СПОСОБ И УСТРОЙСТВО ДЛЯ ОБРАБОТКИ СОБРАННЫХ КОРНЕПЛОДНЫХ КУЛЬТУР Российский патент 2017 года по МПК G01N21/85 B07C5/342 

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

Настоящее изобретение относится к обработке собранных корнеплодных культур, а в частности - к сортировке собранных корнеплодных культур, таких, как картофель, для удаления инородного материала, такого, как камни и комья грязи.

УРОВЕНЬ ТЕХНИКИ

Картофель, лук и другие корнеплодные культуры собирают и в типичном случае хранят в течение нескольких месяцев для последующей обработки и потребления. В течение процесса сбора урожая, культуру механически выкапывают из поля, в результате чего собранный продукт, который и сам по себе в типичном случае покрыт грязью, включает в себя камни, комья грязи и другой инородный материал. Хранение такого инородного материала не требуется по ряду причин. Во-первых, оно увеличивает стоимость транспортировки, хранения и мер по охране и рациональному использованию среды, окружающей культуры. Дополнительная проблема заключается в том, что инородный материал может повредить культуры, когда те находятся на хранении, а также во время транспортировки их в хранилища и из хранилищ. Такой материал, как камни, может также повредить оборудование, используемое для обработки культур после хранения. Помимо этого, инородный материал в обработанном продукте весьма нежелателен для потребителей, поскольку может причинить вред здоровью.

В настоящее время, для удаления инородного материала из собранных корнеплодных культур используют ряд способов, таких как ручная сортировка, использование механических катушек, или посредством флотации. Однако, эти способы обычно добавляются к обработке продукта и могут вызывать физическое повреждение культур. Методы сепарации, основанные на применении воды, нежелательны, потому что перед хранением предпочтительно поддерживать культуры сухими во избежание гниения.

Сейчас для сортировки множества материалов, таких, как виноград, замороженные приготовленные овощи и отходы для повторного пользования используют оптическую сортировку. Однако сортировка корнеплодных культур создает дополнительные трудности, которые в указанных областях не встречаются, поскольку любой механизм сортировки, используемый для обработки собранных корнеплодных культур, должен быть выполнен с возможностью дифференциации между комом грязи или камнем и картофелиной или луковицей, покрытой грязью. Например, в приложениях, связанных с повторным использованием, оптическая сортировочная машина может идентифицировать поврежденные зоны или пиксели, выбраковываемые из потока материала, а потом активировать струи воздуха для сдувания выбракованного материала, когда его пропускают выходные сопла. В таком приложении материал, подлежащий сортировке, хорошо известен, например, является бумагой, такой пластмассой, как полиэтилентерефталат или полиэтилен, и имеет четко определенную спектральную характеристику, а загрязнение исходного материала проблемой не является. Однако спектральная характеристика такой культуры, как картофель, не является столь же четко определенной, как спектральная характеристика синтетических материалов, таких, как пластмассы, и когда продукт покрыт грязью, становится еще труднее установить различия между культурами и инородным материалом. Кроме того, когда сортировка корнеплодных культур является крупномасштабным приложением, требуется иметь возможность идентификации инородного материала в объемном потоке массы культуры - даже когда происходит соприкосновение с объектами - без необходимости поштучного разделения или индивидуализации продукта. Вот почему поштучное разделение обычно проводят с помощью высокоскоростной подачи, которая может повредить продукт. Помимо этого, высокоскоростные транспортеры непригодны для обработки грязного продукта, такого, как собранные корнеплодные культуры. Другие средства поштучного разделения предусматривают использование столов с вальцами и/или транспортерных лент с перегородками для отделения штучных объектов. Эти способы значительно снижают объемную производительность процесса и поэтому нежелательны.

Международная публикация патентной заявки WO 2007/041753 относится к формированию гиперспектральных изображений загрязняющих веществ в продуктах и процессах сельского хозяйства. Описаны способы оценки характеристик образца, такого, как виноград, с использованием отражательной спектроскопии в ближней инфракрасной области спектра. Этот способ можно использовать для оценки присутствия в образце «вещества, отличающегося от винограда», включая присутствие инфекционных веществ, таких, как плесень. Поскольку виноград в типичном случае не грязен, этот способ не предоставлял бы возможность дифференциации между загрязненными культурами и комьями грязи. Кроме того, ввиду его структуры и относительной массы, виноград не так легко мнется, как корнеплодные культуры, такие, как картофель, а поскольку виноград в типичном случае давят непосредственно после сортировки, смятие и другие повреждения предметом беспокойства не являются.

В заявке US 2012/0074047 на выдачу патент США предложены способ сортировки и устройство для сортировки инородного вещества из потока. Идентифицируемые объекты характеризуются как инородное вещество, когда интенсивности отражения по меньшей мере на двух разных длинах волн оказываются в пределах заданной области профиля интенсивности отражения. Этот способ предусматривает дифференциацию между годным продуктом и инородным материалом путем построения карты отношений интенсивностей отражения на двух или более длинах волн и идентификации зоны карты, в пределы которой попадает годный продукт. Любые объекты, которые имеют отношение интенсивностей отражения, находящееся вне этой зоны, считаются инородным материалом, который можно выбросить при последующем проведении процесса. В соответствии с этим процессом, объекты с прилипшей грязью обозначались бы, как находящиеся в зонах карты, характеризующих и годный продукт, и инородный материал, что делало бы процесс принятия решения менее точным. Помимо этого, испачканные грязью объекты будут отражать суммарный сигнал, когда покрывающая грязь является тонкой, и при этом как грязь, так и годная корнеплодная культура, будут отражать частичные сигналы в детектор пикселей съемочной камеры. Этот суммарный сигнал не будет точно совпадать ни с зоной карты, характеризующей годный продукт, ни с зоной карты, характеризующей инородный материал, снова затрудняя принятие решения о том, выбраковать ли объект.

Поэтому требуется разработать способ и устройство для обработки больших объемов собранной корнеплодной культуры, обеспечивающие возможность различения между инородным материалом, таким, как комья грязи и камни, и покрытыми грязью культурами и обуславливающие причинение минимальные повреждения культурам. Требуется также разработать способ и устройство, которые дают возможность идентификации гнили или позеленения на корнеплодных культурах.

РАСКРЫТИЕ ИЗОБРЕТЕНИЯ

В соответствии с одним аспектом данного изобретения, предложен способ обработки собранных корнеплодных культур, включающий в себя этапы, на которых:

оптически формируют изображения объемного потока собранной корнеплодной культуры для получения данных изображений;

анализируют данные изображений для идентификации дискретных объектов в объемном потоке;

относят каждый идентифицируемый объект к категории либо приемлемых, либо неприемлемых, на основании сравнения с по меньшей мере одним дискриминатором;

удаляют объекты, отнесенные к категории неприемлемых, из объемного потока, чтобы обеспечить отсортированный поток собранной корнеплодной культуры.

Преимущество этого порядка действий заключается в том, что дискретные объекты в объемном потоке массы можно идентифицировать даже тогда, когда объекты соприкасаются с грязью или другими загрязняющими веществами, либо покрыты ими. Это позволяет оценивать индивидуальные объекты в целом, а потом относить их к категории приемлемых или неприемлемых, а не просто сравнивать индивидуальные пиксели данных изображения со спектральной характеристикой желательного материала и выбраковывать материал, который не удовлетворяет применяемым критериям. В случае если материал выбраковывают на основании индивидуальных пикселей, покрытые грязью культуры можно было бы ошибочно идентифицировать как комья грязи и проводить выбраковывание, которое не нужно. Данное изобретение решает эту проблему путем анализа данных изображений с целью идентификации объектов в пределах потока и отнесения каждого объекта в целом к некоторой категории, а не оценивания пикселей по отдельности. Поэтому изобретение может быть использовано при обработке корнеплодных культур непосредственно после сбора урожая или непосредственно из хранилища собранного урожая, когда продукт испачкан грязью. Изобретение также можно воплотить в пункте приема комплексов для обработки корнеплодных культур после сбора урожая, где культуру можно принимать в вымытом или невымытом состоянии.

Объект может быть отнесен к категории неприемлемых, если сравнение указывает, что объект не является корнеплодной культурой. В дополнительном или альтернативном варианте, может быть отнесен к категории неприемлемых, если сравнение указывает, что объект является загнившей или дефектной корнеплодной культурой. Объект относят к категории приемлемых, если сравнение указывает, что объект является годной корнеплодной культурой. В том смысле, в каком он употребляется здесь, термин «годная корнеплодная культура» относится к корнеплодной культуре, которая является, по существу, бездефектной.

Указанный по меньшей мере один дискриминатор может включать в себя один или несколько порогов размеров, метод опорных векторов и/или многовариантные подходы, такие как PCS, PLS и т.д.

Оптическое формирование изображений потока собранной корнеплодной культуры может включать в себя использование формирования гиперспектральных изображений для генерирования множества пикселей изображений, каждый из которых имеет спектральный профиль. Каждый пиксель можно классифицировать как соответствующий конкретному материалу или совокупности материалов, либо как отображающий конкретный материал или совокупность материалов на основании спектрального профиля. Пиксели можно классифицировать как соответствующие корнеплодной культуре, такой, как картофель, или другим материалам, таким, как грязь, камень или древесина. В том смысле, в каком он употребляется здесь, термин «грязь» следует считать охватывающим почву, песок, ил и другие аналогичные загрязняющие вещества, которые могут прилипнуть к внешним поверхностям собранных корнеплодных культур. Пиксели, классифицированные как соответствующие корнеплодной культуре, можно дополнительно классифицировать как соответствующие годной корнеплодной культуре, или негодной корнеплодной культуре. Негодная корнеплодная культура может включать в себя, например, загнившую корнеплодную культуру или позеленевшую корнеплодную культуру. В других вариантах осуществления, можно использовать формирование многоспектральных изображений.

Формирование гиперспектральных изображений можно осуществлять на длинах волн между 470 нм и 2000 нм. Формирование гиперспектральных изображений можно осуществлять в двух выбираемых областях спектра, одной из которых является видимая область, а другой - ближняя инфракрасная область. В одном варианте осуществления, подходящем для обработки картофеля, подобласть видимого спектра между 750 нм и 1100 нм делится на 16 равных полос света, а ближняя инфракрасная субобласть спектра делится на дополнительные 16 равных полос. Тогда спектральную информацию обрабатывают посредством одного из ряда методов спектрального анализа, таких, как многовариантный анализ, анализ главных компонент, анализ методом опорных векторов, дерево алгоритмических решений множественных сравнений и отношений спектральных компонент или картирование цветовых пространств с использованием двухмерных, трехмерных или n-мерных цветовых пространств или облаков.

В одном варианте осуществления, отнесение объекта к категории неприемлемых включает в себя сравнение спектрального профиля пикселей этого объекта со спектральной характеристикой «всегда неприемлемого» материала, представляющего собой материал, который никогда не образует часть приемлемого объекта. Такие материалы могут включать в себя, например, камень или древесину, но не грязь, поскольку грязь приемлема, когда она прилипла к корнеплодной культуре. Если обнаруживается, что спектральный профиль пикселя совпадает с характеристикой всегда неприемлемого материала, то объект может быть отнесен к категории неприемлемых и удален из потока. Этот способ не подходит для выбраковывания комьев грязи, поскольку пиксель, классифицированный как грязь, может образовывать часть приемлемого объекта, такого, как покрытая грязью картофелина.

Этап анализа данных изображений может включать в себя группирование пикселей изображений как объектов на основе по меньшей мере одного критерия местонахождения или сближения.

В одном варианте осуществления, для группирования пикселей как объектов используют метод поиска вершин. Для обнаружения острых углов или вершин, которые в типичном случае образуются в точке контакта между объектами, в целом овальными или круглыми, такими, как картофель, можно анализировать данные изображений. С помощью этого способа, противолежащие острые углы идентифицируют как точки сужения, а между двумя вершинами можно провести линию. Пиксели с одной стороны от линии можно сгруппировать друг с другом как первый объект, а пиксели с другой стороны линии можно сгруппировать друг с другом как второй объект. После этого, каждый объект можно отнести к категории приемлемых или неприемлемых.

В еще одном варианте осуществления, можно использовать метод распространения пикселей. Выбирают первый пиксель, классифицированный как отображающий годную корнеплодную культуру. Анализируют пиксели, примыкающие к первому пикселю, и включают в область поиска любой примыкающий пиксель, который соответствует «возможно приемлемому» материалу. Возможно приемлемыми материалами являются те, которые могут образовывать часть приемлемого объекта и могут включать в себя годную корнеплодную культуру, негодную корнеплодную культуру, грязь, и/или другие материалы, которые могут оказаться прилипшими к корнеплодным культурам. Они не включают в себя всегда неприемлемые материалы, такие, как камень или древесина, которые никогда не смогут образовать часть приемлемого объекта. Потом анализируют следующий набор пикселей вокруг области поиска и добавляют их к области поиска, если они удовлетворяют критериям. Этот процесс итеративно повторяют в пределах некоторого конкретного радиуса или до тех пор, пока не обнаруживается граница объекта. Границу объекта можно обнаружить, когда достигается край объекта (то есть, по отсутствию пикселей, соответствующих возможно приемлемым материалам, таким, как корнеплодные культуры или грязь), или когда встречаются пиксели другого материала, такого, как камень или древесина. Радиус поиска можно определять в зависимости от типа анализируемой культуры и конкретных условий культуры, чтобы избежать включения комьев грязи в область поиска. Сразу же по завершении этого процесса, пиксели, включенные в область поиска, сгруппировывают друг с другом как объект, который впоследствии можно отнести к некоторой категории. Таким образом, можно наращивать область поиска с одного-единственного пикселя видимой картофелины, чтобы охватить весь покрытый грязью картофель. Этот вариант осуществления полезен, в частности, в ситуациях, когда данные изображений осложняются очень большим объемом продукта, и в этом случае метод поиска вершин может столкнуться с затруднениями при установлении соответствия вершин.

Отнесение каждого идентифицируемого объекта либо к категории приемлемых, либо к категории неприемлемых, может заключаться в том, что:

генерируют статистический профиль объекта на основании спектрального профиля пикселей, сгруппированных в пределах объекта; и

сравнивают статистический профиль объекта с по меньшей мере одним количественным или качественным порогом.

В одном варианте осуществления, генерирование статистического профиля объекта включает в себя проведение статистического анализа по пикселям, сгруппированным в пределах объекта, чтобы определить долю тех пикселей, которые соответствуют годной корнеплодной культуре. Можно также проводить определение доли тех пикселей, которые соответствуют другим материалам, таким, как грязь, загнившие корнеплодные культуры или позеленевшие корнеплодные культуры. Затем можно сравнить определяемые доли с пороговой долей пикселей, которая позволяет отнести объект к категории приемлемых. Например, объект можно считать приемлемым, если 80% пикселей соответствуют годной корнеплодной культуре, 15% пикселей соответствуют грязи, а 5% пикселей соответствуют позеленевшей корнеплодной культуре. Как говорилось выше, если какие-либо пиксели определены как соответствующие всегда неприемлемому материалу, объект можно отнести к категории неприемлемых.

Отнесение каждого идентифицируемого объекта к некоторой категории может дополнительно предусматривать:

генерирование информации о пространственных параметрах, связанной с идентифицируемым объектом, на основании распределения пикселей, сгруппированных в пределах объекта; и

сравнение информации о пространственных параметрах с по меньшей мере одним порогом пространственного параметра.

Генерируемая информация о пространственных параметрах может включать в себя связь информации с размерами - длиной, шириной, характеристическое отношение и/или форму идентифицируемого объекта. Информацию о пространственных параметрах можно сравнивать с порогами, касающимися размеров и формы типичных корнеплодных культур. Например, если сортируемые корнеплодные культуры являются картофелем, информацию о пространственных параметрах для каждого объекта, идентифицируемого в потоке, сравнивают с по меньшей мере одним порогом, соответствующим размерам и/или форме типичного картофеля.

Статистический профиль и/или информацию о пространственных параметрах, генерируемую для каждого объекта, можно использовать для избирательной обработки объекта. Как уже подчеркивалось выше, если объект отнесен к категории неприемлемых, его удаляют из потока культуры. Вместе с тем, статистический профиль и/или информацию о пространственных параметрах объектов, классифицируемых как приемлемые, можно использовать как указание других характеристик объекта, таких, как размеры, форма или качество, и на этой основе возможно дальнейшее разделение потока культуры.

В других приложениях, для каждого объекта можно вычислять длину, ширину или характеристическое отношение на основании информации о пространственных параметрах, генерируемой для объекта. Информацию о средних характеристиках культуры в конкретной партии можно накапливать и использовать, чтобы определить пригодность для конкретных конечных приложений. Например, длинный картофель может оказаться идеальным для использования в приготовлении картофеля фри, а мелкий картофель может оказаться более подходящим для использования в качестве картофеля для салата.

Этап оптического формирования изображений можно проводить, когда объемный поток собранной корнеплодной культуры находится в процессе свободного падения. Когда покрытые грязью корнеплодные культуры проходят по транспортерной ленте, транспортер загрязняется, и его не удается поддерживать чистым. Это может осложнить процесс сортировки, поскольку становится труднее отличать культуры от их окружения. Формирование изображений культуры по мере ее свободного падения с конца транспортера исключает эти трудности. Оптический фон можно предусматривать позади потока продукта, но не в контакте с ним.

Способ может дополнительно включать в себя этап хранения собранной корнеплодной культуры до и после этапов оптического формирования изображений, анализа, отнесения к некоторой категории и удаления. Этапы оптического формирования изображений, анализа, отнесения к некоторой категории и удаления можно считать операцией сортировки. Операцию сортировки можно проводить перед хранением собранной корнеплодной культуры, так что неприемлемые объекты, такие, как инородный материал и загнившие культуры, не сохраняются, вследствие чего сокращаются затраты на транспортировку и хранение и предотвращается снижение качества культуры во время хранения из-за присутствия гнили или инородного материала. В альтернативном или дополнительном варианте, операцию сортировки можно проводить после хранения культуры в течение некоторого периода времени, вследствие чего происходит удаление любого дополнительного инородного материала перед дальнейшей обработкой культуры и удаление любых культур, которые загнили во время хранения. Поскольку корнеплодные культуры в типичном случае хранятся в течение периода, составляющего несколько месяцев, единственное сортировочное устройство можно использовать для сортировки и перед хранением, и после него.

В соответствии с еще одним аспектом данного изобретения, предложено устройство для сортировки собранных корнеплодных культур, содержащее:

средства оптического формирования изображений объемного потока собранной корнеплодной культуры для получения данных изображений;

средства анализа данных изображений для идентификации дискретных объектов в объемном потоке;

средства отнесения каждого идентифицируемого объекта к категории либо приемлемых, либо неприемлемых, на основании сравнения с по меньшей мере одним дискриминатором;

средства удаления объектов, отнесенных к категории неприемлемых, из объемного потока, чтобы обеспечить отсортированный поток собранной корнеплодной культуры.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

На фиг. 1 представлена блок-схема способа обработки собранных корнеплодных культур в соответствии с первым вариантом осуществления данного изобретения;

на фиг. 2 представлена блок-схема способа обработки собранных корнеплодных культур в соответствии со вторым вариантом осуществления данного изобретения;

на фиг. 3 представлена блок-схема способа обработки собранных корнеплодных культур в соответствии с третьим вариантом осуществления данного изобретения;

на фиг. 4 представлена блок-схема способа обработки собранных корнеплодных культур в соответствии с четвертым вариантом осуществления данного изобретения;

на фиг. 5 представлена блок-схема способа обработки собранных корнеплодных культур в соответствии с пятым вариантом осуществления данного изобретения;

фиг. 6a - 6d иллюстрируют метод поиска вершин для группирования пикселей как объектов;

на фиг. 7 представлена блок-схема участка устройства в соответствии с вариантом осуществления данного изобретения;

на фиг. 8а представлено изометрическое изображение устройства в соответствии с вариантом осуществления данного изобретения;

на фиг. 8b представлен вид сбоку устройства, показанного на фиг. 8а.

ОПИСАНИЕ ПРЕДПОЧТИТЕЛЬНЫХ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ

Фиг. 1 иллюстрирует способ обработки собранных корнеплодных культур, таких, как картофель, в соответствии с первым вариантом осуществления данного изобретения. Этот вариант осуществления будет описан применительно к картофелю, но он с тем же успехом применим и к другим корнеплодным культурам.

Картофель собирают картофелеуборочной машиной 1 и транспортируют к картофелесортировочной машине 2. Как показано на фиг. 7, в картофелесортировочную машину 2 подается объемный поток 3 собранной корнеплодной культуры посредством транспортерной ленты 30. С помощью системы для формирования гиперспектральных изображений, работающей на длинах волн от 740 нм до 1050 нм, картофелесортировочная машина оптически формирует изображения объемного потока собранного картофеля по мере его падения с конца 32 транспортера 30. На свободно падающий продукт 3 направляют видимое излучение и отражают его оптическим отражателем 36 фона, чтобы генерировать данные изображений, которые содержат множество пикселей изображений. Каждый пиксель имеет спектральный профиль, основанный на интенсивности отражения материала, отображаемого этим пикселем. Каждый пиксель классифицируют как соответствующий конкретному материалу на основании его спектрального профиля. Пиксели классифицируют как соответствующие годной картофелине, загнившей картофелине, грязи, камню, древесине или другому материалу.

Пиксели изображений анализируют, чтобы идентифицировать дискретные объекты в объемном потоке. Для группирования пикселей как объектов используют метод поиска вершин, иллюстрируемый на фиг. 6a-6d. На фиг. 6а показано изображение, содержащее пару соприкасающихся объектов 20, 22. Данные изображения анализируют, чтобы обнаружить острые углы 24, 26 или вершины, которые в типичном случае образуются в точке контакта между картофелинами, как показано на фиг. 6b. Противолежащие острые углы 24, 26 идентифицируют как точки сужения, а между двумя вершинами проводят линию 28. Затем пиксели с одной стороны от линии 28 группируют как первый объект 20, а пиксели с другой стороны этой линии группируют как второй объект 22.

Если обрабатывают очень большой объем картофеля, идентификация вершин в данных изображений может оказаться затрудненной. В этом случае, для идентификации объектов в пределах данных изображений используют итеративный процесс. Выбирают первый пиксель, классифицированный как отображающий годную картофелину. Анализируют пиксели, примыкающие к первому пикселю, и включают в область поиска любой примыкающий пиксель, который соответствует годной картофелине, негодной картофелине или грязи. Потом анализируют следующий набор пикселей, примыкающих к пикселям в пределах области поиска, и добавляют их к области поиска, если они удовлетворяют критериям. Этот процесс итеративно повторяют в пределах некоторого конкретного радиуса или до тех пор, пока не обнаруживается граница объекта. Затем пиксели, включенные в область поиска, группируют как объект.

Потом каждый идентифицируемый объект относят к категории либо приемлемых, либо неприемлемых, на основании сравнения с по меньшей мере одним порогом объекта. Процесс отнесения к некоторой категории включает в себя генерирование статистического профиля объекта на основании спектральных профилей пикселей, которые сгруппированы друг с другом, путем проведения статистического анализа пикселей, чтобы определить долю или процент тех пикселей, которые соответствуют годной картофелине. Также определяют долю или процент тех пикселей, которые соответствуют каждой из категорий грязи, загнившего картофеля или других материалов, таких, как камень или древесина. Затем статистический профиль объекта сравнивают некоторым количественным порогом. Если доля или процент пикселей, которые соответствуют годной картофелине, соответствует порогу или превышает его, объект относят к категории приемлемых. Если доля или процент пикселей не соответствует порогу, объект классифицируют как неприемлемый. Если любые пиксели соответствуют камню или древесине, объект также можно классифицировать как неприемлемый, поскольку эти материалы, в отличие от грязи, никогда не смогут образовать приемлемый объект вместе с картофелиной.

Процесс отнесения к некоторой категории включает в себя генерирование информации о пространственных параметрах, связанной с идентифицируемым объектом, на основании распределения пикселей, сгруппированных в пределах объекта. Например, можно идентифицировать размеры и форму объекта и сравнивать их с размерами и формой типичной картофелины. Если информация о пространственных параметрах оказывается в пределах допустимых порогов, объект классифицируют как приемлемый. Любые объекты 4, классифицированные как неприемлемые, удаляют из объемного потока посредством исполнительных механизмов 38 с выбрасывателями, которые выполнены с возможностью смахивания или направления неприемлемых объектов 40 мимо приемочного сепаратора 42 в выбраковываемый поток 4. Годный продукт 44 может быть пропущен исполнительными механизмами с выбрасывателями, вследствие чего обеспечивается отсортированный поток 6 собранного картофеля.

Отсортированный поток 6 собранного картофеля направляют в складское сооружение 7 и хранят здесь в течение некоторого периода времени.

Фиг. 2 иллюстрирует способ обработки собранных корнеплодных культур, таких, как картофель, в соответствии со вторым вариантом осуществления изобретения. В этом варианте осуществления, статистическую информацию о качестве отсортированного продукта передают в блок 8 управления системы диспетчерского управления и сбора данных (SCADA). Затем этот блок управления SCADA может направлять продукт по выбору в один из бункеров 7a, 7b, 7c, 7d хранения посредством транспортных конвейерных систем 6a, 6b, 6c, 6d. В показанном варианте осуществления, картофель разделяют на четыре разных отсортированных потока 6a, 6b, 6c и 6d и направляют в разные складские сооружения 7a, 7b, 7c и 7d на основании размеров, формы, качества или другой объемной характеристики. Это позволяет разделять культуры, подходящие для разных конечных приложений, перед хранением.

Фиг. 3 иллюстрирует способ обработки собранных корнеплодных культур, таких, как картофель, в соответствии с третьим вариантом осуществления изобретения. В этом варианте осуществления, отсортированный поток 6 культуры направляют в блок 9 обработки для дальнейшей обработки, такой, как промывка, очистка кожуры, нарезание тонкими ломтиками или упаковка.

Фиг. 4 иллюстрирует способ обработки собранных корнеплодных культур, таких, как картофель, в соответствии с четвертым вариантом осуществления изобретения. В этом варианте осуществления, показанном на фиг. 4, культуру хранят до сортировки. После хранения культуры в течение некоторого периода времени, объемный поток 3 сохраненной культуры направляют из складского сооружения в картофелесортировочную машину 2. Картофелесортировочная машина 2 проводит этапы оптического формирования изображений, отнесения к некоторой категории и удаления при прохождении объемного потока сохраненной культуры, как описано выше со ссылками на фиг. 1. Затем отсортированный поток 6 корнеплодной культуры направляют для дальнейшей обработки 12.

Фиг. 5 иллюстрирует способ обработки собранных корнеплодных культур, таких, как картофель, в соответствии с пятым вариантом осуществления изобретения. В этом варианте осуществления, собранную корнеплодную культуру сортируют в картофелесортировочной машине 2a перед хранением, как описано выше со ссылками на фиг. 1. Кроме того, после хранения культуры в складском сооружении 7 в течение некоторого периода времени, объемный поток 10 сохраненной культуры направляют в картофелесортировочную машину 2b, где проводят дополнительную операцию сортировки. Это влечет за собой повторение этапов оптического формирования изображений, анализа, отнесения к некоторой категории и удаления при прохождении объемного потока сохраненной культуры, как описано выше со ссылками на фиг. 1. Что касается фиг. 5, то затем отсортированный поток 11 корнеплодной культуры направляют дальше на последующую обработку. Поскольку культуру в типичном случае хранят в течение некоторого периода времени - порядка нескольких месяцев, одно и то же сортировочное устройство можно использовать в качестве картофелесортировочной машины 2a и картофелесортировочной машины 2b.

Устройство 50 для обработки собранных корнеплодных культур в соответствии с вариантом осуществления изобретения показано на фиг. 8a и 8b. Устройство включает в себя узел 72 основной рамы, на котором предусмотрен загрузочный транспортер 52 для подачи объемного потока собранной корнеплодной культуры. Конфигурация блока 54 сканирования и оптического фона 56 обеспечивает возможность оптически формировать изображение объемного потока собранной корнеплодной культуры для получения данных изображений. Конфигурация блока 54 сканирования также обеспечивает возможность идентифицировать дискретные объекты в объемном потоке и отнести каждый идентифицируемый объект к категории либо приемлемых, либо неприемлемых, на основании сравнения с по меньшей мере одним дискриминатором. Конфигурация сенсорного экрана 58 позволяет пользователю взаимодействовать с блоком сканирования. Устройство дополнительно содержит выбраковывающий узел 60, выбраковывающий щиток 62 и приемочный сепаратор 64, конфигурация которых обеспечивает удаление объектов, отнесенных к категории неприемлемых, из объемного потока. Когда объект относят к категории неприемлемых, один или несколько исполнительных механизмов с выталкивателями, предусмотренных на выбраковывающем узле, срабатывают, отклоняя объект мимо приемочного сепаратора на узел 66 выбраковывающего транспортера. Выбраковывающий щиток 62 предотвращает ударение выбракованных объектов об оптический фон 56. Годный продукт получает возможность пройти через выбраковывающий узел мимо приемочного сепаратора и попасть на узел 68 приемочного транспортера для подачи отсортированного потока корнеплодных культур. Замедляющая штора 70 замедляет движение продукта вдоль приемочного транспортера 68. Для подачи - по мере необходимости - воздуха и воды в устройство предусмотрена служебная панель 74.

Следует понимать, что употребляемые в настоящем описании при ссылках на данное изобретение, слова «содержит(ат) или содержащий(ая, ее, ие)» и слова «имеющий(ая, ее, ие) или включающий(ая, ее, ие) в себя», используются для указания наличия изложенных признаков, целочисленных переменных, этапов или компонентов, но не исключает присутствие или добавление одного или нескольких других признаков, целочисленных переменных, этапов, компонентов или групп.

Следует понимать, что определенные признаки изобретения, которые - для ясности изложения - описаны в контексте отдельных вариантов осуществления, также могут быть предусмотрены в совокупности в одном-единственном варианте осуществления. И наоборот, различные признаки изобретения, которые - для краткости - описаны в контексте одного-единственного варианта осуществления, также могут быть предусмотрены в отдельности или в любой подходящей субсовокупности.

Изобретение относится к способу обработки собранных корнеплодных культур. Способ включает в себя этапы, на которых оптически формируют гиперспектральные или многоспектральные изображения объемного потока собранной корнеплодной культуры для получения множества пикселей изображений, каждый из которых имеет спектральный профиль. Анализируют пиксели изображений для идентификации дискретных объектов в объемном потоке. Каждый идентифицируемый объект относят к категории либо приемлемые корнеплодные культуры, либо неприемлемые корнеплодные культуры, посредством того, что генерируют статистический профиль, связанный с объектом, на основании спектрального профиля пикселей, сгруппированных в пределах объекта. Объекты, отнесенные к категории неприемлемые, удаляют из объемного потока, чтобы обеспечить отсортированный поток собранной корнеплодной культуры. Технический результат заключается в обработке большого объема корнеплодной культуры с возможностью сортировки инородного материала от покрытой грязью корнеплодной культуры с минимальным повреждением самой культуры. 2 н. и 15 з.п. ф-лы, 12 ил.

1. Способ обработки собранных корнеплодных культур, включающий в себя этапы, на которых:

оптически формируют изображения объемного потока собранной корнеплодной культуры с использованием формирования гиперспектральных изображений или формирования многоспектральных изображений для генерирования множества пикселей изображений, каждый из которых имеет спектральный профиль;

анализируют пиксели изображений для идентификации дискретных объектов в объемном потоке;

относят каждый идентифицируемый объект к категории либо приемлемых, либо неприемлемых посредством того, что генерируют статистический профиль, связанный с объектом, на основании спектрального профиля пикселей, сгруппированных в пределах объекта; и

сравнивают статистический профиль объекта с по меньшей мере одним количественным или качественным порогом;

удаляют объекты, отнесенные к категории неприемлемых, из объемного потока, чтобы обеспечить отсортированный поток собранной корнеплодной культуры.

2. Способ по п. 1, в котором объект относят к категории неприемлемых, если сравнение указывает, что объект не является корнеплодной культурой.

3. Способ по п. 1 или 2, в котором объект относят к категории неприемлемых, если сравнение указывает, что объект является загнившей или дефектной корнеплодной культурой.

4. Способ по п. 1, в котором объект относят к категории приемлемых, если сравнение указывает, что объект является годной корнеплодной культурой.

5. Способ по п. 1, в котором этап оптического формирования изображения включает в себя использование формирования многоспектральных изображений для генерирования множества пикселей изображений, каждый из которых имеет спектральный профиль.

6. Способ по п. 1, в котором пиксели изображений группируют как объекты на основании метода поиска вершин.

7. Способ по п. 1, в котором пиксели изображений группируют как объекты на основании метода распространения пикселей.

8. Способ по п. 1, в котором указанный по меньшей мере один количественный порог представляет собой долю пикселей, которые соответствуют годной корнеплодной культуре.

9. Способ по п. 1 или 8, в котором отнесение каждого идентифицируемого объекта к некоторой категории дополнительно включает в себя этапы, на которых:

генерируют информацию о пространственных параметрах, связанную с идентифицируемым объектом, на основании распределения пикселей, сгруппированных в пределах объекта; и

сравнивают информацию о пространственных параметрах с по меньшей мере одним порогом пространственного параметра.

10. Способ по п. 9, в котором указанный по меньшей мере один порог пространственного параметра связан с размерами или формой корнеплодной культуры.

11. Способ по п. 1, дополнительно включающий в себя этап, на котором осуществляют избирательную обработку объемного потока на основании статистического профиля и/или информации о пространственных параметрах, связанной с каждым идентифицируемым объектом.

12. Способ по п. 11, в котором избирательная обработка включает в себя этап, на котором разделяют поток культуры на основании определенного размера, формы или качества.

13. Способ по п. 1, в котором этап оптического формирования изображений осуществляют, когда объемный поток собранной корнеплодной культуры находится в процессе свободного падения.

14. Способ по п. 1, дополнительно включающий в себя этап, на котором хранят собранную корнеплодную культуру до или после этапов оптического формирования изображений, анализа, отнесения к некоторой категории и удаления.

15. Способ по п. 14, дополнительно включающий в себя этапы, на которых:

направляют отсортированный поток собранной корнеплодной культуры в складское сооружение; и

хранят культуру в складском сооружении в течение некоторого периода времени.

16. Способ по п. 14 или 15, дополнительно включающий в себя этапы, на которых:

после хранения культуры в складском сооружении в течение некоторого периода времени направляют объемный поток сохраненной культуры из складского сооружения;

осуществляют этапы оптического формирования изображений, анализа, отнесения к некоторой категории и удаления при прохождении объемного потока сохраненной культуры.

17. Устройство для обработки собранных корнеплодных культур, содержащее:

средства оптического формирования изображений объемного потока собранной корнеплодной культуры с использованием формирования гиперспектральных изображений или формирования многоспектральных изображений для генерирования множества пикселей изображений, каждый из которых имеет спектральный профиль;

средства анализа пикселей изображений для идентификации дискретных объектов в объемном потоке;

средства отнесения каждого идентифицируемого объекта к категории либо приемлемых, либо неприемлемых посредством генерирования статистического профиля, связанного с объектом, на основании спектрального профиля пикселей, сгруппированных в пределах объекта; и

средства сравнения статистического профиля объекта с по меньшей мере одним количественным или качественным порогом;

средства удаления объектов, отнесенных к категории неприемлемых, из объемного потока, чтобы обеспечить отсортированный поток собранной корнеплодной культуры.