NL1004209C2 - Method and structure for seed quality assessment. - Google Patents
Method and structure for seed quality assessment. Download PDFInfo
- Publication number
- NL1004209C2 NL1004209C2 NL1004209A NL1004209A NL1004209C2 NL 1004209 C2 NL1004209 C2 NL 1004209C2 NL 1004209 A NL1004209 A NL 1004209A NL 1004209 A NL1004209 A NL 1004209A NL 1004209 C2 NL1004209 C2 NL 1004209C2
- Authority
- NL
- Netherlands
- Prior art keywords
- seed
- sample
- seeds
- value
- total
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 30
- 238000001303 quality assessment method Methods 0.000 title description 3
- 244000025254 Cannabis sativa Species 0.000 claims description 20
- 238000004140 cleaning Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 6
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 4
- 238000003892 spreading Methods 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 4
- 238000001454 recorded image Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 24
- 239000000047 product Substances 0.000 description 8
- 239000002699 waste material Substances 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000356 contaminant Substances 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 240000008415 Lactuca sativa Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000010903 husk Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229930014626 natural product Natural products 0.000 description 1
- 239000005060 rubber Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Pretreatment Of Seeds And Plants (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
WERKWIJZE EN INRICHTINGMETHOD AND DEVICE
VOOR DE KWALITEITSBEOORDELING VAN ZAADFOR THE QUALITY ASSESSMENT OF SEED
De onderhavige uitvinding heeft betrekking op een werkwijze en inrichting voor het beoordelen van de kwaliteit van een partij zaad gedurende de bewerking. De uitvinding is met name geschikt voor de beoordeling van 5 graszaad.The present invention relates to a method and apparatus for assessing the quality of a batch of seed during processing. The invention is particularly suitable for the evaluation of grass seed.
Overal ter wereld, maar in het bijzonder in de westerse landen, wordt graszaad op uitgebreide schaal toegepast. De verwerking van graszaad, zoals bijvoorbeeld het reinigen ("opschonen") daarvan, is door mechanisatie 10 en automatisering van de verwerkingsapparatuur steeds efficiënter en grootschaliger geworden. Dit stelt meer en andere eisen aan de kwaliteitscontrole van het eindprodukt en van het produkt tijdens de bewerkingen en de hoeveelheid goed produkt in de afvalstromen. Waar vroeger 15 de kwaliteit beoordeeld werd per individuele telerspartij worden tegenwoordig diverse telerspartijen samengevoegd en wordt de zo verkregen "bulk" verder verwerkt. Het nadeel van dergelijke grote partijen is dat kwaliteitscontroles achteraf bij een niet gehaalde kwaliteitsnorm 20 voor een grote uitval zorgen.Grass seed is widely used all over the world, but especially in Western countries. The processing of grass seed, such as, for example, cleaning ("cleaning") thereof, has become increasingly efficient and large-scale through mechanization and automation of the processing equipment. This places more and different demands on the quality control of the end product and of the product during processing and the amount of good product in the waste streams. Where previously the quality was assessed per individual growers 'batch, various growers' batches are now combined and the "bulk" obtained in this way is further processed. The drawback of such large parties is that quality checks afterwards result in a major failure if the quality standard 20 is not met.
Er is derhalve duidelijk behoefte aan een andere vorm van snelle kwaliteitscontrole, die reeds tijdens de verwerking van het zaad kan plaatsvinden. Belangrijk hierbij is dat nagenoeg dezelfde waarden 25 gevonden moeten worden als bij een zuiverheidsbepaling op laboratoriumschaal. Een voordeel van een dergelijke gewenste on-line controle is, dat wanneer tijdens de verwerking, zoals bijvoorbeeld het opschonen van het zaad, reeds een kwaliteitsprobleem wordt vastgesteld, nog 30 tijdens die verwerking maatregelen genomen kunnen worden om het verwerkingsproces te beïnvloeden, waardoor de kwaliteit van het eindprodukt alsnog acceptabel kan zijn. Door on-line controle van de afvalstromen kan de hoeveelheid goed produkt in het afval gereduceerd worden.There is therefore clearly a need for another form of rapid quality control, which can already take place during the processing of the seed. It is important here that virtually the same values must be found as with a purity determination on a laboratory scale. An advantage of such a desired on-line control is that if during the processing, such as, for example, the cleaning of the seed, a quality problem is already established, measures can still be taken during that processing to influence the processing process, whereby the quality of the end product may still be acceptable. By checking the waste flows online, the amount of good product in the waste can be reduced.
1 0 04 2 G 9 21 0 04 2 G 9 2
Het is het doel van de onderhavige uitvinding een werkwijze en inrichting te verschaffen waarmee bovengenoemde doelen verwezenlijkt worden voor zaden in het algemeen en graszaad in het bijzonder.It is the object of the present invention to provide a method and apparatus with which the above objects are achieved for seeds in general and grass seed in particular.
5 Dit wordt door de uitvinding voor zaad in het algemeen bereikt door een werkwijze voor het automatisch beoordelen van het zaad, omvattende de stappen: a) het nemen van een monster zaad; b) het in beeld brengen van een subpopulatie 10 van het monster; c) het van de afzonderlijke zaden van de subpopulatie bepalen of het een beoordeelbaar zaad betreft; d) het aan tenminste een deel van de beoordeelbare zaden meten van een parameter, waaruit kan worden 15 afgeleid of het zaad de gewenste kwaliteit heeft; e) het afhankelijk van de bij stap d) gevonden parameterwaarde toevoegen van de waarde aan een totaalwaarde voor goede zaden of een totaalwaarde voor lege zaden; 20 f) het eventueel herhalen van de stappen vanaf stap c) totdat het totale monster geanalyseerd is; en g) het eventueel herhalen van de stappen vanaf stap a).This is achieved by the invention for seed generally by a method of automatically evaluating the seed, comprising the steps of: a) taking a sample of seed; b) imaging a subpopulation 10 of the sample; c) determining whether the seed of the subpopulation is an evaluable seed; d) measuring a parameter on at least a part of the evaluable seeds, from which it can be deduced whether the seed has the desired quality; e) depending on the parameter value found in step d) adding the value to a total value for good seeds or a total value for empty seeds; F) optionally repeating the steps from step c) until the total sample has been analyzed; and g) optionally repeating the steps from step a).
Een werkwijze volgens de uitvinding, welke 25 bijzonder geschikt is voor het beoordelen van de kwaliteit van een partij graszaad, omvat de stappen: a) het nemen van een monster graszaad; b) het op een transparante transportband uitspreiden van het monster; 30 c) het door de transportband heen belichten van het monster; d) het in beeld brengen van een subpopulatie van het monster; e) het van de afzonderlijke zaden van de subpo-35 pulatie bepalen of het een beoordeelbaar zaad betreft; f) het berekenen van de waarde van een bepaalde parameter van elk beoordeelbaar zaad; 1 0 04 2 9 3 g) het van elk beoordeelbaar zaad bepalen of deze een voldoende grote kern bevat, en: gl) in geval van een niet voldoende grote kern optellen van de in stap f) be-5 paalde parameterwaarde of een daarvan afgeleide waarde bij een to-taalparameterwaarde voor lege zaden; of g2) het in geval van een voldoende grote 10 kern optellen van het in stap f) be paalde parameterwaarde of een daarvan afgeleide waarde bij een to-taalparameterwaarde voor goede zaden; h) het eventueel herhalen van de stappen vanaf 15 stap d) totdat het totale monster geanalyseerd is; en i) het eventueel herhalen van de stappen vanaf stap a).A method according to the invention, which is particularly suitable for assessing the quality of a batch of grass seed, comprises the steps of: a) taking a sample of grass seed; b) spreading the sample on a transparent conveyor belt; C) illuminating the sample through the conveyor belt; d) imaging a subpopulation of the sample; e) determining whether the individual seeds of the sub-population are an evaluable seed; f) calculating the value of a particular parameter of each evaluable seed; 1 0 04 2 9 3 g) determining for each evaluable seed whether it contains a sufficiently large core, and: gl) in case of a not sufficiently large core adding the parameter value determined in step f) or a derivative thereof value at a total parameter value for empty seeds; or g2) in the case of a sufficiently large core, adding the parameter value determined in step f) or a value derived therefrom to a total parameter value for good seeds; h) optionally repeating the steps from step d) until the total sample has been analyzed; and i) optionally repeating the steps from step a).
Het in beeld brengen van een subpopulatie van een monster kan bijvoorbeeld gebeuren door middel van een 20 camera. De daarop volgende beoordeling van het van de subpopulatie van het monster opgenomen beeld gebeurt bij voorkeur door middel van een van geschikte software voorziene computer. In een voorkeursuitvoeringsvorm is de werkwijze volgens de uitvinding dus in feite gebaseerd op 25 geautomatiseerde beeldherkenning. Beeldherkenning is op zichzelf niet nieuw en wordt bijvoorbeeld gebruikt om te controleren of in een produktielijn een bepaald onderdeel in een produkt geassembleerd is en of de assemblageweg van dat produkt kan worden vervolgd. Het gebruik van 30 beeldherkenningstechnieken voor het beoordelen van de kwaliteit van zaden, in het bijzonder graszaden, gedurende het bewerkingsproces is echter nieuw.Imaging a subpopulation of a sample can for instance be done by means of a camera. The subsequent assessment of the image recorded from the subpopulation of the sample is preferably performed by means of a computer equipped with suitable software. Thus, in a preferred embodiment, the method according to the invention is in fact based on automated image recognition. Image recognition is not new in itself and is used, for example, to check whether a certain part has been assembled in a product on a production line and whether the assembly route of that product can be continued. However, the use of image recognition techniques to assess the quality of seeds, in particular grass seeds, during the editing process is new.
Het kunnen beoordelen van zaden brengt specifieke problemen met zich mee. In tegenstelling tot het 35 herkennen van onderdelen van een produkt, die over het algemeen een niet variërende verschijningsvorm hebben, gaat het hier om het herkennen van natuurprodukten, waarvan er geen twee volledig identiek zijn. De computer 1004209 4 zal dus moeten "leren" welke delen van het opgenomen beeld als zaden beschouwd moeten worden en wat verontreinigingen zijn. Daarnaast moet een onderscheid gemaakt kunnen worden tussen goede en lege zaden. Slechts dan kan 5 een juiste kwaliteitsbeoordeling verkregen worden.Being able to assess seeds has specific problems. In contrast to recognizing parts of a product, which generally have an inconsistent appearance, this involves recognizing natural products, none of which are completely identical. Thus, computer 1004209 4 will have to "learn" which parts of the recorded image are to be considered seeds and what are contaminants. In addition, it must be possible to distinguish between good and empty seeds. Only then can a correct quality assessment be obtained.
De herkenning van het zaad kan door middel van verschillende criteria gebeuren. Bij lichtdoorlatende zaden, zoals graszaad en slazaad, kan van die eigenschap gebruik gemaakt worden door het zaad van onderaf te 10 belichten en dan een beeld daarvan te maken. Niet-licht-doorlatende zaden zullen beoordeeld moeten worden op vorm en/of kleur en kunnen bijvoorbeeld met behulp van röntgen doorgelicht worden. Door middel van de software en het "instrueren" van de computer zullen voor elk zaad de 15 gewenste herkenningspatronen in het systeem ingegeven kunnen worden.The seed can be recognized by various criteria. With translucent seeds, such as grass seed and lettuce seed, this property can be utilized by exposing the seed from below and then making an image thereof. Non-translucent seeds will have to be judged on shape and / or color and can be X-rayed, for example. By means of the software and "instructing" the computer, the desired recognition patterns for each seed can be entered into the system.
In een verdere voorkeursuitvoeringsvorm van de werkwijze voor het beoordelen van graszaad stroomt continu van onder af belicht graszaad onder een camera door, 20 die voortdurend opnames maakt. De opnames worden vervolgens met behulp van speciale software (bijvoorbeeld Video Frame Grabber™ en Image Processing Toolkit™, Neural Network™) geanalyseerd. De analyse resulteert in een beeld waarin gebieden liggen waar minder licht doorheen valt 25 dan door de oorspronkelijke achtergrond (bijvoorbeeld een lichtplaat of transparante transportband). Deze gebieden vertegenwoordigen zaden of verontreinigingen. Doordat de computer zodanig ingesteld is dat hij een beoordeelbaar zaad kan herkennen, is hij in staat het aantal beoordeel-30 bare zaden te tellen. Objecten kleiner dan beoordeelbaar zaad worden geteld als kleine verontreinigingen. De herkenning is gebaseerd op vorm en grootte. Hierdoor worden bijvoorbeeld ook over elkaar liggende zaden buiten beschouwing gelaten.In a further preferred embodiment of the method for assessing grass seed, grass seed exposed from below flows continuously under a camera, which makes continuous recordings. The recordings are then analyzed using special software (eg Video Frame Grabber ™ and Image Processing Toolkit ™, Neural Network ™). The analysis results in an image containing areas through which less light passes through than through the original background (eg a light plate or transparent conveyor belt). These areas represent seeds or contaminants. Because the computer is set up to recognize an evaluable seed, it is able to count the number of evaluable seeds. Objects smaller than evaluable seed are counted as small contaminants. The recognition is based on shape and size. For example, this also disregards seeds that are superimposed.
35 Van de als zaad beoordeelde gebieden worden vervolgens verschillen in lichtdoorlatendheid geregistreerd. In geval van graszaad zal de caryopsis (kern) minder licht doorlaten dan het kafje. De verhouding 1004209 5 tussen de met behulp van oppervlaktescanning bepaalde grootte van de twee gebieden met een verschillende licht-doorlatendheid is een maat voor de grootte van de kern. Door een minimumwaarde voor de verhouding in te stellen 5 kan een onderscheid gemaakt worden tussen zaden met een voldoende grote kern ("goede zaden") en zaden met een te kleine kern ("lege zaden"). Voor goed graszaad geldt in het algemeen dat het oppervlak van de kern tenminste 30% van het totale oppervlak bedraagt.35 Of the areas assessed as seed, differences in light transmittance are subsequently registered. In the case of grass seed, the caryopsis (core) will let less light through than the husk. The ratio 1004209 between the size of the two areas with different light transmittance determined by surface scanning is a measure of the size of the core. By setting a minimum value for the ratio, a distinction can be made between seeds with a sufficiently large core ("good seeds") and seeds with a too small core ("empty seeds"). In general, for good grass seed, the area of the core is at least 30% of the total area.
10 Vervolgens wordt van elk beoordeelbaar zaad het totaaloppervlak berekend en eventueel omgerekend naar zaadgewicht. De berekening van het gewicht kan van belang zijn, omdat bij de huidige beoordelingsmethoden kwaliteit ook wordt uitgedrukt in gewichtsverhoudingen tussen goede 15 en lege zaden. Het oppervlak of gewicht van lege zaden wordt opgeteld bij een totaalwaarde voor lege zaden. Hetzelfde gebeurt voor goede zaden. De beide totaalwaarden na voltooiing van de analyse vertegenwoordigen de kwaliteit van de partij.The total surface area of each evaluable seed is then calculated and, if necessary, converted to seed weight. The calculation of the weight can be important, because in the current assessment methods quality is also expressed in weight ratios between good 15 and empty seeds. The area or weight of empty seeds is added to a total value for empty seeds. The same happens for good seeds. Both total values after completion of the analysis represent the quality of the batch.
20 Indien gewenst kan het systeem zodanig worden ingesteld dat tevens een vergelijking van de totaalwaarde voor lege zaden met een voorafbepaalde drempelwaarde uitgevoerd wordt. Hetzelfde geldt voor het aantal goede zaden in de afvalstromen. Wanneer de drempelwaarde over-25 schreden wordt kan dit leiden tot een signaal en/of een terugkoppeling naar de besturing van de verwerkingsinrichting, waaruit de monsters afkomstig zijn.If desired, the system can be set so that a comparison of the total value for empty seeds with a predetermined threshold value is also carried out. The same applies to the number of good seeds in the waste streams. If the threshold value is exceeded, this can lead to a signal and / or feedback to the control of the processing device from which the samples originate.
De computer wordt voorafgaand aan ingebruikname voor de werkwijze volgens de uitvinding ingesteld op het 30 herkennen van graszaad. Daartoe worden graszaden van de betreffende soort aan het systeem aangeboden. De vorm en grootte van de beide soorten zaden worden door de computer opgeslagen en daaruit wordt een gemiddelde met marges bepaald. Elk onbekend graszaad dat binnen de marges van 35 zijn soort valt, zal dan later als behorende tot die soort worden geïdentificeerd. Naast vorm en grootte worden in eerste instantie ook de gewichtsratio's van de bekende zaden in het systeem opgeslagen. Daartoe worden 1004209 6 op conventionele wijze door middel van een blaaspijp gescheiden goede en lege zaden aan het beeldherkennings-systeem aangeboden. Dit is nodig om later aan de hand van het oppervlak van onbekende zaden het gewicht te kunnen 5 berekenen.The computer is set to recognize grass seed prior to use for the method according to the invention. To this end, grass seeds of the relevant species are presented to the system. The shape and size of the two types of seeds are stored by the computer, from which an average with margins is determined. Any unknown grass seed that falls within the margins of its species will then later be identified as belonging to that species. In addition to shape and size, the weight ratios of the known seeds are also initially stored in the system. For this purpose, 1004209 6 are presented to the image recognition system in a conventional manner by means of a blowpipe separated good and empty seeds. This is necessary in order to be able to calculate the weight later on the basis of the area of unknown seeds.
De software is bij voorkeur voorzien van een neuraal netwerk, dat getraind wordt op het herkennen van zaad. Dit trainen kan ofwel gebeuren door middel van nieuwe opnamen of door middel van opnamen, die zijn 10 opgeslagen in een database. Tevens worden in het systeem parameters ingegeven met betrekking tot de gevoeligheid van het neurale netwerk, de afmetingen van het zaad en de verontreinigingen, en de grens tussen goede en lege zaden.The software is preferably provided with a neural network, which is trained on seed recognition. This training can be done either through new recordings or through recordings stored in a database. In addition, parameters are entered in the system with regard to the sensitivity of the neural network, the dimensions of the seed and the impurities, and the boundary between good and empty seeds.
15 Per monster worden bij voorkeur ongeveer 5000- 7000 zaden beoordeeld. Elk beeld dat wordt opgenomen bevat bijvoorbeeld ongeveer 20 zaden. Per seconde kan de software bijvoorbeeld twee beelden verwerken.Preferably, about 5000-7000 seeds are evaluated per sample. For example, each image that is recorded contains about 20 seeds. For example, the software can process two images per second.
In beginsel wordt iedere partij aan het einde 20 van de verwerking nog door de daartoe aangewezen officiële instanties op kwaliteit beoordeeld. Het voordeel van de werkwijze volgens de uitvinding is dat men door een betere beheersing en controle van de kwaliteit zo klein mogelijke veiligheidsmarges behoeft aan te houden. Vei-25 ligheidsmarges worden aangehouden om te voorkomen dat na controle door de officiële instantie zogeheten overscho-ningen nodig zijn. Overschoningen leiden niet slechts tot hogere verwerkingskosten, maar bovendien gaat daarbij ook steeds goed zaad verloren.In principle, at the end of 20 processing, each batch is still assessed for quality by the designated official bodies. The advantage of the method according to the invention is that, by better control and control of the quality, it is necessary to maintain as small safety margins as possible. Safety margins are maintained to avoid the need for overshoots after verification by the official body. Cleanings do not only lead to higher processing costs, but in addition, good seed is also always lost.
30 De onderhavige uitvinding verschaft verder een inrichting voor het uitvoeren van de werkwijze. Deze inrichting omvat middelen voor het nemen van een monster, een inrichting voor het opnemen van een beeld van een deelpopulatie van een monster, transportmiddelen voor het 35 langs de beeldopnameinrichting leiden van het monster, en middelen voor het analyseren van het opgenomen beeld.The present invention further provides an apparatus for performing the method. This device comprises means for taking a sample, a device for recording an image of a subpopulation of a sample, transporting means for guiding the sample past the image recording device, and means for analyzing the recorded image.
1 0 0 4 4: 4 9 71 0 0 4 4: 4 9 7
Zoals boven reeds aangegeven worden de beeldop-namemiddelen bij voorkeur gevormd door een camera en de analysemiddelen door een computer.As already indicated above, the image recording means are preferably formed by a camera and the analysis means by a computer.
De transportmiddelen kunnen bijvoorbeeld worden 5 gevormd door een transparante, bijvoorbeeld melkwitte transportband, die bij voorkeur antistatisch is. Wanneer de band door de voortdurende rondgaande beweging statisch zou worden, zou dat leiden tot het aantrekken van stof en daardoor afwijkingen in de analyse.The transport means can for instance be formed by a transparent, for instance milky white, conveyor belt, which is preferably antistatic. If the belt became static due to the continuous circumferential movement, this would lead to dust attraction and therefore deviations in the analysis.
10 De inrichting kan verder voorzien zijn van middelen voor het genereren van een signaal en/of middelen voor terugkoppeling naar de besturingssystemen van de zaadverwerkingsinrichting.The device may further comprise means for generating a signal and / or means for feedback to the control systems of the seed processing device.
Een inrichting volgens de uitvinding kan zijn 15 opgenomen in een conventionele schoningslijn. Op bepaalde plaatsen in de schoningslijn kunnen dan monsters worden genomen, eventueel aangevuld met monsters uit de afvalstromen om te controleren of bij de schoning niet te veel goed zaad verdwijnt. Indien nodig kunnen dan op aan de 20 hand van de resultaten van de verschillende monsters de procesparameters van het schoningsproces worden aangepast .A device according to the invention can be included in a conventional cleaning line. Samples can then be taken at certain places in the cleaning line, possibly supplemented with samples from the waste streams, to check whether too much good seed disappears during cleaning. If necessary, the process parameters of the cleaning process can be adjusted on the basis of the results of the various samples.
De resultaten van de analyses van opeenvolgende beelden kunnen bijvoorbeeld worden opgetekend in een 25 grafiek. Daartoe kan de inrichting een registratieinrich-ting omvatten.For example, the results of the analyzes of successive images can be plotted in a graph. To that end, the device can comprise a recording device.
De onderhavige uitvinding zal verder geïllustreerd worden met behulp van de begeleidende tekeningen waarin overeenkomende verwijzingscijfers verwijzen naar 30 overeenkomende onderdelen en waarin tonen: figuren la en lb een schematisch overzicht van een schoningslijn met daarin aangegeven de punten waarop monsters genomen worden voor verwerking volgens de werkwijze volgens de uitvinding; 35 figuur 2 een schematisch aanzicht van een analysestation en de aanvoerroutes van monstermateriaal; en 8 figuur 3 een perspectivisch detailaanzicht van een deel van het analysestation.The present invention will be further illustrated with the aid of the accompanying drawings in which like reference numerals refer to like parts and in which: Figures 1a and 1b show a schematic overview of a cleaning line indicating the points at which samples are taken for processing according to the method of the invention; Figure 2 shows a schematic view of an analysis station and the supply routes of sample material; and figure 3 shows a perspective detail view of a part of the analysis station.
Figuren la en lb tonen een schematisch overzicht van een schoningslijn. De lijn is opgebouwd uit een 5 aantal compartimenten, die elk een bepaald type schoning-sinrichting omvatten. De ongeschoonde partij zaden wordt aangevoerd vanuit een silo 1 en vervolgens op schoning-smachine 2, voor een zeef- en windreiniging aan een eerste schoning onderworpen. Na een tweetal wrijvers 3, 4 10 en wederom een schoningsmachine 5, voor een tweede zeef-en windreiniging wordt bij I voor het eerst een monster genomen uit de zaadstroom, dat geanalyseerd zal worden volgens de werkwijze van de onderhavige uitvinding. Het graszaad wordt naar een tussenbunker 6 geleid, waarna na 15 een derde schoningsmachine, met zeef- en windreiniging 7 opnieuw een monster genomen wordt (II). Na de zeef- en windreiniger 7 komt het zaad in eerste instantie in een zogeheten splittertrieur 19. In een dergelijke inrichting wordt een scheiding tot stand gebracht op basis van vorm. 20 Voorwerpen met een ronde vorm blijven achter, terwijl langwerpige vormen, zoals bijvoorbeeld graszaad, verder gaat. De splittertrieur scheidt de stroom in twee deelstromen, die in parallele trieurs 20, 21 terechtkomen. In de trieurs 20 en 21 vindt de eigenlijke scheiding plaats. 25 Na een zeefreiniger 22 komt het zaad terecht in een opslagbunker 23.Figures 1a and 1b show a schematic overview of a cleaning line. The line consists of a number of compartments, each of which comprises a specific type of cleaning device. The undamaged batch of seeds is supplied from a silo 1 and then on a cleaning machine 2, subjected to a first cleaning for a sieve and wind cleaning. After two rubbers 3, 4 and again a cleaning machine 5, for a second sieve and wind cleaning, at I a first sample is taken from the seed stream, which will be analyzed according to the method of the present invention. The grass seed is led to an intermediate bunker 6, after which after a third cleaning machine, with sieve and wind cleaning 7, a new sample is taken (II). After the sieve and wind cleaner 7, the seed initially enters a so-called splitter trough 19. In such a device a separation is effected on the basis of shape. 20 Round-shaped objects remain, while elongated shapes, such as grass seed, for example, continue. The splitter trimmer separates the current into two partial currents, which end up in parallels 20, 21. The actual separation takes place in triers 20 and 21. After a screen cleaner 22, the seed ends up in a storage bunker 23.
Er worden monsters genomen van het totale geschoonde produkt (III) en van de verschillende afvalstromen (IV, V en VI). Afhankelijk van de wensen van de 30 gebruiker kan op meerdere of andere punten een monster genomen worden uit de zaadstroom en geanalyseerd worden.Samples are taken of the total cleaned product (III) and of the different waste streams (IV, V and VI). Depending on the wishes of the user, a sample can be taken from the seed stream at several or other points and analyzed.
Het transport van geheel of gedeeltelijk geschoond produkt (I, II en III) vanaf de monsternemers en van de afvalstromen (IV, V en VI) gebeurt door middel van 35 vacuümtransport. Hierdoor wordt tevens stof uit het af val verwijderd om vervuiling van het analysestation 8 te voorkomen. Vanuit een kleine windreiniger 9 om het monster en het stof te scheiden wordt via een regelschuif 10 1004209 9 monster gedoseerd in de monsterverdeler 11. Om een representatief monster te verkrijgen wordt een groter dan noodzakelijk monster genomen, waarvan slechts een deel gebruikt wordt. Een trilgoot 12 zorgt vervolgens voor de 5 aanvoer van het zaad 13 naar de transparante band 14. Het zaad komt daarna terecht op een verdeelplaat 18, die enigszins een boiling heeft, waardoor de zaden in breed-terichting verspreid worden. Verspreiding in lengterichting gebeurt door de snelheid van de transportband. Onder 10 de band is een lichtbak 15 opgesteld, die het zaad van onder af door de band 14 heen verlicht. Een camera 16 maakt ongeveer 2 beelden per seconde en kan ongeveer 20 zaden per beeld opnemen. Eenmaal gefotografeerd komen de zaden terecht in een verzamelbak 17, of gaat het monster 15 terug in de schoningslijn. Deze inrichting wordt nog in detail geïllustreerd in figuur 3.The transport of wholly or partly cleaned product (I, II and III) from the samplers and of the waste streams (IV, V and VI) takes place by means of vacuum transport. This also removes dust from the waste to prevent contamination of the analysis station 8. From a small wind purifier 9 to separate the sample and the dust, a sample is metered into the sample distributor 11 via a control slide 10 1004209 9. To obtain a representative sample, a larger than necessary sample is taken, of which only a part is used. A vibrating chute 12 then ensures the supply of the seed 13 to the transparent belt 14. The seed then ends up on a distribution plate 18, which has a slightly boiling, so that the seeds are spread in a wide direction. Longitudinal spreading is done by the speed of the conveyor belt. A light box 15 is arranged under the belt, which illuminates the seed through the belt 14 from below. A camera 16 takes about 2 images per second and can record about 20 seeds per image. Once photographed, the seeds end up in a collection bin 17, or the sample 15 goes back into the cleaning line. This device is further illustrated in detail in figure 3.
1 0 04w y1 0 04w y
Claims (14)
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| NL1004209A NL1004209C2 (en) | 1996-10-04 | 1996-10-04 | Method and structure for seed quality assessment. |
| AU44739/97A AU4473997A (en) | 1996-10-04 | 1997-10-06 | Method and apparatus for the quality assessment of seed |
| PCT/NL1997/000551 WO1998014046A1 (en) | 1996-10-04 | 1997-10-06 | Method and apparatus for the quality assessment of seed |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| NL1004209 | 1996-10-04 | ||
| NL1004209A NL1004209C2 (en) | 1996-10-04 | 1996-10-04 | Method and structure for seed quality assessment. |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| NL1004209C2 true NL1004209C2 (en) | 1998-04-07 |
Family
ID=19763629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| NL1004209A NL1004209C2 (en) | 1996-10-04 | 1996-10-04 | Method and structure for seed quality assessment. |
Country Status (3)
| Country | Link |
|---|---|
| AU (1) | AU4473997A (en) |
| NL (1) | NL1004209C2 (en) |
| WO (1) | WO1998014046A1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111924508A (en) * | 2020-09-04 | 2020-11-13 | 中国农业大学 | Plasma seed processor for uniform distribution of dielectric barrier discharge vibration under normal pressure |
| CN112098275A (en) * | 2020-09-07 | 2020-12-18 | 华南农业大学 | Rapid detection system and method for aerial broadcast operation quality |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL129004A0 (en) * | 1999-03-15 | 2000-02-17 | Seed Tech Temed Ltd | Process and apparatus for promoting the germination of plant seeds and the production of agricultural crops |
| EP1337833A1 (en) * | 2000-11-28 | 2003-08-27 | Imeco Automazioni S.R.L. | Apparatus for analyzing the characteristics of ground products |
| EP1273901A1 (en) * | 2001-07-02 | 2003-01-08 | Université de Liège | Method and apparatus for automatic measurement of particle size and form |
| US7703238B2 (en) | 2004-08-26 | 2010-04-27 | Monsanto Technology Llc | Methods of seed breeding using high throughput nondestructive seed sampling |
| CN101080165B (en) | 2004-08-26 | 2012-08-15 | 孟山都技术有限公司 | Automated seed sampler and methods of sampling, testing and bulking seeds |
| MX2008002727A (en) | 2005-08-26 | 2008-03-24 | Monsanto Technology Llc | High throughput screening of fatty acid composition. |
| US8028469B2 (en) | 2006-03-02 | 2011-10-04 | Monsanto Technology Llc | Automated high-throughput seed sampler and methods of sampling, testing and bulking seeds |
| US7998669B2 (en) | 2006-03-02 | 2011-08-16 | Monsanto Technology Llc | Automated contamination-free seed sampler and methods of sampling, testing and bulking seeds |
| EP1830176A1 (en) * | 2006-03-02 | 2007-09-05 | FOSS Analytical AB | Device and method for optical measurement of small particles such as grains from cereals and like crops |
| ITRE20060112A1 (en) * | 2006-09-27 | 2008-03-28 | Sacmi Cooperativa Meccanici Imola Soc Coop | PLANT FOR THE CONTROL OF DUST GRANULOMETRY, AND METHOD |
| US8076076B2 (en) | 2007-08-29 | 2011-12-13 | Monsanto Technology Llc | Systems and methods for processing hybrid seed |
| US9842252B2 (en) | 2009-05-29 | 2017-12-12 | Monsanto Technology Llc | Systems and methods for use in characterizing agricultural products |
| WO2012012411A2 (en) | 2010-07-20 | 2012-01-26 | Monsanto Technology Llc | Automated systems for removing tissue samples from seeds, and related methods |
| DE102014103963A1 (en) * | 2014-03-24 | 2015-09-24 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Method and device for determining the particle size of a fertilizer |
| JP6521367B2 (en) * | 2015-04-11 | 2019-05-29 | 鹿島建設株式会社 | Method and system for measuring particle size distribution of ground material |
| AU2016368598A1 (en) | 2015-12-10 | 2018-06-21 | Basf Plant Science Company Gmbh | Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype |
| CN107621435A (en) * | 2017-10-16 | 2018-01-23 | 华侨大学 | An aggregate online monitoring device |
| CN108593663B (en) * | 2018-06-11 | 2023-12-29 | 农业部南京农业机械化研究所 | Seed coating qualification rate detection system and method |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2160483A1 (en) * | 1971-03-05 | 1972-09-21 | VEB Kombinat Fortschritt, Landmaschinen Neustadt in Sachsen, χ 8355 Neustadt | Process for the preparation of fine seeds with different moisture content |
| GB1460034A (en) * | 1973-12-12 | 1976-12-31 | Tinsley & Co Ltd H | Method of and apparatus for sorting seeds |
| FR2549963A1 (en) * | 1983-07-29 | 1985-02-01 | Claeys Luck | Radiological method and apparatus for studying seeds using a substance opaque to radiation |
-
1996
- 1996-10-04 NL NL1004209A patent/NL1004209C2/en not_active IP Right Cessation
-
1997
- 1997-10-06 WO PCT/NL1997/000551 patent/WO1998014046A1/en active Application Filing
- 1997-10-06 AU AU44739/97A patent/AU4473997A/en not_active Abandoned
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2160483A1 (en) * | 1971-03-05 | 1972-09-21 | VEB Kombinat Fortschritt, Landmaschinen Neustadt in Sachsen, χ 8355 Neustadt | Process for the preparation of fine seeds with different moisture content |
| GB1460034A (en) * | 1973-12-12 | 1976-12-31 | Tinsley & Co Ltd H | Method of and apparatus for sorting seeds |
| FR2549963A1 (en) * | 1983-07-29 | 1985-02-01 | Claeys Luck | Radiological method and apparatus for studying seeds using a substance opaque to radiation |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111924508A (en) * | 2020-09-04 | 2020-11-13 | 中国农业大学 | Plasma seed processor for uniform distribution of dielectric barrier discharge vibration under normal pressure |
| CN112098275A (en) * | 2020-09-07 | 2020-12-18 | 华南农业大学 | Rapid detection system and method for aerial broadcast operation quality |
Also Published As
| Publication number | Publication date |
|---|---|
| AU4473997A (en) | 1998-04-24 |
| WO1998014046A1 (en) | 1998-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| NL1004209C2 (en) | Method and structure for seed quality assessment. | |
| Heinemann et al. | An automated inspection station for machine-vision grading of potatoes | |
| Khojastehnazhand et al. | Development of a lemon sorting system based on color and size | |
| JP7600241B2 (en) | Method and system for characterizing one or more substances - Patents.com | |
| Makky et al. | Development of an automatic grading machine for oil palm fresh fruits bunches (FFBs) based on machine vision | |
| AU2013347861B2 (en) | Scoring and controlling quality of food products | |
| US5339963A (en) | Method and apparatus for sorting objects by color | |
| US20220270395A1 (en) | Apparatus for inspecting and sorting | |
| US5898792A (en) | Methods and devices for automatic assessment of corn | |
| JP3588108B2 (en) | Method and apparatus for automatic evaluation of cereal grains and other granular products | |
| GB2126356A (en) | Sorting fruits and vegetables | |
| Shahin et al. | Lentil type identification using machine vision | |
| JPS61107139A (en) | Apparatus for measuring grade of grain of rice | |
| Wang et al. | Determining wheat vitreousness using image processing and a neural network | |
| CN1691990A (en) | Quality Assessment of Mass Flow Products | |
| JP2003251282A (en) | System for measuring and deciding grade and class of strawberry | |
| US20240295537A1 (en) | Grain particle granulometry measurement system, grain collection, movement, and measurement system, and grain particle granulometry measurement method | |
| Lee et al. | Shape analysis for an automatic oyster grading system | |
| EP1287330B1 (en) | Method and system for automatic analysis of particles | |
| CN112845183A (en) | Intelligent fruit sorting machine | |
| Paliwal | Digital image analysis of grain samples for potential use in grain cleaning | |
| Thompson | Measurement of stem content for control purposes in a green leaf threshing plant | |
| JP3113303B2 (en) | Evaluation method of fruit brought in | |
| Sriram et al. | Implementation of Cardamom Sorting Machine | |
| Hueter | Neural networks automate inspections |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PD2B | A search report has been drawn up | ||
| VD1 | Lapsed due to non-payment of the annual fee |
Effective date: 20010501 |