional color space, and creates three-dimensional color distribution data of the granular material sample.
  • An original color distribution data creation unit, and a boundary surface calculated by the Mahalanobis distance to the 3D color distribution data created by the 3D color distribution data creation unit, and a first good product cluster region containing many good products A Mahalanobis distance boundary surface creation section that partitions into a defective product and a first defective product cluster area containing a large amount of foreign matter, and a first non-defective cluster area and a first defective product cluster area formed by the Mahalanobis distance boundary surface creation section.
  • the boundary plane calculated by the Euclidean distance at which the distance between the center of gravity positions is the longest, and the second non-defective cluster region and the second defective product class are determined.
  • a technical means includes a threshold value determination unit that determines a threshold value for determining whether or not.
  • the three-dimensional color distribution data creation unit plots the wavelength components of the R, G, and B light of the granular material on the three-dimensional color space, thereby obtaining the entire three-dimensional color distribution of the granular material sample.
  • the boundary surface calculated by the Mahalanobis distance is set for the entire three-dimensional color distribution, and the first non-defective product cluster region including many non-defective products and granular material samples. This is divided into roughly two clusters including the first defective product cluster area containing foreign matter.
  • the respective center of gravity positions of the newly formed first non-defective cluster region and the newly formed first defective product cluster region are obtained, and the distance between the center of gravity positions is the longest.
  • the boundary surface calculated by the distance is set for the entire three-dimensional color distribution, and two regions, a second non-defective cluster region containing many non-defective products and a second non-defective product cluster region containing many defective products and foreign substances This is divided into roughly two clusters different from those described above.
  • the threshold value determination unit an intersection line between the boundary surface of the Mahalanobis distance and the boundary surface of the Euclidean distance is obtained, and is set as a threshold value for determining whether or not the intersection line itself is a separation object. . That is, the granular material sample plotted on the three-dimensional color space is roughly separated into the first good cluster region and the first defective cluster region by the Mahalanobis distance boundary surface, and then the sensitivity is effective by the Euclidean distance boundary surface. A boundary surface having a wide range is searched and separated into a second cluster region and a second cluster region, and further, the threshold value determination unit determines whether the boundary surface between the Mahalanobis distance and the boundary surface at the Euclidean distance.
  • the threshold value in the two-dimensional color space can be calculated.
  • the sensitivity is obtained by effectively using the RGB three-dimensional color space information close to human eyes. It is possible to provide an optical granular material sorter that can be easily set and signal processing is greatly simplified.
  • the transfer means for transferring the granular material containing the non-defective product, the defective product and the foreign matter so as to be a continuous flow
  • the inspection means for inspecting the granular material transferred by the transfer means
  • Discriminating means for discriminating whether or not to be a separation object based on individual color information of the granular material inspected by the inspection means
  • exclusion means for excluding the separation object discriminated by the discrimination means from a continuous flow
  • the original color distribution data creation unit and the good, defective, and foreign samples prepared in advance by the operator are passed to the transfer means, and each sample is detected by the light detection unit to create three-dimensional color distribution data.
  • a learning / storage unit that performs learning in association with the three-dimensional color distribution data by classifying the sample as a non-defective product, a defective product, or a foreign object when the sample is displayed on the image;
  • a Mahalanobis distance boundary surface creation unit that divides it into a raster region, and obtains each center of gravity position of the first good product cluster region and the first defective product cluster region formed by the Mahalanobis distance boundary surface creation unit, and each center of gravity position Euclidean distance boundary that sets the boundary surface calculated by the Euclidean distance where the distance between them is farthest and divides
  • FIG. 4 is a block diagram conceptually illustrating a signal processing unit, a CPU, and a memory in FIG. 3. It is a flowchart which shows the operation
  • FIG. 1 is a perspective view showing the entire optical granular material sorter of the present invention
  • FIG. 2 is a schematic longitudinal sectional view showing the internal structure of the sorter
  • FIG. 3 is obtained from the camera of the sorter.
  • FIG. 4 is a block diagram of signal processing means for processing signals
  • FIG. 4 is a conceptual diagram showing the internal configuration of the signal processing unit and CPU / memory shown in FIG.
  • the optical granular material sorter 1 includes a plurality of primary sorting units 3 ⁇ / b> A (the sorting units from the left end to the third in FIG. 1), and a plurality of trapezoidal machine frames 2.
  • Secondary sorting sections 3B (second sorting section from the right end in FIG. 1) are arranged in parallel, and each sorting section 3A, 3B has the same components as in the prior art. Yes.
  • a plurality of primary sorting units 3A and a plurality of secondary sorting units 3B are arranged side by side.
  • the present invention is not limited to this, and a plurality of primary sorting units and a single secondary sorting unit are provided.
  • various variations such as a configuration in which a single tertiary sorting unit is arranged in parallel can be set.
  • each component of the primary sorting unit 3A will be described with reference to FIG. 3 A of primary selection parts are the chute
  • a vibration feeder 6 for transporting an object to the chute 4, an optical detection unit 7 (7a, 7b) provided on both sides of the drop trajectory of the granular material falling from the lower end of the chute 4, and an ejector nozzle provided further below 8 and a non-defective product collecting rod 9 which is on the same inclination line as the chute 4 below the ejector nozzle 8 and receives the particulate matter of the falling trajectory without receiving the blast from the ejector nozzle 8;
  • a defective product collecting rod 10 for receiving defective air from normal particles by receiving a blast from the ejector nozzle 8 and receiving a blast from the ejector nozzle 8 Te, is provided with an
  • the chute 4 is formed in a flat plate shape without a groove for sliding the granular material in a wide band shape. And in order to prevent the overflow of the granular material from the chute 4 and to prevent the granular material to be selected from floating from the bottom surface while sliding the chute 4, the chute cover 4a is spaced from the bottom surface at a predetermined interval. May be provided.
  • the vibration feeder 6 has a structure in which a feeder trough 6a is supported on a support portion 6b, and granular materials can be supplied to the chute 4 by operating a vibration device such as an electromagnetic drive coil 6c.
  • the optical detectors 7a and 7b are surrounded by box bodies 12a and 12b, respectively.
  • a box 12a on the upper side of the grain drop trajectory has a visible light CCD camera 13a, a near infrared light NIR camera 14, visible light sources 15a and 15b made of fluorescent light, a halogen lamp, and the like.
  • the near-infrared light source 16a which consists of this, and the background 17a for opposition of the optical detection part 7b are equipped internally.
  • a box 12b below the grain flow trajectory has a visible light CCD camera 13b, visible light sources 15c and 15d made of fluorescent lights, and a near infrared light source 16b made of halogen lamps.
  • the opposing backgrounds 17b and 17c of the optical detector 7a are internally provided.
  • the window members 18a and 18b which consist of transparent glass are engage
  • the ejector nozzle 8 is supplied with air from an air compressor (not shown) from a tube 22 through a sub tank 19, an air pipe 20 and a solenoid valve 21.
  • the sub-tank 19 temporarily stores air from the air compressor.
  • a front door 24 that can be turned up and down by an air cylinder 23 is provided on the inclined wall in front of the machine casing 2, thereby enabling maintenance work such as cleaning to be easily performed.
  • a liquid crystal display 25 and a power switch 26 which are also used as an operation panel and a monitor made of a touch panel, so that the liquid crystal display 25 and the power switch 26 are placed at the level of the operator's eyes. By being arranged, the machine can be easily operated.
  • a point different from the primary sorting unit 3A is the shape of the chute 4, and the chute 4 for the secondary sorting unit 3B is formed with a plurality of grooves for sliding the grains in a plurality of rows. ing.
  • As the cross-sectional shape of the groove portion a U-shaped shape, a V-shaped shape, a concave shape, or the like can be appropriately employed.
  • the rest of the configuration is substantially the same as the primary sorting unit 3A.
  • Reference numeral 27 in FIG. 2 is a defective product receptacle
  • reference numeral 28 is a non-defective product receptacle
  • reference numeral 29 is an auxiliary defective product receptacle
  • reference numeral 30 is a sample take-out portion.
  • the visible light CCD cameras 13a and 13b and the NIR camera 14 are electrically connected to a signal processing unit 31 for binarizing an image acquired by the camera, and 2 from the signal processing unit 31. It electrically connects to the CPU 32 and the memory unit 32 that store the digitized image and apply necessary processing.
  • the liquid crystal display 25 is electrically connected to the CPU and memory unit 32.
  • the signal processing unit 31 includes an image data acquisition mechanism 33 that temporarily stores image data, and threshold data that determines whether the acquired image data is a good product or a defective product. Includes a threshold data storage memory 34, a binarization calculation mechanism 35 for binarizing the acquired image data, and a non-defective / defective product discriminating mechanism 36 for discriminating whether the product is a good product or a defective product. ing.
  • the CPU and memory unit 32 is based on an image data storage memory 37 for storing the data from the image data acquisition mechanism 33 as necessary, and the image data stored in the image data storage memory 37.
  • a threshold data calculation mechanism 38 that calculates a threshold value, and a touch operation signal of the liquid crystal display 25 are received, and processed image data is output to a monitor. And an operation signal receiving mechanism 39 is provided.
  • An ejector drive circuit 40 is electrically connected to the non-defective / defective product discriminating mechanism 36 in the signal processing unit 31, and the ejector drive circuit 40 is connected to the ejector nozzle 8 based on a signal from the drive circuit 40.
  • An electromagnetic valve 21 for injecting air is electrically connected.
  • FIG. 5 is a flowchart showing the work procedure of the signal processing unit.
  • steps 101 to 103 are performed after flowing samples of good, defective, and foreign materials prepared in advance by the operator to the chute.
  • This is a non-defective product / defective product pattern learning process in which a three-dimensional color distribution pattern related to good products, defective products, and foreign matters is learned by a sorter.
  • Steps 104 to 108 are boundaries between the good product pattern and the defective product pattern.
  • This is a threshold value calculation step for automatically calculating the threshold value
  • step 109 is a threshold value determination step in which the operator finely adjusts the threshold value calculated in the threshold value calculation step.
  • step 101 a good sample prepared and selected in advance by a skilled worker is flowed from the storage tank 5 onto the chute 4, and a good sample that falls from the lower end of the chute 4 is transferred to the CCD camera 13a, 13b, imaged by the NIR camera 14.
  • step 101 a good sample prepared and selected in advance by a skilled worker is flowed from the storage tank 5 onto the chute 4, and a good sample that falls from the lower end of the chute 4 is transferred to the CCD camera 13a, 13b, imaged by the NIR camera 14.
  • a large number of non-defective sample image data picked up by the CCD cameras 13a and 13b and the NIR camera 14 is input to the image data storage memory 37 via the image data acquisition mechanism 33, and the image is input to the monitor of the liquid crystal display 25. Will be displayed.
  • the defective sample (including the foreign material sample) is selected and prepared in advance by a skilled worker, and the same operation as described above is performed to perform the defective sample (including the foreign material sample). ) Image data is acquired.
  • step 102 the process proceeds to step 102, and for the sample displayed on the liquid crystal display 25, what should be a non-defective product, what should be a defective product, and what should be a foreign object is designated on the image again by the operator's visual observation.
  • step 103 the designated non-defective sample image is regarded as one region and the defective sample image is also regarded as one region, and this is regarded as a three-dimensional color space (in the embodiment, each of R, G, B). Many plots on the axis color space. As a result, aggregates in the RGB color space as shown in FIG. 6 are sequentially formed.
  • step 104 the non-defective product cluster 51 (aggregate) formed by the non-defective product dots (black dots in FIG. 6) and the defective product cluster formed by the defective product dots (gray dots in FIG. 6). 52 (aggregate) is roughly classified (see FIG. 6), and in step 105, the statistics of the multivariate data for each cluster of the non-defective product cluster 51 / defective product cluster 52 is calculated.
  • the calculation of this statistic may be performed by calculating the centroid vector or variance-covariance matrix.
  • the centroid vector is arithmetic expression of the centroid vector.
  • the Mahalanobis square distance from the center-of-gravity vector for each non-defective / defective product cluster is obtained.
  • the Mahalanobis square distance is a function of the value of the multivariate data, and the formula for calculating the Mahalanobis square distance is
  • a boundary surface between each cluster is obtained (step 106).
  • the multivariate data values are classified into clusters having the smallest Mahalanobis square distance, and clusters belonging to all the multivariate data values in the multivariate space are determined. And the boundary surface shown by the code
  • the Euclidean distance at which the distance between the centers of gravity of the non-defective product cluster 51 and the defective product cluster 52 is the longest is selected, and a boundary surface with a wide sensitivity effective range is searched (step 107).
  • the center of gravity vector of the non-defective cluster is P (Xp1, Xp2, Xp3,... Xpn) and the center of gravity vector of the defective cluster is Q (Xq1, Xq2, Xq3,.
  • the distance is
  • a boundary surface between each cluster is obtained (step 107).
  • the multivariate data values are classified into clusters having the maximum Euclidean square distance, and the boundary surface indicated by the symbol u in FIG. 6 is determined.
  • intersection line L When the intersection line L is obtained as described above, it can be converted into an RGB correlation diagram on the optimum two-dimensional display surface in which the viewpoint is placed on the intersection line L (see FIG. 7).
  • the operator determines a threshold value for determining whether the product is good or defective (step 109 in FIG. 5).
  • This makes it possible to obtain an optimal threshold value with a reduced dimension from the three-dimensional color space of FIG. 6 to the two-dimensional color space of FIG. 7, greatly simplifies signal processing, and is optimal for the operator. It is possible to provide an easy-to-use optical granular sorter that is easy to set a threshold value. The above is the threshold setting operation before the full-scale operation of the optical granular material sorter.
  • the raw material flowing down between the optical detectors 7a and 7b is imaged by the CCD cameras 13a and 13b and the NIR camera 14, and this imaged data is primarily stored in the image data storage memory 37 via the image data acquisition mechanism 33. Memorized. Then, as described in the non-defective product pattern / defective product pattern learning step and the threshold value calculating step, the raw material is plotted on the three-dimensional color space and then converted to the two-dimensional color space. That is, the granular material to be selected / determined is the granular material A or the granular material B in FIG.
  • the current threshold value stored in the threshold data storage memory 34 is schematically shown as an intersection line L in FIG. 7.
  • the intersection line L becomes a boundary line
  • the boundary line L The upper part shows the non-defective product region
  • the lower part than the boundary line L shows the defective product region.
  • the non-defective product / defective product discriminating mechanism 36 in FIG. 4 determines that “the granular material A is non-defective”, and the ejector drive circuit A removal signal is not issued from 41 and is collected as a non-defective product into the non-defective product receiving port 9 (see FIG. 2).
  • the non-defective product / defective product discrimination mechanism 36 in FIG. 4 determines that “the granular material B is a defective product”.
  • a removal signal is transmitted from the ejector nozzle 8 to the electromagnetic valve 21 and is removed from the raw material flowing down by the high-pressure air blast from the ejector nozzle 8 and recovered as a defective product from the defective product receiving port 27 (see FIG. 2). .
  • the non-defective product cluster in FIGS. 6 and 7 may be regarded as a defective product cluster, and the defective product cluster may be regarded as a non-defective product cluster and set in reverse.
  • defective products occupy a much smaller proportion of raw materials than non-defective products, and therefore can be sorted and removed by jetting high-pressure air from the ejector nozzle 8.
  • the non-defective product occupies a very small percentage of the raw material compared to the defective product, it is more efficient to classify and remove the non-defective granular material as a defective product by using a jet of high-pressure air from the ejector nozzle 8. Good.
  • the non-defective product cluster in FIGS. 6 and 7 can be regarded as a defective product cluster and the defective product cluster can be regarded as a non-defective product cluster. This can be easily set only by rewriting data in the threshold data storage memory 34.
  • the non-defective product receives the blast of high-pressure air from the ejector nozzle 8 and is collected at the defective product receiving port 27, while the defective product is not collected by the high-pressure air from the ejector nozzle 8. Without receiving a blast, it will be recovered to the non-defective product receiving port 9 as it is.
  • the discriminating means for discriminating whether or not to make the separation object based on the individual color information of the granular material includes the three-dimensional color distribution data creation unit and the Mahalanobis distance boundary surface. Since the creation unit, the Euclidean distance boundary surface creation unit, and the threshold value determination unit are provided, in the 3D color distribution data creation unit, each wavelength component of the R, G, and B light of the granular material is 3D Plot on the color space to create the entire three-dimensional color distribution of the particulate sample, and then set the boundary surface calculated by the Mahalanobis distance in the Mahalanobis distance boundary surface creation unit, and the non-defective product cluster area and the defective product cluster. The Euclidean distance boundary plane creation unit obtains the centroid positions of the non-defective cluster area and the defective cluster area and calculates the centroid position between the centroid positions.
  • the boundary surface calculated by the Euclidean distance that is the farthest distance is set for the entire three-dimensional color distribution, and the threshold value determination unit obtains an intersection line between the boundary surface of the Mahalanobis distance and the boundary surface of the Euclidean distance, This is a threshold value for determining whether or not the intersection line is a separation object. Therefore, the granular material sample plotted in the three-dimensional color space is roughly separated into the non-defective cluster region and the defective cluster region by the Mahalanobis distance boundary surface, and then the boundary surface having a wide sensitivity effective range by the Euclidean distance boundary surface.
  • the threshold value determination unit can calculate the threshold value in the two-dimensional color space, and the operator can effectively use RGB three-dimensional color space information close to human eyes. Thus, it is possible to provide an optical granular material sorter in which sensitivity can be easily set and signal processing is greatly simplified.
  • the color sorter of the present invention is not limited to the above embodiment, and various design changes are possible.
  • a chute is adopted as the transfer means, but the chute may have a plurality of stages such as upper and lower two stages and upper and lower three stages, or may be constituted by a belt conveyor or the like as the transfer means.
  • a high-speed air ejector nozzle that injects high-pressure air is used as a means for removing the separation target from the continuous flow.
  • the separation target is excluded from the continuous flow.
  • Push type ejecting means such as an air cylinder may be used.
  • sensitivity can be easily set by effectively using RGB three-dimensional color space information close to the human eye, and signal processing can be greatly simplified.
  • signal processing can be greatly simplified.
  • it is a new and useful optical particulate sorter.
  • the present invention relates to raw materials consisting of grains such as rice, wheat, beans, and nuts, resin pieces such as pellets and beads, fine articles such as pharmaceuticals, ores, and shirasu, and other granular materials. It is possible to apply to an optical granular material sorter that sorts out or removes foreign matters or the like mixed in the raw material.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Sorting Of Articles (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

　人間の目に近いＲＧＢの三次元色空間情報を利用して感度設定を容易に行い得て、しかも、信号処理を大幅に簡略化することが可能な光学式粒状物選別機を提供する。　判別手段は、粒状物のＲ、Ｇ及びＢの光の各波長成分を三次元色空間上にデータを作成する三次元色分布データ作成部と、マハラノビス距離で算出された境界面を設定し、良品クラスタ領域と、不良品クラスタ領域とに仕切るマハラノビス距離境界面作成部と、良品クラスタ領域及び不良品クラスタ領域の各重心位置を求め、各重心位置間の距離が最も離れるユークリッド距離で算出された境界面を設定するユークリッド距離境界面作成部と、マハラノビス距離で算出された境界面とユークリッド距離で算出された境界面との交線を求め、該交線を分離対象物とするか否かを決定する判別しきい値として決定するしきい値決定部とを備えた。

Description

光学式粒状物選別機
　本発明は、米、麦などの穀粒や樹脂ペレットなどの粒状物を良品と不良品とに選別したり、粒状物に混入する異物を噴風により吹き飛ばして除去したりする光学式粒状物選別機に関する。
　従来、粒状物の良・不良の判別精度を向上させることを目的に、原料を移送する移送手段と、該移送手段によって移送された原料に複数波長の光を照射する光源部と、前記原料からの反射光及び／又は透過光を撮像する撮像部と、を有する光学検出手段と、該光学検出手段が撮像した撮像データにおける二波長の濃度値と、予め定めた前記二波長の濃度値におけるしきい値領域とを比較して前記原料を判別する判別手段とを備えた光学式判別装置がある（特許文献１）。そして、この光学式判別装置にあっては、前記判別手段が、前記しきい値領域を設定するにあたって、前記移送手段によって移送した判別すべき原料サンプルから反射光及び／又は透過光を前記撮像部で撮像し、前記判定手段が該撮像データにおける任意の二波長の各濃度値を二次元グラフ上に描画し、該二次元グラフ上に描画した各濃度値の画素の全てを対象に、このうちの異なる２点の画素を直径とする２点間円の中に当該２点の画素以外の画素があるか否かを判定し、該判定によって前記２点間円の中に当該２点の画素以外の画素が無い場合にのみ当該２点画素を接続線で結び、これら各接続線の接合によって描画された閉領域を前記しきい値領域として設定することを特徴とするものである。
　特許文献１に開示された光学式判別装置によれば、判別手段によって設定されるしきい値領域の外形が、判別領域を含めないように正確に特定されるため、当該しきい値領域によって原料を判別することができ、また、当該判別に基づく選別も正確となる作用・効果がある。
　しかしながら、上記特許文献１に開示された光学式判別装置にあっては、膨大かつ複雑な情報（特許文献１の撮像部となるＣＣＤカメラは、赤色、緑色及び青色の各色が８ビット２５６通りで識別できるので、三次元のＲＧＢ色空間情報としては合計１６，７７７，２１６通りもの色の違いを特定できることになる。）を簡略化するために、ＣＣＤカメラで取得した赤色、緑色及び青色の各色の濃度値を、赤色（Ｘ軸）－緑色（Ｙ軸）、緑色（Ｘ軸）－青色（Ｙ軸）及び赤色（Ｘ軸）－青色（Ｙ軸）の各二次元グラフ上にその濃度値をプロットし、３つの二次元グラフにより三次元のＲＧＢ色空間情報を把握するものである。
　このような、三次元のＲＧＢ色空間情報を二次元グラフにより把握することは、信号アルゴリズムが非常にシンプルであり、膨大かつ複雑な情報を扱う際には有利である。しかしながら、二次元グラフによる二次元平面の情報観察であるため、感度設定が制限されるという問題がある。また、ＲＧＢ色空間情報を全て同時に扱うことができず、効率的とは言えない問題があった。
特開２００９－１１９４１０号公報
　上記問題点にかんがみ本発明は、人間の目に近いＲＧＢの三次元色空間情報を有効に利用して感度設定を容易に行うとともに、信号処理を大幅に簡略化することが可能な光学式粒状物選別機を提供することを技術的課題とする。
　上記の課題を解決するため本発明は、良品、不良品及び異物を含む粒状物を連続した流れとなるように移送する移送手段と、該移送手段により移送された前記粒状物を検査する検査手段と、該検査手段により検査された粒状物の個々の色情報に基づき分離対象物とするか否かを判別する判別手段と、該判別手段により判別された分離対象物を連続した流れから排除する排除手段とを備えた光学式粒状物選別機であって、
　前記検査手段は、前記粒状物に光を照明する照明部と、前記粒状物を透過した光又は前記粒状物から反射した光を検知する光検知部とを備える一方、
　前記判別手段は、前記光検知部により検知した前記粒状物のＲ、Ｇ及びＢの光の各波長成分を三次元色空間上にプロットして粒状物サンプルの三次元色分布データを作成する三次元色分布データ作成部と、該三次元色分布データ作成部により作成された三次元色分布データにマハラノビス距離で算出された境界面を設定し、良品を多く含む第一の良品クラスタ領域と、不良品及び異物を多く含む第一の不良品クラスタ領域とに仕切るマハラノビス距離境界面作成部と、該マハラノビス距離境界面作成部により形成された第一の良品クラスタ領域及び第一の不良品クラスタ領域の各重心位置を求めるとともに、当該各重心位置間の距離が最も離れるユークリッド距離で算出された境界面を設定し、第二の良品クラスタ領域と、第二の不良品クラスタ領域とに仕切るユークリッド距離境界面作成部と、前記マハラノビス距離で算出された境界面と前記ユークリッド距離で算出された境界面との交線を求め、該交線を分離対象物とするか否かを決定する判別しきい値として決定するしきい値決定部とを備える、という技術的手段を講じた。
　これにより、判別手段では、三次元色分布データ作成部において、粒状物のＲ、Ｇ及びＢの光の各波長成分を三次元色空間上にプロットして粒状物サンプルの三次元色分布全体を１つのクラスタ領域とみなしておく。次いで、マハラノビス距離境界面作成部において、三次元色分布全体にマハラノビス距離で算出された境界面を設定し、粒状物サンプルを多くが良品を含む第一の良品クラスタ領域と、多くが不良品及び異物を含む第一の不良品クラスタ領域との概略２つのクラスタに分割することになる。さらに、ユークリッド距離境界面作成部において、新規形成された第一の良品クラスタ領域及び新規形成された第一の不良品クラスタ領域の各重心位置を求めるとともに、各重心位置間の距離が最も離れるユークリッド距離で算出された境界面を三次元色分布全体に設定し、多くが良品を含む第二の良品クラスタ領域と、多くが不良品及び異物を含む第二の不良品クラスタ領域との２つの領域に仕切って前述とは異なる概略２つのクラスタに分割することになる。そして、しきい値決定部において、前記マハラノビス距離の境界面と前記ユークリッド距離の境界面との交線を求め、該交線自体を分離対象物とするか否かを決定するしきい値となす。すなわち、三次元色空間上にプロットした粒状物サンプルを、マハラノビス距離境界面によって大雑把に第一の良品クラスタ領域と第一の不良品クラスタ領域とに分離し、次いで、ユークリッド距離境界面によって感度有効範囲が広い境界面を探索して第二のクラスタ領域と第二のクラスタ領域とに分離し、さらには、しきい値決定部によって、前記マハラノビス距離の境界面と前記ユークリッド距離の境界面との交線自体をしきい値として求めると、二次元色空間上におけるしきい値を算出することができ、操作者にとっては人間の目に近いＲＧＢの三次元色空間情報を有効に利用して感度設定を容易に行うことができ、信号処理も大幅に簡略化した光学式粒状物選別機を提供することができる。
　そして、請求項２によれば、良品、不良品及び異物を含む粒状物を連続した流れとなるように移送する移送手段と、該移送手段により移送された前記粒状物を検査する検査手段と、該検査手段により検査された粒状物の個々の色情報に基づき分離対象物とするか否かを判別する判別手段と、該判別手段により判別された分離対象物を連続した流れから排除する排除手段とを備えた光学式粒状物選別機であって、
　前記検査手段は、前記粒状物に光を照明する照明部と、前記粒状物を透過した光又は前記粒状物から反射した光を検知する光検知部とを備える一方、
　前記判別手段は、前記光検知部により検知した前記粒状物のＲ、Ｇ及びＢの光の各波長成分を三次元色空間上にプロットして粒状物サンプルの三次元色分布データを作成する三次元色分布データ作成部と、作業者があらかじめ準備した良品、不良品及び異物のそれぞれのサンプルを移送手段に流し、前記光検知部により前記各サンプルが検知されて三次元色分布データが作成されるとともに、画像上に当該サンプルが表示されたときに目視により良品、不良品及び異物のいずれかに類別して三次元色分布データと対応させて学習を行う学習・記憶部と、該学習・記憶部により作成された三次元色分布データにマハラノビス距離で算出された境界面を設定し、良品を多く含む第一の良品クラスタ領域と、不良品及び異物を多く含む第一の不良品クラスタ領域とに仕切るマハラノビス距離境界面作成部と、該マハラノビス距離境界面作成部により形成された第一の良品クラスタ領域及び第一の不良品クラスタ領域の各重心位置を求めるとともに、当該各重心位置間の距離が最も離れるユークリッド距離で算出された境界面を設定し、良品を多く含む第二の良品クラスタ領域と、不良品及び異物を多く含む第二の不良品クラスタ領域とに仕切るユークリッド距離境界面作成部と、前記マハラノビス距離で算出された境界面と前記ユークリッド距離で算出された境界面との交線を求め、該交線を分離対象物とするか否かを決定する判別しきい値として決定するしきい値決定部と、原料を前記移送手段に流して選別動作を行ったときに、前記三次元色分布データ上に作成されたデータが前記しきい値決定部で決定したしきい値に属さないと判断された場合、当該粒状物を分離対象物とみなす良品／不良品判別部とを備える、という技術的手段を講じた。
　これにより、良品と不良品との色が近似している粒状物（例えば、玄米では、良品となる整玄米と不良品となる乳白粒や、良品となる整玄米と不良品となる茶米など）であっても、あいまいな画像処理上の工夫ではなく、三次元色分布データと画像上に表示されたサンプルとを作業者が目視により学習・関連付けを行うので、良品と不良品との選別を確実に行い、高性能な選別を実施することができ、極めて実用性が高いものとなる。
本発明の光学式粒状物選別機の全体を示す斜視図である。 同選別機の内部構造を示す概略縦断面図である。 同選別機のカメラから得られる信号を処理する信号処理手段のブロック図である。 図３の信号処理部とＣＰＵ及びメモリとを概念的に説明したブロック図である。 信号処理部の作業手順を示す流れ図である。 良品サンプル及び不良品サンプルの三次元色空間上におけるＲＧＢ相関図である。 良品サンプル及び不良品サンプルの最適二次元表示面におけるＲＧＢ相関図である。
　本発明を実施するための形態を図面を参照しながら説明する。図１は本発明の光学式粒状物選別機の全体を示す斜視図であり、図２は同選別機の内部構造を示す概略縦断面図であり、図３は同選別機のカメラから得られる信号を処理する信号処理手段のブロック図であり、図４は図３に示す信号処理部及びＣＰＵ／メモリの内部構成を示す概念図である。
　図１に示すように、光学式粒状物選別機１は、ほぼ台形状の機枠２内に、複数の一次選別部３Ａ（図１では左端から３個目までの選別部）と、複数の二次選別部３Ｂ（図１では右端から２個目までの選別部）とを並設して配置してあり、それぞれの選別部３Ａ，３Ｂには従来技術と同様の構成部品が配置されている。なお、本実施形態では複数の一次選別部３Ａと複数の二次選別部３Ｂとを並設した構成にしているが、これに限らず、複数の一次選別部と、単一の二次選別部と、単一の三次選別部とを並設した構成など、様々なバリエーションを設定することができる。
　次に、図２を参照して前記一次選別部３Ａの各構成部品について説明する。一次選別部３Ａは、水平位置から約６０度の角度で傾斜して配置した移送手段としてのシュート４と、穀粒などの粒状物を貯留するための貯留タンク５と、貯留タンク５からの粒状物をシュート４に搬送するための振動フィーダ６と、シュート４下端から落下する粒状物の落下軌跡の上下を挟んで設けられる光学検出部７（７ａ，７ｂ）と、さらに下方に設けたエジェクターノズル８と、該エジェクターノズル８下方において前記シュート４と同傾斜線上にあり、エジェクターノズル８からの噴風を受けずにそのまま落下軌跡の粒状物を受ける良品回収樋９と、該良品回収樋９に並設され、エジェクターノズル８からの噴風を受けて正常な粒状物から不良粒を回収するための不良品回収樋１０と、エジェクターノズル８からの噴風を受けそこねて、周囲の部材に当たって跳ね返った不良粒を回収するための補助不良品回収樋１１とが備えられている。
　前記一次選別部３Ａにおいては、前記シュート４の形状を、粒状物を広幅で帯状に滑走させるために溝部のない平板形状で形成するのが好ましい。そして、シュート４からの粒状物の溢流を防止するため、かつ、選別対象の粒状物がシュート４を滑走中に底面から浮き上がるのを防止するために、底面から所定間隔をあけてシュートカバー４ａを設けてもよい。
　振動フィーダ６は、支持部６ｂ上にフィーダトラフ６ａが支持されており、電磁駆動コイル６ｃなどの振動装置を作動させることによって粒状物をシュート４に供給することができる構成である。
　光学検出部７ａ，７ｂは、それぞれ箱体１２ａ，１２ｂにより囲繞されて形成されている。穀粒の落下軌跡の上側にある箱体１２ａには、可視光用のＣＣＤカメラ１３ａと、近赤外光用のＮＩＲカメラ１４と、蛍光灯等からなる可視光源１５ａ，１５ｂと、ハロゲンランプ等からなる近赤外光源１６ａと、光学検出部７ｂの対向用バックグラウンド１７ａとが内装されている。一方、穀粒の流下軌跡の下側にある箱体１２ｂには、可視光用のＣＣＤカメラ１３ｂと、蛍光灯等からなる可視光源１５ｃ，１５ｄと、ハロゲンランプ等からなる近赤外光源１６ｂと、光学検出部７ａの対向用バックグラウンド１７ｂ，１７ｃとが内装されている。そして、箱体１２ａ，１２ｂの穀粒の落下軌跡側には、透明ガラスからなる窓部材１８ａ，１８ｂが嵌め込まれている。
　前記エジェクターノズル８には、図外のエアコンプレッサからの空気がサブタンク１９、エア管２０、電磁弁２１を介してチューブ２２から供給される。前記サブタンク１９はエアコンプレッサからの空気をいったん貯留するものであり、該サブタンク１９を設けることでエジェクターノズル８から消費されるエア量が多い場合であっても、エア不足に陥るおそれがない。
　機枠２の前方の傾斜壁には、エアシリンダ２３によって上下方向に回動可能な前面ドア２４が設けられ、これにより、清掃等のメンテナンス作業を容易に行うことが可能である一方、該前面ドア２４の下方には、タッチパネルからなる操作盤及びモニタが兼用された液晶ディスプレイ２５及び電源スイッチ２６が設けられており、これにより、オペレータの目の高さ位置に液晶ディスプレイ２５及び電源スイッチ２６を配設することで機械操作を容易に行うことが可能な構成となっている。
　次に、二次選別部３Ｂの構成を説明する。前記一次選別部３Ａと相違する点として、シュート４の形状が挙げられ、二次選別部３Ｂ用のシュート４は穀粒を複数列状に分割した状態で滑走させるための複数の溝部が形成されている。該溝部の断面形状としては、Ｕ字状のもの、Ｖ字状のもの、凹字状のもの等、適宜採用することができる。その余の構成は前記一次選別部３Ａとほぼ同様の構成である。図２の符号２７は不良品受口であり、符号２８は良品受口であり、符号２９は補助不良品受口であり、符号３０はサンプル取出部である。
　さらに、図３及び図４を参照して信号処理手段の構成を説明する。前記可視光用のＣＣＤカメラ１３ａ，１３ｂ及びＮＩＲカメラ１４とは、カメラで取得した画像を２値化処理するための信号処理部３１に電気的に接続するとともに、該信号処理部３１からは２値化処理した画像を格納して必要な処理を加えるＣＰＵ及びメモリ部３２に電気的に接続する。そして、ＣＰＵ及びメモリ部３２には、前記液晶ディスプレイ２５が電気的に接続されている。
　図４を参照すれば、前記信号処理部３１は、画像データを一時的に格納する画像データ取得機構３３と、取得した画像データについて良品とするか不良品とするかを決定するしきい値データを格納するしきい値データ格納メモリ３４と、取得した画像データを２値化処理するための２値化計算機構３５と、良品か不良品かを判別する良品／不良品判別機構３６とを備えている。一方、前記ＣＰＵ及びメモリ部３２は、前記画像データ取得機構３３からのデータを必要に応じて格納するための画像データ格納メモリ３７と、該画像データ格納メモリ３７に格納された画像データに基づいて本発明の要部となる処理を行うべく、しきい値を計算するしきい値データ計算機構３８と、前記液晶ディスプレイ２５のタッチ操作の信号を受信したり、処理後の画像データをモニタに出力したりするための操作信号受信機構３９とを備えている。
　前記信号処理部３１内の良品／不良品判別機構３６からは、エジェクタ駆動回路４０が電気的に接続され、該エジェクタ駆動回路４０には、該駆動回路４０の信号に基づいて前記エジェクターノズル８から空気を噴射させる電磁弁２１が電気的に接続されている。
　上記構成の光学式粒状物選別機の作用について詳細に説明する。
　図５は信号処理部の作業手順を示す流れ図であり、この図５中、ステップ１０１から１０３までは、作業者があらかじめ準備した良品、不良品及び異物のそれぞれのサンプルをシュートに流した後、良品、不良品及び異物に係る各三次元色彩分布パターンを選別機に学習させる良品パターン／不良品パターン学習工程であり、ステップ１０４から１０８までは、前記良品パターンと不良品パターンとの境界となるしきい値を自動的に算出するしきい値算出工程であり、ステップ１０９は、前記しきい値算出工程で算出されたしきい値を作業者が微調整するしきい値決定工程である。
（良品パターン／不良品パターン学習工程）
　このパターン学習工程においては、選別前の準備作業であるので、エジェクターノズル８は作動させない。作業が開始されると、まず、ステップ１０１において、熟練した作業者があらかじめ選り分けて準備した良品サンプルを貯留タンク５からシュート４上に流すとともに、シュート４下端から落下する良品サンプルをＣＣＤカメラ１３ａ，１３ｂ、ＮＩＲカメラ１４により撮像する。次に、ＣＣＤカメラ１３ａ，１３ｂ及びＮＩＲカメラ１４により撮像された良品サンプルの多数の画像データは、画像データ取得機構３３を経て画像データ格納メモリ３７に入力され、当該画像は液晶ディスプレイ２５のモニタに表示されることになる。良品サンプルの画像データ取得が終了すると、次に、熟練した作業者があらかじめ選り分けて準備した不良品サンプル（異物サンプルを含む）について、上述と同様の作業を行って不良品サンプル（異物サンプルを含む）の画像データの取得を行う。
　次いで、ステップ１０２に進み、液晶ディスプレイ２５上に表示されたサンプルにつき、再度作業者の目視により良品となすべきもの、不良品となすべきもの、異物とすべきものを画像上で指定する。次いで、ステップ１０３に進み、指定された良品サンプル画像を１つの領域とみなすとともに、不良品サンプル画像も１つの領域とみなして、これを三次元色空間（実施例では、Ｒ、Ｇ、Ｂ各軸の色空間）上に多数プロットしていく。これにより、図６で示すようなＲＧＢ色空間上での集合体が順次形成されていく。
（しきい値算出工程）
　ステップ１０４に進むと、良品に係るドット（図６の黒の点）で形成される良品クラスタ５１（集合体）と不良品に係るドット（図６のグレーの点）で形成される不良品クラスタ５２（集合体）とに大まかな分類が行われ（図６参照）、ステップ１０５では、良品クラスタ５１／不良品クラスタ５２のクラスタ毎の多変量データの統計量が算出される。
　この統計量の算出は、重心ベクトルや分散共分散行列の演算により行うとよい。例えば、重心ベクトルの演算式は、
Figure JPOXMLDOC01-appb-M000001
上記（１）式によって表される。また、分散共分散行列の演算式は、
Figure JPOXMLDOC01-appb-M000002
上記（２）式によって表される。次に、良品／不良品のクラスタ毎の重心ベクトルからのマハラノビス平方距離を求める。ここで、マハラノビス平方距離は、多変量データの値の関数となっており、マハラノビス平方距離の演算式は、
Figure JPOXMLDOC01-appb-M000003
　上記（３）式によって表される。次に、各クラスタ間の境界面を求める（ステップ１０６）。この境界面を決定する際は、マハラノビス平方距離が最小となるクラスタに多変量データの値を分類し、多変量空間内のすべての多変量データの値について属するクラスタを決定する。そして、図６の符号ｍで示す境界面が決定されることになる。
　次に、良品クラスタ５１と不良品クラスタ５２との重心間距離が最も離れるユークリッド距離を選択し、感度有効範囲が広い境界面を探索する（ステップ１０７）。このとき、良品クラスタの重心ベクトルをＰ（Ｘp1，Ｘp2，Ｘp3，・・・Ｘpn），不良品クラスタの重心ベクトルをＱ（Ｘq1，Ｘq2，Ｘq3，・・・Ｘqn）とすると、この間のユークリッド平方距離は、
Figure JPOXMLDOC01-appb-M000004
上記（４）式によって表される。次に、各クラスタ間の境界面を求める（ステップ１０７）。この境界面を決定する際は、ユークリッド平方距離が最大となるクラスタに多変量データの値を分類し、図６の符号ｕで示す境界面が決定されることになる。
　そして、上記マハラノビス距離を最小にする境界面の平面ｍの方程式は下記（５）式で表され、上記ユークリッド距離を最大とする境界面の平面ｕの方程式は下記（６）式で表されるとすると、
Figure JPOXMLDOC01-appb-M000006
　図６に示すような２つの特徴的な平面ｍと平面ｕが得られることになる。そして、図６の相関図を回転させ、これらの異なる2つの平面ｍと平面ｕとが交差して線分に見える位置に視線方向（視線ベクトル）を一致させる（図５のステップ１０８）。これにより、三次元色空間から二次元色空間に次元を減少させた最適なしきい値が求められるため、信号処理を大幅に簡略化し、しかも、操作者が使いやすい光学式粒状物選別機を提供することができる。
　上記（５）式の平面ｍと上記（６）式の平面ｕとが交差した線分Ｌ（図６参照）を求めるには、
Figure JPOXMLDOC01-appb-M000007
　式（７）にて求めることができる。そして、２つの平面ｍ，平面ｕの法線ベクトルの外積計算により、交線の方向ベクトルｅを求めると、
Figure JPOXMLDOC01-appb-M000008
　式（８）となる。そして、交線Ｌが通る点Ｐは
Figure JPOXMLDOC01-appb-M000009
　式（９）となる。以上のように交線Ｌが求まると、交線Ｌ上に視点を置くような最適二次元表示面におけるＲＧＢ相関図へ変換することが可能となる（図７参照）。
（しきい値決定工程）
　上述のように図７の二次元空間上での交線Ｌに基づき、作業者は良品と不良品との判別しきい値を決定することになる（図５のステップ１０９）。これにより、図６の三次元色空間から図７の二次元色空間に次元を減少させた最適なしきい値を求めることが可能となり、信号処理を大幅に簡略化し、しかも、操作者にとっては最適なしきい値を設定しやすく、使いやすい光学式粒状物選別機の提供が可能となる。以上が光学式粒状物選別機を本格稼働する前のしきい値設定作業である。
（選別作業）
　上記しきい値設定作業後は、原料の指定（穀粒か粒状物か、穀粒の品種など）、流量（目標流量の設定）の調整、選別物の感度（被選別物から異物（ガラス、石）や、着色粒（不良粒、しらた米、薄焼け米等）を選別・除去対象とするか否か）の調整、エジェクタの遅れ時間の調整などを行い、その後、貯留タンク５に原料を供給し、タッチパネルからなる操作盤の選別スイッチを選択する。これにより、選別作業開始のプログラムが開始され、図４のしきい値格納メモリ３４から上述のように設定された良品か不良品かを判定するしきい値が読み込まれる。そして、ＣＰＵ及びメモリ部３２によりしきい値を基準に良品か不良品かを判定されることになる。
　この状態で振動フィーダ６を起動させると、貯留タンク５に供給されている原料がシュート４上に供給され、該シュート４下端から原料が落下して光学検出部７ａ，７ｂで検出されることになる。
　このとき、光学検出部７ａ，７ｂ間を流下する原料は、その画像がＣＣＤカメラ１３ａ，１３ｂ、ＮＩＲカメラ１４により撮像され、この撮像データは画像データ取得機構３３を経て画像データ格納メモリ３７に一次的に記憶される。そして、原料は、上記良品パターン／不良品パターン学習工程及びしきい値算出工程で述べたように、三次元色空間上でプロットした後、二次元色空間上に変換する。すなわち、選別・判定したい粒状物としては、図７の粒状物Ａ又は粒状物Ｂということになる。
　一方、しきい値データ格納メモリ３４に格納された現在のしきい値を模式的に示すと、図７の交線Ｌであり、図７上では、交線Ｌが境界線となり、境界線Ｌよりも上方が良品領域を示し、境界線Ｌよりも下方が不良品領域を示している。
　図７において、仮に、粒状物Ａが境界線Ｌよりも上方の良品領域に入れば、図4の良品／不良品判別機構３６が「粒状物Ａは良品である」と判定し、エジェクタ駆動回路４１からは除去信号を発せず、良品として良品受口９（図２参照）に回収される。一方、粒状物Ｂが境界線Ｌよりも下方の不良品領域に入れば、図４の良品／不良品判別機構３６が「粒状物Ｂは不良品である」と判定するので、エジェクタ駆動回路４１からは除去信号を電磁弁２１に発信し、エジェクターノズル８から高圧エアの噴風によって流下中の原料から除去され、不良品として不良品受口２７（図２参照）から回収されることになる。
　なお、図６及び図７における良品クラスタを不良品クラスタとみなし、不良品クラスタを良品クラスタとみなして逆に設定してもよい。通常、不良品は良品に比べて原料に対する占有割合は非常に小さいために、エジェクターノズル８からの高圧エアの噴射により、選別・除去が可能となる。しかし、良品が不良品に比べて原料に対する占有割合が非常に少ない場合には、良品の粒状物を不良品とみなしてエジェクターノズル８から高圧エアの噴風により、選別・除去するほうが選別効率がよい。これは、いわゆる「逆打ち」と称して、従来から色彩選別機にその制御機構が組み込まれているものであり、原料粒状物中の不良粒混入率等を考慮して作業者が適宜設定することができるものである。図６及び図７における良品クラスタを不良品クラスタとみなし、不良品クラスタを良品クラスタとみなすことも、しきい値データ格納メモリ３４のデータの書き換えを行うのみで容易に設定することができる。作業者が「逆打ち」を設定した場合は、良品がエジェクターノズル８からの高圧エアの噴風を受け、不良品受口２７に回収される一方、不良品はエジェクターノズル８からの高圧エアの噴風を受けずに、そのまま良品受口９に回収されることになる。
　以上説明したように、本発明にあっては、粒状物の個々の色情報に基づき分離対象物とするか否かを判別する判別手段が、三次元色分布データ作成部と、マハラノビス距離境界面作成部と、ユークリッド距離境界面作成部と、しきい値決定部とを備えているから、三次元色分布データ作成部において、粒状物のＲ、Ｇ及びＢの光の各波長成分を三次元色空間上にプロットして粒状物サンプルの三次元色分布全体を作成し、次いで、マハラノビス距離境界面作成部において、マハラノビス距離で算出された境界面を設定し、良品クラスタ領域と、不良品クラスタ領域との概略２つのクラスタに分割し、さらに、ユークリッド距離境界面作成部において、良品クラスタ領域及び不良品クラスタ領域の各重心位置を求めるとともに、各重心位置間の距離が最も離れるユークリッド距離で算出された境界面を三次元色分布全体に設定し、しきい値決定部において、前記マハラノビス距離の境界面と前記ユークリッド距離の境界面との交線を求め、該交線を分離対象物とするか否かを決定するしきい値となすものである。したがって、三次元色空間上にプロットした粒状物サンプルを、マハラノビス距離境界面によって大雑把に良品クラスタ領域と不良品クラスタ領域とに分離し、次いで、ユークリッド距離境界面によって感度有効範囲が広い境界面を探索し、さらには、しきい値決定部によって、二次元色空間上におけるしきい値を算出することができ、操作者にとっては人間の目に近いＲＧＢの三次元色空間情報を有効に利用して感度設定を容易に行うことができ、信号処理も大幅に簡略化した光学式粒状物選別機を提供することができるものである。
　なお、本発明の色彩選別機は、上記実施の形態に限らず、種々の設計変更が可能である。例えば、移送手段としてシュートを採用しているが、このシュートは上下２段、上下３段など複数段構成であってもかまわないし、移送手段としてベルトコンベア等で構成してもよい。また、分離対象物を連続した流れから排除する排除手段として、高圧エアを噴射する高速エア式エジェクターノズルを採用しているが、この高速エジェクターノズルの代わりに分離対象物を連続した流れから排除するエアシリンダ等のプッシュ式エジェクト手段であってもよい。
　以上説明したとおり、本発明は、人間の目に近いＲＧＢの三次元色空間情報を有効に利用して感度設定を容易に行い得て、しかも、信号処理を大幅に簡略化することが可能な、新規かつ有用な光学式粒状物選別機であることは明らかである。
　本発明は、米・麦類・豆類・ナッツ類等の穀粒、ペレット・ビーズ等の樹脂片、医薬品、鉱石類、シラス等の細かい物品、その他の粒状物からなる原料を良品と不良品とに選別したり、原料に混入する異物等を排除したりする光学式粒状物選別機に適用することが可能である。
　１　　光学式粒状物選別機
　２　　機枠
　３A　　一次選別部
　３B　　二次選別部
　４　　シュート
　５　　貯留タンク
　６　　振動フィーダ
　７　　光学検出部
　８　　エジェクターノズル
　９　　良品回収樋
　１０　　不良品回収樋
　１１　　補助不良品回収樋
　１２　　箱体
　１３　　ＣＣＤカメラ
　１４　　ＮＩＲカメラ
　１５　　可視光源
　１６　　近赤外光源
　１７　　バックグラウンド
　１８　　窓部材
　１９　　サブタンク
　２０　　エア管
　２１　　電磁弁
　２２　　チューブ
　２３　　エアシリンダ
　２４　　前面ドア
　２５　　液晶ディスプレイ
　２６　　電源スイッチ
　２７　　不良品受口
　２８　　良品受口
　２９　　補助不良品受口
　３０　　サンプル取出部
　３１　　信号処理部
　３２　　ＣＰＵ及びメモリ部
　３３　　画像データ取得機構
　３４　　しきい値データ格納メモリ
　３５　　２値化計算機構
　３６　　良品／不良品判別機構
　３７　　画像データ格納メモリ
　３８　　しきい値データ計算機構
　３９　　操作信号受信機構
　４０　　エジェクタ駆動回路
　５１　　良品クラスタ
　５２　　不良品クラスタ

Claims (2)

  1. 　　良品、不良品及び異物を含む粒状物を連続した流れとなるように移送する移送手段と、該移送手段により移送された前記粒状物を検査する検査手段と、該検査手段により検査された粒状物の個々の色情報に基づき分離対象物とするか否かを判別する判別手段と、該判別手段により判別された分離対象物を連続した流れから排除する排除手段とを備えた光学式粒状物選別機であって、
    　　前記検査手段は、前記粒状物に光を照明する照明部と、前記粒状物を透過した光又は前記粒状物から反射した光を検知する光検知部とを備える一方、
    　　前記判別手段は、前記光検知部により検知した前記粒状物のＲ、Ｇ及びＢの光の各波長成分を三次元色空間上にプロットして粒状物サンプルの三次元色分布データを作成する三次元色分布データ作成部と、
    　　該三次元色分布データ作成部により作成された三次元色分布データにマハラノビス距離で算出された境界面を設定し、良品を多く含む第一の良品クラスタ領域と、不良品及び異物を多く含む第一の不良品クラスタ領域とに仕切るマハラノビス距離境界面作成部と、
    　　該マハラノビス距離境界面作成部により形成された第一の良品クラスタ領域及び第一の不良品クラスタ領域の各重心位置を求めるとともに、当該各重心位置間の距離が最も離れるユークリッド距離で算出された境界面を設定して、第二の良品クラスタ領域と、第二の不良品クラスタ領域とに仕切るユークリッド距離境界面作成部と、
    　　前記マハラノビス距離で算出された境界面と前記ユークリッド距離で算出された境界面との交線を求め、該交線を分離対象物とするか否かを決定する判別しきい値として決定するしきい値決定部とを備えたことを特徴とする光学式粒状物選別機。
  2. 　　良品、不良品及び異物を含む粒状物を連続した流れとなるように移送する移送手段と、該移送手段により移送された前記粒状物を検査する検査手段と、該検査手段により検査された粒状物の個々の色情報に基づき分離対象物とするか否かを判別する判別手段と、該判別手段により判別された分離対象物を連続した流れから排除する排除手段とを備えた光学式粒状物選別機であって、
    　　前記検査手段は、前記粒状物に光を照明する照明部と、前記粒状物を透過した光又は前記粒状物から反射した光を検知する光検知部とを備える一方、
    　　前記判別手段は、前記光検知部により検知した前記粒状物のＲ、Ｇ及びＢの光の各波長成分を三次元色空間上にプロットして粒状物サンプルの三次元色分布データを作成する三次元色分布データ作成部と、
    　　作業者があらかじめ準備した良品、不良品及び異物のそれぞれのサンプルを移送手段に流し、前記光検知部により前記各サンプルが検知されて三次元色分布データが作成されるとともに、画像上に当該サンプルが表示されたときに目視により良品、不良品及び異物のいずれかに類別して三次元色分布データと対応させて学習を行う学習・記憶部と、
    　　該学習・記憶部により作成された三次元色分布データにマハラノビス距離で算出された境界面を設定し、良品を多く含む第一の良品クラスタ領域と、不良品及び異物を多く含む第一の不良品クラスタ領域とに仕切るマハラノビス距離境界面作成部と、
    　　該マハラノビス距離境界面作成部により形成された第一の良品クラスタ領域及び第一の不良品クラスタ領域の各重心位置を求めるとともに、当該各重心位置間の距離が最も離れるユークリッド距離で算出された境界面を設定し、良品を多く含む第二の良品クラスタ領域と、不良品及び異物を多く含む第二の不良品クラスタ領域とに仕切るユークリッド距離境界面作成部と、
    　　前記マハラノビス距離で算出された境界面と前記ユークリッド距離で算出された境界面との交線を求め、該交線を分離対象物とするか否かを決定する判別しきい値として決定するしきい値決定部と、
    　　原料を前記移送手段に流して選別動作を行ったときに、前記三次元色分布データ上に作成されたデータが前記しきい値決定部で決定したしきい値に属さないと判断された場合、当該粒状物を分離対象物とみなす良品／不良品判別部とを備えたとこを特徴とする光学式粒状物選別機。
PCT/JP2013/052838 2012-03-27 2013-02-07 光学式粒状物選別機 WO2013145873A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
ES13767511T ES2704429T3 (es) 2012-03-27 2013-02-07 Máquina clasificadora de gránulos de tipo óptico
KR1020147029102A KR101998910B1 (ko) 2012-03-27 2013-02-07 광학식 입상물 선별기
JP2014507488A JP6152845B2 (ja) 2012-03-27 2013-02-07 光学式粒状物選別機
US14/387,545 US9024223B2 (en) 2012-03-27 2013-02-07 Optical type granule sorting machine
EP13767511.2A EP2832458B1 (en) 2012-03-27 2013-02-07 Optical type granule sorting machine
BR112014024083-3A BR112014024083B1 (pt) 2012-03-27 2013-02-07 Máquina de classificação de tipo de grânulo óptica
CN201380017680.1A CN104203436B (zh) 2012-03-27 2013-02-07 光学式粒状物分选机

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012070766 2012-03-27
JP2012-070766 2012-03-27

Publications (1)

Publication Number Publication Date
WO2013145873A1 true WO2013145873A1 (ja) 2013-10-03

Family

ID=49259158

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/052838 WO2013145873A1 (ja) 2012-03-27 2013-02-07 光学式粒状物選別機

Country Status (9)

Country Link
US (1) US9024223B2 (ja)
EP (1) EP2832458B1 (ja)
JP (1) JP6152845B2 (ja)
KR (1) KR101998910B1 (ja)
CN (1) CN104203436B (ja)
BR (1) BR112014024083B1 (ja)
ES (1) ES2704429T3 (ja)
TW (1) TWI573634B (ja)
WO (1) WO2013145873A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014126232A1 (ja) * 2013-02-18 2014-08-21 株式会社サタケ 光学式粒状物選別機
WO2015186708A1 (ja) * 2014-06-05 2015-12-10 株式会社サタケ 粒状物外観品位判別装置における品位判別基準の作成方法
WO2015200111A1 (en) * 2014-06-23 2015-12-30 Tsi, Inc. Rapid material analysis using libs spectroscopy
WO2017169758A1 (ja) * 2016-03-31 2017-10-05 株式会社サタケ 穀類の搗精度評価方法及びその装置
WO2019097981A1 (ja) * 2017-11-14 2019-05-23 新東工業株式会社 検査対象物の表面状態の評価方法、評価装置、評価装置の制御方法及び評価装置の制御プログラム
JP2023115692A (ja) * 2022-02-08 2023-08-21 ユーシーシー上島珈琲株式会社 コーヒー豆類の良品識別機能を備える良品検査システムおよび良品検査方法
WO2023195215A1 (ja) * 2022-04-08 2023-10-12 住友化学株式会社 透明度評価方法

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130056398A1 (en) * 2006-12-08 2013-03-07 Visys Nv Apparatus and method for inspecting and sorting a stream of products
USD746339S1 (en) * 2013-07-11 2015-12-29 Buhler Sortex Ltd Combined sorting and classifying machine
CN103464385B (zh) * 2013-09-13 2015-11-25 佐竹机械(苏州)有限公司 光学式粒状物选别机
JP1510912S (ja) * 2014-05-09 2014-11-10
JP1525031S (ja) * 2014-08-07 2015-06-01
JP1527131S (ja) * 2014-11-21 2015-06-22
US10512942B2 (en) * 2017-10-30 2019-12-24 Optisort, Llc System and method for sorting objects
JP7151089B2 (ja) * 2018-02-06 2022-10-12 株式会社サタケ 光学式選別機
CN112041093B (zh) * 2018-04-27 2022-09-16 株式会社久保田 农业管理系统以及显示装置
EP3887069B1 (fr) * 2018-11-27 2024-06-05 Suez International Systeme et procede de tri et de caracterisation de dechets, en particulier des emballages
KR102009757B1 (ko) * 2019-03-21 2019-08-12 (주)싸이젠텍 인공지능 프로그램 기반 이물선별장치
JP7306158B2 (ja) * 2019-08-27 2023-07-11 株式会社サタケ 光学式粒状物選別機
CN115210007A (zh) * 2020-03-05 2022-10-18 株式会社佐竹 光学式分选机
KR102316688B1 (ko) * 2020-05-07 2021-10-25 (주)일성테크 광학식 색채 선별기 전용 머신 비전 카메라의 3축 미세 조절장치
TWI759108B (zh) * 2021-02-17 2022-03-21 明志科技大學 可調速之粉體光學檢測系統
EP4304348A1 (en) 2021-03-07 2024-01-17 Reeldata Inc. Ai based feeding system and method for land based fish farms
CN113080190A (zh) * 2021-05-17 2021-07-09 河北联兴佳垚农业科技有限公司 基于温度自调节的菊苣菜仔根低温贮藏系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001283153A (ja) * 2000-01-27 2001-10-12 Fujitsu Ltd カラー画像から文字列パターンを抽出する装置および方法
JP2004178050A (ja) * 2002-11-25 2004-06-24 Fuji Xerox Co Ltd 色データ精度算出方法、色データ精度算出装置、色処理方法、色処理装置、色データ精度算出プログラム、色処理プログラム、記憶媒体
JP2005186053A (ja) * 2003-12-03 2005-07-14 Satake Corp 粒状物色彩選別機
JP2007006142A (ja) * 2005-06-23 2007-01-11 Ricoh Co Ltd 画像処理方法、画像形成装置、プログラム及び記録媒体
WO2008001889A1 (fr) * 2006-06-29 2008-01-03 Fujitsu Limited procédé de classification de couleur, procédé de reconnaissance de couleur, dispositif de classification de couleur, dispositif de reconnaissance de couleur, système de reconnaissance de couleur, programme informatique et support d'enregistrement
JP2009119410A (ja) 2007-11-16 2009-06-04 Satake Corp 粒状物等の光学判別装置及び粒状物等の光学式選別装置
JP2010050832A (ja) * 2008-08-22 2010-03-04 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP2010062929A (ja) * 2008-09-04 2010-03-18 Ricoh Co Ltd 画像処理装置、画像処理プログラム、及び記録媒体
JP2010288163A (ja) * 2009-06-15 2010-12-24 Internatl Business Mach Corp <Ibm> 評価システム、マーカー表示の制御方法およびプログラム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3722354B2 (ja) * 1999-09-10 2005-11-30 株式会社サタケ 粒状物選別方法及び粒状物選別装置
JP2004283153A (ja) 2003-03-19 2004-10-14 Shigeta Animal Pharmaceuticals Inc Ｑ熱菌のＰＣＲ（Ｐｏｌｙｍｅｒａｓｅｃｈａｉｎｒｅａｃｔｉｏｎ）法による高精度迅速検出法
JP4438358B2 (ja) * 2003-09-04 2010-03-24 株式会社サタケ 表示調整機構を具えた粒状物色彩選別機
CN2740303Y (zh) * 2004-11-16 2005-11-16 许大红 颗粒物料色选机
CN101279321B (zh) * 2008-05-14 2012-10-10 合肥泰禾光电科技股份有限公司 颗粒物料光学色选机
CN101786084A (zh) * 2009-12-25 2010-07-28 北京经纬纺机新技术有限公司 双ccd物料色选方法及色选机
CN102284428B (zh) * 2011-05-12 2013-04-17 浙江大学 谷物实时检测与分级的机器视觉系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001283153A (ja) * 2000-01-27 2001-10-12 Fujitsu Ltd カラー画像から文字列パターンを抽出する装置および方法
JP2004178050A (ja) * 2002-11-25 2004-06-24 Fuji Xerox Co Ltd 色データ精度算出方法、色データ精度算出装置、色処理方法、色処理装置、色データ精度算出プログラム、色処理プログラム、記憶媒体
JP2005186053A (ja) * 2003-12-03 2005-07-14 Satake Corp 粒状物色彩選別機
JP2007006142A (ja) * 2005-06-23 2007-01-11 Ricoh Co Ltd 画像処理方法、画像形成装置、プログラム及び記録媒体
WO2008001889A1 (fr) * 2006-06-29 2008-01-03 Fujitsu Limited procédé de classification de couleur, procédé de reconnaissance de couleur, dispositif de classification de couleur, dispositif de reconnaissance de couleur, système de reconnaissance de couleur, programme informatique et support d'enregistrement
JP2009119410A (ja) 2007-11-16 2009-06-04 Satake Corp 粒状物等の光学判別装置及び粒状物等の光学式選別装置
JP2010050832A (ja) * 2008-08-22 2010-03-04 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP2010062929A (ja) * 2008-09-04 2010-03-18 Ricoh Co Ltd 画像処理装置、画像処理プログラム、及び記録媒体
JP2010288163A (ja) * 2009-06-15 2010-12-24 Internatl Business Mach Corp <Ibm> 評価システム、マーカー表示の制御方法およびプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2832458A4

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014126232A1 (ja) * 2013-02-18 2014-08-21 株式会社サタケ 光学式粒状物選別機
US9676005B2 (en) 2013-02-18 2017-06-13 Satake Corporation Optical type granule sorting machine
WO2015186708A1 (ja) * 2014-06-05 2015-12-10 株式会社サタケ 粒状物外観品位判別装置における品位判別基準の作成方法
JP2015230265A (ja) * 2014-06-05 2015-12-21 株式会社サタケ 粒状物外観品位判別装置における品位判別基準の作成方法
KR102382399B1 (ko) * 2014-06-05 2022-04-01 가부시끼가이샤 사따께 입상물 외관 품위 판별 장치에 있어서의 품위 판별 기준의 작성 방법
KR20170015338A (ko) * 2014-06-05 2017-02-08 가부시끼가이샤 사따께 입상물 외관 품위 판별 장치에 있어서의 품위 판별 기준의 작성 방법
CN106662534A (zh) * 2014-06-05 2017-05-10 株式会社佐竹 粒状物外观等级判别装置的等级判别基准的生成方法
US10386307B2 (en) 2014-06-05 2019-08-20 Satake Corporation Method of creating quality grade discrimination criteria in granular material appearance quality grade discrimination device
US10088425B2 (en) 2014-06-23 2018-10-02 Tsi, Incorporated Rapid material analysis using LIBS spectroscopy
WO2015200111A1 (en) * 2014-06-23 2015-12-30 Tsi, Inc. Rapid material analysis using libs spectroscopy
JPWO2017169758A1 (ja) * 2016-03-31 2019-02-07 株式会社サタケ 穀類の搗精度評価方法及びその装置
WO2017169758A1 (ja) * 2016-03-31 2017-10-05 株式会社サタケ 穀類の搗精度評価方法及びその装置
WO2019097981A1 (ja) * 2017-11-14 2019-05-23 新東工業株式会社 検査対象物の表面状態の評価方法、評価装置、評価装置の制御方法及び評価装置の制御プログラム
JPWO2019097981A1 (ja) * 2017-11-14 2020-09-24 新東工業株式会社 検査対象物の表面状態の評価方法、評価装置、評価装置の制御方法及び評価装置の制御プログラム
JP7184048B2 (ja) 2017-11-14 2022-12-06 新東工業株式会社 検査対象物の表面状態の評価方法、評価装置、評価装置の制御方法及び評価装置の制御プログラム
JP2023115692A (ja) * 2022-02-08 2023-08-21 ユーシーシー上島珈琲株式会社 コーヒー豆類の良品識別機能を備える良品検査システムおよび良品検査方法
JP7440044B2 (ja) 2022-02-08 2024-02-28 ユーシーシー上島珈琲株式会社 コーヒー豆類の良品識別機能を備える良品検査システムおよび良品検査方法
WO2023195215A1 (ja) * 2022-04-08 2023-10-12 住友化学株式会社 透明度評価方法

Also Published As

Publication number Publication date
EP2832458A4 (en) 2015-11-25
CN104203436A (zh) 2014-12-10
EP2832458A1 (en) 2015-02-04
KR20140145163A (ko) 2014-12-22
KR101998910B1 (ko) 2019-07-10
EP2832458B1 (en) 2018-10-10
US20150076042A1 (en) 2015-03-19
JP6152845B2 (ja) 2017-06-28
CN104203436B (zh) 2016-05-04
BR112014024083B1 (pt) 2021-10-26
US9024223B2 (en) 2015-05-05
BR112014024083A2 (pt) 2017-06-20
TWI573634B (zh) 2017-03-11
ES2704429T3 (es) 2019-03-18
JPWO2013145873A1 (ja) 2015-12-10
TW201400198A (zh) 2014-01-01

Similar Documents

Publication Publication Date Title
JP6152845B2 (ja) 光学式粒状物選別機
JP6037125B2 (ja) 光学式粒状物選別機
JP5569799B2 (ja) 色彩選別機
US20090050540A1 (en) Optical grain sorter
JP4915129B2 (ja) 色彩選別機
JP5332268B2 (ja) 光学式米粒選別機
JP2010042326A (ja) 光学式穀粒選別装置
JP2001145855A (ja) 粒状物選別方法及び粒状物選別装置
RU2699751C1 (ru) Способ сортировки объектов по их цветовым характеристикам
RU2403100C2 (ru) Устройство для сортировки зерна по цвету
Chen et al. Sensor-based sorting
WO2021149820A1 (ja) 光学式粒状物判別装置
JP7392495B2 (ja) 光学式粒状物判別装置
JP7392494B2 (ja) 光学式粒状物判別装置
CN103464385B (zh) 光学式粒状物选别机
CN203678707U (zh) 光学式粒状物选别机

Legal Events

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

Ref document number: 201380017680.1

Country of ref document: CN

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

Ref document number: 13767511

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014507488

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14387545

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2013767511

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 20147029102

Country of ref document: KR

Kind code of ref document: A

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112014024083

Country of ref document: BR

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 112014024083

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20140926