Способ определения стекловидности зерна и система для его реализации Российский патент 2021 года по МПК A01C1/00 

Группа изобретений относится к области контроля параметров зерна и может быть использовано на предприятиях по хранению и переработке зерна.

Известен органолептический способ определения стекловидности с использованием диафаноскопа (описан в ГОСТ 10987-76, авторском свидетельстве SU 452772 A1 G01N 33/02), заключающийся в визуальной оценке прозрачности зерен, просвеченных однородным световым потоком. В процессе проведения анализа 100 зерен размещают в специальной кассете, затем с помощью диафаноскопа просматривают зерна и подсчитывается количество стекловидных (прозрачных), частично стекловидных (полупрозрачных) и мучнистых (непрозрачных) зерен в пробе, после чего вычисляется результат.

Основным недостатком является высокая погрешность анализа из-за влияния многих факторов на зрительное восприятие человека, в частности, освещенность рабочего места, утомленность, индивидуальные особенности зрения.

Известен способ определения стекловидности, основанный на визуальной оценке пробы зерна, предварительно обработанной веществами, повышающими контрастность между стекловидной и мучнистой частью зерна (авторское свидетельство SU 393972 A1 A01C 1/00).

Основным недостатком является высокая погрешность анализа из-за влияния многих факторов на зрительное восприятие человека, в частности, освещенность рабочего места, утомленность, индивидуальные особенности зрения.

Известен способ оценки стекловидности, основанный на анализе спектров отражения отдельных семян в спектральном диапазоне от 250нм до 500нм и от 550 нм до 780 нм. (патент RU 2708159 C1 B07C 5/342).

Недостатком данного способа является отсутствие информации о внутренней структуре зерна в спектре отражения, что повышает погрешность оценки.

Известны устройства для определения стекловидности на основе анализа оптического сигнала от каждого отдельного зерна с автоматизированной поштучной подачей пробы (авторские свидетельства SU 1442889 A1 G01N 21/55, SU 678396 A1 G01N 21/00, SU 165008 A1 G01J 1/04).

Недостатком данных устройств является высокая сложность их первоначальной настройки, что повышает погрешность оценки.

Известен способ определения стекловидности, основанный на анализе спектров зерна в ближней инфракрасной области (Dowell, F. E. Differentiating vitreous and non-vitreous durum wheat kernels by using near-infrared spectroscopy, 2000. Cereal Chem. 77(2): P. 155-158.).

Недостатками способа являются высокая сложность оборудования для работы в инфракрасной области и отсутствие информации о внутренней структуре зерна в спектре отражения, что повышает погрешность оценки.

Известен способ определения стекловидности, основанный на анализе рентгеновских изображений (S. Neethirajan, C. Karunakaran, S. Symons, D.S. Jayas. Classification of vitreousness in durum wheat using soft X-rays and transmitted light images. ComputersandElectronicsinAgriculture 53, 2006. P. 71-78).

Недостатками способа являются высокая опасность оборудования для персонала при работе и неприспособленность существующего рентгеновского оборудования для анализа зерна, что повышает погрешность оценки.

Техническим результатом заявляемой группы изобретений является снижение погрешности определения стекловидности зерна.

Указанный технический результат в части способа достигается за счет того, что способ определения стекловидности зерна, заключающийся в формировании однородного направленного светового потока в видимой области спектра, в котором размещается проба зерна в один слой, после чего анализируется каждое зерно по критерию количества света, диффузно пропущенного через него, согласно настоящему изобретению, в ходе анализа с помощью цифровой камеры производят съемку просвеченной пробы зерна, после чего яркость цифрового изображения каждого зерна корректируют с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна в форме эллипса вокруг зерна и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе, затем, используя среднее значение скорректированной яркости красного канала для каждого зерна, классифицируют изображение зерна путем отнесения зерна к стекловидному, частично стекловидному или мучнистому с использованием настраиваемых порогов, между мучнистым и частично стекловидным, частично стекловидным и стекловидным зерном.

Указанный технический результат в части системы достигается за счет того, что система для определения стекловидности зерна включает зону анализа, сопряженную с осветительным блоком, включающим источник излучения, ограничительный экран и рассеивающую пластину, и фотоприемным блоком, включающим оптическую систему и приемник оптического излучения, при этом осветительный и фотоприемный блоки связаны с блоком обработки и управления, включающим фокусирующий модуль, модуль сегментирования изображения, модуль компенсации паразитной засветки, модуль вычисления показателя стекловидности, при этом модуль компенсации паразитной засветки выполнен с возможностью корректировки яркости цифрового изображения каждого зерна с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна в форме эллипса вокруг зерна и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе, а модуль вычисления показателя стекловидности выполнен с возможностью классификации изображения зерна, используя среднее значение скорректированной яркости красного канала для каждого зерна, путем отнесения зерна к стекловидному, частично стекловидному или мучнистому с использованием настраиваемых порогов, между мучнистым и частично стекловидным, частично стекловидным и стекловидным зерном.

Таким образом, за счет совокупностей существенных признаков способа и системы достигается уменьшение погрешности определения стекловидности зерна.

Погрешность уменьшается по сравнению с методом визуального анализа, так как оценка производится с помощью объективного критерия и тем самым исключается погрешность, связанная с субъективным восприятием человека. Корректировка яркости цифрового изображения каждого зерна с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна в форме эллипса вокруг зерна и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе позволяет минимизировать погрешность, связанную с размещением пробы зерна на подсвеченной платформе.

Сущность заявляемой группы изобретений поясняется с помощью следующих чертежей.

На Фиг. 1 представлено изображение зерна: а) исходное изображение, б) после бинаризации.

На Фиг. 2 представлено изображение контуров пробы зерна.

На Фиг. 3 представлены фрагменты аппроксимированных контуров: а) фрагмент, требующий разделения, б) фрагмент, не требующий разделения.

На Фиг. 4 представлена иллюстрация к раздельному анализу зерен.

На Фиг. 5 представлена оптическая схема системы.

На Фиг. 6 выделена область вокруг зерна, использующаяся для компенсации местной паразитной засветки зерна.

На Фиг. 7 представлена структурная блок-схема системы.

На Фиг. 8 представлена таблица с результатами измерения стекловидности заявляемым способом.

На Фиг. 9 представлена таблица с результатами времени измерения стекловидности заявляемым способом.

На Фиг. 10 представлена таблица с результатами измерения стекловидности стандартным способом.

На Фиг. 11 представлена таблица с результатами времени измерения стекловидности стандартным способом.

Способ определения стекловидности зерна (Фиг. 1-6) заключается в формировании однородного направленного светового потока в видимой области спектра, в котором размещается проба зерна в один слой.

После чего анализируется каждое зерно по критерию количества света, диффузно пропущенного через него, при этом в ходе анализа с помощью цифровой камеры производят съемку просвеченной пробы зерна.

Далее яркость цифрового изображения каждого зерна корректируют с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна в форме эллипса вокруг зерна и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе.

Затем вычисляется среднее значение скорректированной яркости красного канала для каждого зерна. Далее, используя вычисленное значение, классифицируют изображение зерна путем отнесения зерна к стекловидному, частично стекловидному или мучнистому с использованием настраиваемых порогов, между мучнистым и частично стекловидным, частично стекловидным и стекловидным зерном. Пороги для классификации были определены экспериментально и составили 62 и 117 единиц яркости цифровой камеры (при диапазоне 0 - 255). То есть зерно со средним значением яркости меньше 62 относится к мучнистым, со средним значением яркости больше или равным 62 и меньше 117 - к частично стекловидным, со средним значением яркости больше или равным 117 - к стекловидным.

Суть заявляемого способа заключается в повышении стабильности измерений при снижении временных затрат за счет отказа от визуального определения стекловидности. При визуальном определении проба размещается в специальную кассету с углублениями (по одному зерну в каждое углубление). Таких углублений 100 - для удобства подсчета вручную. В заявляемом изобретении проба зерна размещается без упорядочивания, то есть засыпается в один слой на подсвеченную платформу. При этом возникает задача - для анализа необходимо определить оптические характеристики каждого зерна в пробе, которая расположена случайным образом. Основная проблема заключается в том, что зерна соприкасаются друг с другом. Для решения задачи разработан заявляемый способ, включающий алгоритм на основе контурного анализа.

Объекты располагают на контрастном фоне. Под контрастным фоном понимается следующее: если имеется значение пикселя в некотором цветовом пространстве, то можно однозначно отнести пиксель к фону или к объекту, вне зависимости от положения данного пикселя на изображении, значений других пикселей и т.д.

Проекции объектов имеют выпуклости.

Заявляемый способ включает следующие этапы:

1. Бинаризация изображения (Фиг. 1). Из исходного изображения RGB (красный зеленый синий) для канала B используется пороговое преобразование, позволяющее отделить фон от объектов (зерна).

2. Нахождение всех контуров с сохранением информации о вложенности контуров друг в друга (алгоритм на основе работы Suzuki, S. and Abe, K., Topological Structural Analysis of Digitized Binary Images by Border Following. CVGIP 30 1, pp 32-46 (1985)). Внешний контур будем считать нулевым в иерархии вложенности.

3. Аппроксимация контуров отрезками (алгоритм Рамера - Дугласа - Пекера). Аппроксимация необходима для нахождения точек, где происходит соприкосновение объектов друг с другом (Фиг. 2).

4. Разделение каждого контура на ломаные линии (Фиг. 3). Для этого необходимо совершить обход каждого контура. Внешний контур, а также контуры на уровнях 2, 4, 6 и т.д. в иерархии вложенности обходятся против часовой стрелки. Контуры на уровнях 1, 3, 5 и т.д. обходятся по часовой стрелке. Во время обхода в каждой вершине вычисляется угол между векторами и . Если угол положительный, то вершины принадлежат одной линии. Если угол отрицательный, то вершина делит контур на ломаные линии.

Вершина делит контур на отдельные ломаные (Фиг. 3 а). Угол ( , ) < 0.

Вершины являются частью одной ломаной (Фиг. 3 б). Угол (, ) > 0.

5. Группировка ломаных линий, составляющих границы одного объекта. Обозначим первую ломаную как множество вершин , вторую как множество вершин . Ломаные линии A и B могут быть сгруппированы и составлять контур одного объекта (то есть линия B может быть продолжением линии A), если выполняются условия:

1. в иерархии вложенности ломаные A и B находятся на одном уровне или на соседних;

2. угол между векторами и положительный.

В результате строится ориентированный взвешенный граф, вершины которого соответствуют ломаным. Веса ребер соответствуют расстояниям между ломаными. Если ломаная B может быть продолжением ломаной A, вес ребра AB равен расстоянию .

Дальнейшая работа по группировке заключается в нахождении циклов в графе с наименьшим суммарным весом. Логично отдать предпочтение наиболее протяженным ломаным линиям, поэтому поиск циклов осуществляется после сортировки линий по длине, начиная с самого протяженного.

Группировка реализована на основе алгоритма Дейкстры для нахождения кратчайшего пути от одной из вершин графа до всех остальных.

После группировки ломаных линий получаем замкнутый контур, ограничивающий объект. Далее объекты могут быть обработаны и проанализированы раздельно (Фиг. 4).

Так как произошел отказ от кассеты с фиксированными углублениями под зерна, стала необходимой компенсация паразитной засветки. Дело в том, что подсвеченная платформа прибора не может быть заполнена зерном полностью, ввиду его формы. Между зернами неизбежно появляются промежутки, размер, форма и положение которых носят случайный характер. Через эти промежутки свет проникает в верхнюю часть прибора и, отражаясь от поверхности зерна, искажает его изображение. То есть в объектив камеры попадает не только свет, прошедший сквозь зерно, но и свет, отраженный от его поверхности. Действие паразитной засветки проиллюстрировано на рисунке. Условно паразитную засветку можно разделить на две составляющие: общую (действует одинаково на все зерна и пропорциональна общей площади подсвеченной платформы, не занятой зерном) и местную (пропорциональна площади, не занятой зерном, в непосредственной близости от него).

Действие паразитной засветки поясняется на Фиг. 5. Сплошной линией обозначена общая составляющая, пунктирной - местная.

Для компенсации паразитной засветки яркость каждого пикселя объекта пересчитывается по формуле:

где изначальное значение яркости пикселя; доля всей площади платформы, свободная от зерна; доля площади свободной от зерна, вблизи j-го зерна; , постоянные коэффициенты.

вычисляется следующим образом:

где общее количество ненулевых пикселей; общее количество пикселей.

вычисляется отдельно для каждого зерна. Для расчета используется область вокруг зерна, ограниченная эллипсом (Фиг. 6).

где количество ненулевых пикселей внутри эллипса; площадь эллипса в пикселях.

На Фиг. 6 контуром обозначена область вокруг зерна, использующаяся для компенсации местной паразитной засветки зерна.

Коэффициенты , были вычислены экспериментально. Для этого были получены изображения платформы с разным заполнением зерном и построена линейная модель

где среднее значение яркости объектов, вычисленное для всего изображения; среднее значение яркости объектов, при 100% заполнении платформы; площадь j-го объекта в пикселях; общая площадь всех объектов в пикселях.

После предобработки изображения пробы появляется возможность определить оптические характеристики каждого отдельного зерна и вычислить общую стекловидность пробы. Согласно ГОСТ 10987 общая стекловидность пробы зерна определяется для пробы из 100 зерен по формуле

где общая стекловидность пробы; количество полностью стекловидных зерен; количество частично стекловидных зерен.

Также в ГОСТ 10987 приведено описание полностью стекловидных, частично стекловидных и мучнистых зерен для визуальной оценки. В предлагаемом способе для отнесения зерна к стекловидному, частично стекловидному или мучнистому используется средняя яркость пикселей красного канала изображения зерна. То есть после получения изображения пробы изображение сегментируется и находятся контуры каждого отдельного зерна. Затем производится компенсация паразитной засветки с помощью коррекция яркости изображения каждого отдельного зерна. Далее вычисляется среднее значение яркости красного канала для каждого отдельного зерна. Данное значение сравнивается с двумя пороговыми значениями - пороговое значение яркости для разделения мучнистых и частично стекловидных зерен и пороговое значение яркости для разделения частично стекловидных и стекловидных зерен. Пороговые значения подбираются при настройке устройства, реализующего способ определения стекловидности зерна. Так как при данном способе возможно проанализировать более 100 зерен, формула для вычисления показателя принимает вид:

где общая стекловидность пробы; количество полностью стекловидных зерен; количество частично стекловидных зерен; общее количество зерен в пробе.

Заявляемый способ реализуется с помощью системы (Фиг. 5, Фиг. 7), которая включает зону 1 анализа, на которой размещают объект исследования (пробу зерна), сопряженную с осветительным блоком 2 и фотоприемным блоком 3.

Осветительный блок 2 включает источник 4 излучения, ограничительный экран 5 и рассеивающую пластину 6.

Источник 4 излучения представляет собой светодиодную матрицу.

Ограничительный экран 5 представляет собой металлический непрозрачный матовый отражатель с коэффициентом отражения > 80%, закрывающий зону анализа от попадания прямого излучения от источника излучения, и предназначен для формирования равномерного светового потока в зоне анализа.

Рассеивающая пластина 6 представляет собой диффузно пропускающую излучение оптическую деталь с коэффициентом пропускания от 20% до 40% и предназначена для формирования равномерного светового потока в зоне анализа.

Фотоприемный блок 3 включает оптическую систему 7 и приемник 8 оптического излучения.

Оптическая система 7 представляет собой объектив камеры с возможностью настройки фокусного расстояния и предназначена для формирования изображения пробы зерна на приемнике излучения.

Приемник 8 оптического излучения представляет собой цифровую камеру и предназначен для оцифровки оптического сигнала для дальнейшего анализа.

При этом осветительный блок 2 и фотоприемный блок 3 связаны с блоком 9 обработки и управления, включающим фокусирующий модуль 10, модуль 11 сегментирования изображения, модуль 12 компенсации паразитной засветки, модуль 13 вычисления показателя стекловидности.

Модули 10, 11, 12, 13 представляют собой программируемые компьютерные модули.

Фокусирующий модуль 11 представляет собой программируемый компьютерный модуль, выполненный в виде драйвера, управляющего фокусным расстоянием оптической системы, и предназначен для настройки оптической системы с целью получения изображения с максимальной резкостью.

Модуль 11 сегментирования изображения представляет собой программируемый компьютерный модуль и предназначен для разделения цифрового изображения пробы зерна на изображения отдельных зерен для дальнейшего анализа.

Модуль 12 компенсации паразитной засветки представляет собой программируемый компьютерный модуль и предназначен для исключения зависимости яркостных характеристик пробы зерна от заполнения зоны анализа, а также выполнен с возможностью корректировки яркости цифрового изображения каждого зерна с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна в форме эллипса вокруг зерна и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе.

Модуль 13 вычисления показателя стекловидности представляет собой программируемый компьютерный модуль и предназначен для автоматического расчета показателя стекловидности зерна, а также выполнен с возможностью классификации изображения зерна, используя среднее значение скорректированной яркости, путем отнесения зерна к стекловидному, частично стекловидному или мучнистому с использованием настраиваемых порогов, между мучнистым и частично стекловидным, частично стекловидным и стекловидным зерном.

Дополнительно блок 9 обработки и управления может содержать анализатор 14 фокусного расстояния.

Анализатор 14 фокусного расстояния представляет собой программируемый компьютерный модуль и предназначен для оценки резкости изображения с выдачей команды для настройки фокусного расстояния.

Для исследования измерительных характеристик системы, реализующей способ определения стекловидности зерна, были подготовлены шесть образцов пшеницы: три образца мягкой и три образца твердой. Заявленный диапазон стекловидности образцов мягкой пшеницы составил 12 - 79 %, твердой - 73 - 97 %. Данные образцы измерялись с использованием предлагаемого способа и стандартным методом (визуально). Измерения на проводили пять разных специалистов на одном приборе. У специалистов перед измерением не было информации о результатах других участников и о заявленных значениях стекловидности образцов.

Полученные результаты представлены в таблицах на Фиг. 8-11. Одно значение стекловидности было признано статистическим выбросом и исключено из анализа (отмечено * в таблице на Фиг. 10).

Таким образом, предлагаемый способ определения стекловидности позволяет снизить влияние человеческого фактора на измерения и ускорить процедуру.

Группа изобретений относится к области контроля параметров зерна и может быть использовано на предприятиях по хранению и переработке зерна. Способ определения стекловидности зерна заключается в том, что сначала формируют однородный направленный световой поток в видимой области спектра, в котором размещается проба зерна в один слой. После чего анализируют каждое зерно по критерию количества света, диффузно пропущенного через него. В ходе анализа с помощью цифровой камеры производят съемку просвеченной пробы зерна. После чего яркость цифрового изображения каждого зерна корректируют с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна, в форме эллипса вокруг зерна и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе. Затем, используя среднее значение скорректированной яркости красного канала для каждого зерна, классифицируют изображение зерна путем отнесения зерна к стекловидному, частично стекловидному или мучнистому с использованием настраиваемых порогов между мучнистым и частично стекловидным, частично стекловидным и стекловидным зерном. Использование изобретения позволит снизить погрешность определения стекловидности зерна. 2 н.п. ф-лы, 11 ил.

1. Способ определения стекловидности зерна, включающий формирование однородного направленного светового потока в видимой области спектра, в котором размещается проба зерна в один слой, и после чего анализ каждого зерна по критерию количества света, диффузно пропущенного через него, отличающийся тем, что в ходе анализа с помощью цифровой камеры производят съемку просвеченной пробы зерна, после чего яркость цифрового изображения каждого зерна корректируют с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна, в форме эллипса вокруг зерна, и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе, затем, используя среднее значение скорректированной яркости красного канала для каждого зерна, классифицируют изображение зерна путем отнесения зерна к стекловидному, частично стекловидному или мучнистому с использованием настраиваемых порогов между мучнистым и частично стекловидным, частично стекловидным и стекловидным зерном.

2. Система определения стекловидности зерна, характеризующаяся тем, что включает зону анализа, сопряженную с осветительным блоком, имеющим источник излучения, ограничительный экран и рассеивающую пластину, и фотоприемным блоком, имеющим оптическую систему, включающую цифровую камеру, и приемник оптического излучения, при этом осветительный и фотоприемный блоки связаны с блоком обработки и управления, включающим фокусирующий модуль, модуль сегментирования изображения, модуль компенсации паразитной засветки, модуль вычисления показателя стекловидности, причем модуль компенсации паразитной засветки выполнен с возможностью корректировки яркости цифрового изображения каждого зерна с использованием линейной зависимости местной паразитной засветки от доли площади, свободной от зерна, в форме эллипса вокруг зерна, и линейной зависимости общей паразитной засветки от доли площади, свободной от зерна во всей пробе, а модуль вычисления показателя стекловидности выполнен с возможностью классификации изображения зерна, используя среднее значение скорректированной яркости красного канала для каждого зерна, путем отнесения зерна к стекловидному, частично стекловидному или мучнистому с использованием настраиваемых порогов, между мучнистым и частично стекловидным, частично стекловидным и стекловидным зерном.