DE19720121C2 - Verfahren zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe in Schüttgütern - Google Patents

Description

Die Erfindung betrifft ein Verfahren entsprechend dem Oberbegriff des Anspruchs 1 zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe, beispielsweise zur Quantifi­ zierung des Verunreinigungsgrades, in Schüttgütern wie Agrarprodukten (z. B.: Getreide, Zuc­ kerrüben, Weintrauben, Kartoffeln), festen Stoffen (z. B.: Hausmüll, Kunststoffgranulate, Bau­ schutt), feste Bodenschätze (z. B.: Erze, Kohle, Edelsteine) oder ähnliches, durch den Einsatz von elektronischer Bildverarbeitung und Verfahren der Mustererkennung.

Bisher sind hauptsächlich Verfahren bekannt, die durch mechanische Separierung wie durch Sieben, Filtern, Waschen oder ähnliches die Zusammensetzung einer Probe, oder des gesam­ ten Schüttgutstromes, bestimmen können. Dabei werden Eigenschaften wie beispielsweise die Dichte, das Volumen, die Magnetisierbarkeit oder das Gewicht der Schüttgutpartikel ausge­ nutzt. Nachteilig ist bei diesen Verfahren, daß zur Bestimmung der Anteile verschiedenartiger Stoffe ein mechanischer Eingriff in den Gutstrom erforderlich ist um einzelne Fraktionen zu trennen um dann deren Anteile zu quantifizieren. Dies stellt einen hohen Kosten- und Zeit­ aufwand dar, falls nur die Zusammensetzung des Schüttgutes zu bestimmen ist und eine Sepa­ rierung in die Einzelkomponenten nicht erforderlich ist.

Durch die neueren Entwicklungen im Bereich der industriellen Bildverarbeitung ist es mög­ lich geworden, die Farbe von Schüttgutpartikeln als Kriterium für die Zusammensetzung des Gutstromes zu nutzen.

Aus der Offenlegungsschrift DE 41 20 155 A1 ist bekannt, wie auf einem Fließband liegende sich nicht überdeckende Objekte nach Messung der spektralen Signatur klassifiziert werden, durch die Anwendung adaptiver Klassifikatoren aus dem Bereich der Fuzzy-Logik und der Neuronalen Netze. Nachteilig ist hier, daß die Bildinformation nicht genutzt wird, um die Zu­ sammensetzung des Schüttgutes zu quantifizieren, sondern die Klassifikation nur zur Aussor­ tierung der Ausschußteile durch einen Greifarm dient. Für eine Bestimmung des Verunreini­ gungsgrades, beispielsweise der Verschmutzung eines Getreidegutstromes durch Unkraut, ist dieses Verfahren daher nicht geeignet.

Aus der Patentschrift DE 43 45 106 C1 ist bekannt, wie die Farbinformation über einen Schüttgutstrom genutzt werden kann, um im Gutstrom enthaltene Fremdkörper mechanisch auszusortieren. Der Nachteil ist hier, daß der quantitative Anteil der Fremdstoffe im Schüttgut nicht aus der Farbbildauswertung extrahiert wird, da nur lokale zusammenhängende Bereiche als Fremdstoff detektiert werden, wenn alle Pixel dieses Bereiches im Bild in einer bestimm­ ten Region des RGB Farbraumes liegen. Der quantitative Anteil der Fremdstoffe kann nur durch eine mechanische Zählung oder ein Verwiegen der aussortierten Anteile bestimmt wer­ den. Ein weiterer Nachteil ist hier die Voraussetzung einer definierten und konstanten Kunst­ licht-Beleuchtung in Verbindung mit einem schwarzen Behälter als Hintergrund oder einem speziell in der Farbe des Schüttgutes präparierten Hintergrund. Daher ist die Möglichkeit aus­ schlossen einen Schüttgutstrom beim Abschütten von Transportfahrzeugen im Freien mit Tageslicht-Beleuchtung zu analysieren.

Die oben angeführten Schriften nutzen die Farbinformation von Bildern eines Schüttgutstro­ mes zur Klassifizierung bestimmter Bildpunkte oder einer zusammenhängenden Menge von Bildpunkten. Ziel dieser Verfahren ist die Sortierung des Gutstromes in die gewünschten Fraktionen. Nachteilig ist hier insgesamt, daß zur Bestimmung der Quantität der einzelnen Fraktionen weitere Verfahrensschritte eingefügt werden müssen. Beispielsweise das Wägen oder Auszählen einer bestimmten Menge des verunreinigten Schüttgutes und das anschließen­ de Wägen oder Auszählen der Fraktionen. Dies setzt allerdings eine, auf die Beschaffenheit des Schüttgutes abgestimmte, Sortiervorrichtung voraus.

Aus der Patentschrift DE 43 22 870 C1 ist bekannt, wie mit Hilfe einer handelsüblichen Farb- CCD-Kamera aus der zeitlichen Abfolge der digitalisierten Bildmatrizen die Varianz und/oder der Mittelwert der Farbverteilung bestimmt werden kann. Liegt die Varianz und/oder der Mittelwert dieser Verteilung außerhalb eines vorgegebenen Toleranzbereiches wird eine zu begutachtende Oberfläche als verschmutzt bewertet. Nachteilig ist hier, daß die Varianz und/oder der Mittelwert der Farbverteilung innerhalb eines bestimmten festgelegten Bereiches liegen muß. Das Verfahren sieht keine Möglichkeit vor, aus der Varianz und/oder dem Mit­ telwert einer Farbverteilung ein Maß für den Verschmutzungsgrad zu bestimmen, sondern es wird nur eine Ja/Nein Aussage über die Verschmutzung getroffen, um dadurch einen Reini­ gungsprozeß zu initiieren.

In der Patentschrift DE 44 08 604 C2 wird für die Auswertung von Bildern ausschließlich die lokale Information eines einzelnen Bildpunktes genutzt. Jedem Bildpunkt wird aufgrund sei­ ner Lage im sechsdimensionalen Eingangsraum durch den Klassifikator eine der gesuchten Klassen zugeordnet. In dem von uns im folgenden vorgestellen Verfahren werden aus den Bildpunkten des Gesamtbildes oder einer Bildsequenz globale Farbverteilungen bestimmt, welche anschließend durch den Klassifikator der gesuchten Klasse zugeordnet werden. Der Nachteil des in Schrift DE 44 08 604 C2 beschriebenen Verfahrens soll im folgenden erläutert werden. Das in Schrift DE 44 08 604 C2 beschriebene Verfahren beruht auf der Schätzung von Rückschlußwahrscheinlichkeiten für die Zugehörigkeit eines Bildpunktes zu einer der ge­ suchten Klassen. Handelt es sich bei den verschiedenen Klassen um überlappfreie Datenmen­ gen so ergeben sich die gesuchten Rückschlußwahrscheinlichkeiten jeweils problemlos zu 100%. Sind die Bereiche der verschiedenen Klassen im sechsdimensionalen Eingangsraum in ihrer Lage und Form auf einfache Weise angeordnet, so ist daruberhinaus die Klassenzugehö­ rigkeit durch Vergleich der Pixeldaten mit den Klassenschwerpunkten zu gewinnen. Dieses Verfahren versagt jedoch bei komplexeren Verteilungn so etwa bei Klassenzugehörigkeiten mit deutlich verschiedenen Varianzen. In diesem Fall ist die Verwendung einer größeren Zahl von Klassenrepräsentanten oder die Nutzung einer Abbildungstabelle erforderlich. Bei den von uns ins Auge gefassten Anwendungen, die durch einen Überlapp der Zugehörigkeits­ funktionen ausgezeichnet sind, ist jedoch auch diese Erweiterung des in Schrift DE 44 08 604 C2 vorgestellten Verfahrens unzureichend. Das Vorliegen eines Überlapps der verschiedenen Klassen bringt es zwangsläufig mit sich, daß die pixelorientierten Rückschlußwahrscheinlich­ keiten selbst vom angestrebten Resultat, d. h. von den gesuchten Anteilen, abhängig sind. Da­ her liefert die unbedachte Anwendung eines Klassifikationsverfahrens nach Schrift (1) DE 44 08 604 C2 oder ähnlichen Verfahren in den oben beschriebenen Fällen falsche Resultate. Das von uns im folgenden beschriebene Verfahren operiert auf dem Gesamtdatensatz ganzer Bilder bzw. Bildsequenzen und ist damit frei von den oben beschriebenen Nachteilen pixelo­ rientierter Verfahren. Daher ist es für den Durchschnittsfachmann auf dem Gebiet der elektro­ nischen Bildverarbeitung durch Anwendung der Lehre aus der Druckschrift DE 44 08 604 C2 nicht möglich die gesuchten Anteile bei den im folgenden ausgeführten Anwendungsbeispie­ len zu bestimmen.

Um das unten angegebene Ausführungsbeispiel der Erfindung zu erläutern, wird im folgenden eine Problemstellung aus dem Bereich der landwirtschaftlichen Schüttgutkontrolle beschrie­ ben. Die in den Zuckerfabriken angelieferten Rübenladungen enthalten nicht-zuckerhaltige Anteile, die zu bestimmen sind und dem Lieferanten vom Gesamtgewicht der Ladung abge­ zogen werden. Diese Anteile sind beispielsweise ein Anteil an Erde, Steinen, Blättern, ange­ faulten Rüben, schlecht geköpften Rüben oder ähnliches.

Der Erdanteil entsteht durch die schlechte Reinigung der Rüben bei der Ernte und beim Auf­ laden auf die Transportfahrzeuge. Der Kopf der Rübe ist der obere Teil des Rübenkörpers, der nur einen geringen Zuckergehalt aufweist. Normalerweise werden diese Teile bei der Ernte maschinell entfernt. Durch schlechte Justierung der Erntemaschine und durch die unter­ schiedliche Größe der einzelnen Rüben verbleibt jedoch ein gewisser Blatt-, Erd-, und Kopf­ anteil in der geernteten Ladung.

Zur Zeit gibt es zur Bestimmung dieser drei Anteile im wesentlichen zwei Verfahren. Das erste ist die Begutachtung der Ladung oder des Gutstromes durch einen Experten (Schätzung) (HAASE, K.: Schmutzschätzung - ein schwieriges Metier, Landwirtschaftliche Zeitschrift 36 (1991), Zuckerrüben-Journal S. 9, und HAASE, K.: Schmutzschätzung - eine schwierige Aufgabe, Landwirtschaftliche Zeitschrift 37 (1991), Zuckerüben-Journal S. 10-12). Der Nachteil der Begutachtung durch den Experten liegt in der subjektiven Bewertung der La­ dung. Die Genauigkeit der Bewertung ist nur über eine große Zahl von Schätzungen im Mittel ausreichend. Bei der Bewertung einer einzelnen Ladung sind die Abweichungen zu groß, ins­ besondere bei gering bzw. besonders stark verschmutzten Ladungen. Für den Lieferanten ist es wichtig, daß seine Lieferung individuell, objektiv und möglichst genau bewertet wird.

Das zweite Verfahren ist die Messung dieser drei Anteile durch eine Probenentnahme mit anschließendem Verwiegen, Waschen und Handverlesen der Probe (ALLVIK, N.: Proben­ nahme, Analyse und Kontrolle bei den Rübenanlieferungen in Schweden, Confederation In­ ternationale Betteraviers Europeens, Nov. 1964 und ANONYM: Durchführung von Wasch­ proben, LZ 37-92, Zuckerrüben-Journal S. 34, und COCKSEDGE: Apparatus for washing root crops, Patentschrift UK Patent Application GB 2 058 554 A). Ein Nachteil dieses Ver­ fahrens sind die hohen Prozeßkosten, die durch die Anschaffungs- und Wartungskosten der Probenentnahme-, Wasch-, und Sortieranlage und durch einen Arbeitskräftebedarf von 2-3 Personen verursacht werden. Auch ist die genommene Probe in den meisten Fällen nicht re­ präsentativ für die gesamte Ladung. Dies kann durch eine Probennahme an mehreren Stellen der Ladung teilweise ausgeglichen werden, was aber aus Zeitgründen in der Regel nicht durchgeführt wird. Ein letzter Nachteil dieses Verfahrens ist der relativ hohe Zeitbedarf von ca. 5 Minuten, der durch das Aufnehmen, Waschen, Verwiegen und Handverlesen schon einer einzelnen Probe verursacht wird.

Weitere Verfahren können nur den Erdanteil bestimmen. Entweder durch Messung der Masse und des Volumens der Ladung unter Annahme der Dichten der Rüben bzw. der Erde und un­ ter der Vorraussetzung einer bestimmten Dichteverteilung (HIEN, P.: Konstrunktion eines Systems zur Messung des Erdanteils von Zuckerrüben - Haufwerken, Dissertation, Universität Bonn, Institut für Landtechnik, Sept. 1994) oder durch Transmissionsmessungen mit Gammastrahlung (PLAKSIN, A. M., ZNAMENSKI, V. S., LIKHACHEV, I: Method of de­ terming mud in beet, Patentschrift U.S.S.R. 251 241, Appl. 10.05.1967, Publ. 4.5.1970 und GLÄSER, M., THÜMMEL, H.-W., KÖRNER, G.: Einsatz der Zwei-Gammaenergie- Transmissionsmethode zur Bestimmung des Beimengungsanteils in Erntegut, Arbeiten zur Mechanisierung der Pflanzen- und Tierproduktion, Schlieben/Bornim 3 (1986) 10, S. 38-54). Nachteil dieser Verfahren ist, daß nur der Erdanteil bestimmt werden kann.

Die Bestimmung des Kopfanteils ist auch durch die geometrische Auswertung von Bildern der vereinzelten Rüben einer Probe der Ladung durchgeführt worden. (Ib Frydendal, Lars Jör­ gensen, A system for automatic measurement of beet top in the tarehouse, Zuckerindustrie 121 (1996), Nr. 11, pp 876-990). Nachteil dieses Verfahrens ist, daß verfahrensbedingt die Rüben auf einem Förderband mechanisch vereinzelt werden müssen und daß nur ganze Rüben vermessen werden können. Die bei der Probenentnahme aus der Ladung beschädigten oder zerteilten Rüben müssen vor der eigentlichen Messung aussortiert werden. Ein weiterer Nachteil dieses Verfahrens ist die fehlende Möglichkeit andere Verunreinigungen wie Blätter, Erde oder Steine zu bestimmen. Diese Verunreinigungen müssen weiterhin durch die oben beschriebenen Verfahren bestimmt werden.

Der Erfindung liegt die Aufgabe zugrunde, allein durch die Auswertung der Farbinformatio­ nen eines Bildes oder einer Bildsequenz eines Schüttgutstromes den Grad der verschiedenen Anteile gleichzeitig zu bestimmen, welche das Schüttgut verunreinigen oder welche eine Aus­ sage über die Zusammensetzung des Schüttgutes erlauben, ohne eine Vorrichtung zur Sortie­ rung des Schüttgutes zu benutzen, welche mit einer nachfolgenden Messung des Gesamtge­ wichtes und des Gewichtes der sortierten Fraktionen verbunden ist, oder welche eine Zählung von sortierten Fraktionen erforderlich macht.

Zur Lösung dieser Aufgabe dient das Verfahren mit den kennzeichnenden Merkmalen des Patentanspruchs 1. Das Verfahren ermöglicht es, den quantitativen Anteil mehrerer farblich unterscheidbarer Bestandteile von Schüttgütern gleichzeitig zu bestimmen. Durch die Ver­ wendung eines opto-elektronischen Farbbilderfassungssystems und die anschließende Aus­ wertung der Bildinformationen ist es möglich die Bestandteile des Schüttgutes zu quantifizie­ ren, ohne das Schüttgut oder eine Probe dessen, mechanisch in die zu bestimmenden Anteile zu zerlegen Dies kann beispielsweise zu Qualitätskontrolle von landwirtschaftlichem Erntegut eingesetzt werden, um durch die Bestimmung der Erntegutqualität die optimale Einstellung der Erntemaschine zu überprüfen. Durch die Nutzung adaptiver Klassifikatoren zur Auswer­ tung ist eine Robustheit des Verfahrens gegen schwankende Beleuchtungsbedingungen gege­ ben. Dies macht den Einsatz des Verfahrens für eine Schüttgutklassifikation mit Tageslicht­ einfluß möglich.

Um eine hohe Auswertegeschwindigkeit zu erreichen wird aus jedem Farbbild (DB_i) ein Farbhistogramm (FH_i) berechnet. Die mittlere Farbverteilung (MFH) aus mehreren Einzel­ bildern (DB_1 ... DB_i ... DB_n) einer Messequenz (t_1 ... t_i ... t_n) wird dem entspre­ chenden Abschnitt der Schüttgutsequenz zugeordnet. Diese Farbverteilung (MFH) wird dann durch mehrere Klassifikatoren (GK_1 ... GK_m) den gesuchten Anteilen (A_1 ... A_m) des Schüttgutes zugeordnet.

Ein Ausführungsbeispiel der Erfindung, zur Bestimmung des Blattanteils in Zuckerrüben­ schüttgut bei der Entladung von Transportfahrzeugen auf speziellen Abkippvorrichtungen in Zuckerfabriken, ist in den Zeichnungen dargestellt und wird im folgenden näher beschrieben.

Fig. 1 zeigt eine Gesamtübersicht über den Ablauf des Verfahrens, bestehend aus einer Farb­ kamera (FK) zur Aufnahme des Bildes, einer Digitalisiereinheit (DE), einem Verfahrensschritt (BFH) zur Berechnung eines Farbhistogramms (FH_i), einem Verfahrensschritt (HSP) zur Speicherung mehrerer Histogramme (FH_1 ... FH_n) und deren Anzahl (nFH), einem Verfah­ rensschritt (MW) zur Mittelwertbildung, und einer Anzahl (mGK) von Gruppen (GK_1 ... GK_m) adaptiver Klassifikatoren zur Berechnung der (mA) gesuchten Anteile (A_1 ... A_m), hier beispielsweise des Anteils an Blättern (A_j).

Fig. 2 zeigt eine Übersicht über die Verfahrensschritte zur Bestimmung eines der gesuchten Anteile (A_j) aus dem gemittelten Farbhistogramm (MFH), bestehend aus mehreren Klassifi­ katoren (K_j_1 ... K_j_o), einem Verfahrensschritt (KM) zur Berechnung des Mittelwertes (A_j) der Ausgabewerte (AK_j_1 ... AK_j_o) der Klassifikatoren (K_j_1 ... K_j_o).

Von einer Farb-CCD-Matrix-Kamera (FK) wird das vom Schüttgut reflektierte Licht aufge­ nommen. Hierbei werden entsprechend dem trichromatischen Prinzip jedem Bildpunkt drei diskrete Farbwerte zugeordnet, die dem Integral über bestimmte spektrale Bereiche entspre­ chen. Das verwendete Objektiv hat eine variable Brennweite zwischen 10 mm und 50 mm. Die Ausrichtung und die Brennweite der Kamera wurde so gewählt, daß nur die Rübenladung im Kamerabild zu sehen ist. Die Blende wird fest eingestellt. Die mittlere Bildhelligkeit wird über die automatische Verstärkungskontrolle geregelt. Die Schärfe wird über ein Autofokus- System bestimmt. Die automatische Regelung der Verstärkung gehört bei den meisten Kame­ ras dieses Typs zur Serienausstattung. Auch Autofokus-Systeme stellen den Stand der ver­ fügbaren Technik dar. Die Verschlußzeit sollte zwischen 1/100 sec und 1/1000 sec liegen und ist auf die Fallgeschwindigkeit des Schüttgutes abzustimmen. Auf eine Beleuchtung wurde in diesem Ausführungsbeispiel verzichtet, da sich die Abkippvorrichtung im Freien befindet und mit Tageslicht gearbeitet wurde. Witterungsbedingte Schwankungen in der Beleuchtung werden durch Vermessung von mehreren Ladungen mit gleichem Verunreinigungsgrad (A_j) bei unterschiedlichen Bewölkungssituationen ausgeglichen. Dies ist eine der wesentlichen Eigenschaften des Verfahrens, welche das Vermessen von Schüttgutladungen beim Abschüt­ ten von Transportfahrzeugen im Freien unter Tageslichteinfluß ermöglicht.

In einem anderen Ausführungsbeispiel befindet sich das Schüttgut auf einem Förderband, wobei der dadurch gegebene Hintergrund bezüglich der Farben und der Beschaffenheit auf die zu bestimmenden Anteile des Schüttgutes abzustimmen ist. Dies bedeutet, daß der Hinter­ grund von den Farben der gesuchten Anteile des Schüttgutes farblich verschieden sein sollte. Von der Beschaffenheit her sollte der Hintergrund direkte Reflexionen vermeiden. Hier wurde eine diffuse Beleuchtung mit tageslichtähnlichem Spektrum verwendet (Linear Light, Fluo­ reszenz Beleuchtung, 22", 30 kHz, 26 Watt, 4100°K, daylight, Stocker & Yale Inc.).

Nach dem Start der Aufnahme durch das Bedienpersonal werden die von der Farbkamera (FK) aufgenommenen Bilder digitalisiert. Die Messung kann auch gestartet werden, wenn der Winkel der Abkippvorrichtung ausreicht, um das verunreinigte Schüttgut abzuschütten. Um hinreichend gute Ergebnisse zu erzielen wurde eine Farbkamera (FK) mit einer Auflösung von 752 . 582 Pixel gewählt (KAM04, 1/2" CCD SVHS PAL Kamera, 500 TV lines, EHD Physi­ kalische Technik). Die Farbauflösung eines Bildpunktes ist durch die Digitalisiereinheit (DE) in diesem Anwendungsbeispiel auf 8 Bit (256 Farben) festgelegt. In einem anderen Ausfüh­ rungsbeispiel wurde eine Auflösung von 12 Bit (4096 Farben) benutzt. Die Zahl der digitali­ sierten Bilder (DB_i) liegt bei mindestens drei Bildern pro sec.

In einem anderen Ausführungsbeispiel, im Falle eines kontinuierlichen Schüttgutstromes sind der Beginn der Messung (t_1) und das Ende der Messung (t_n) festgelegt und auf die Ge­ schwindigkeit der Änderung der Anteile (A_j) abgestimmt.

Aus der Matrix des digitalisierten Bildes (DB_i) wird im nachfolgenden Verfahrensschritt (BFH) die Häufigkeit (FH_i) der diskreten Farbwerte bestimmt. Das Farbhistogramm (FH_i) enthält damit die Verteilung der Farben, d. h. es gibt an, welche Farbe wie oft im Bild vorhan­ den ist. Je nach Länge der vermessenen Sequenz und der Abtastrate der Digitalisiereinheit (DE) ergibt sich eine bestimmte Anzahl (nFH) von Farbhistogrammen (FH_1 ... FH_n), wel­ che in dem Speicher (HSP) abgelegt werden.

Die Messung wird in diesem Ausführungsbeispiel durch das Bedienpersonal gestoppt, wenn der Großteil der verschmutzten Ladung vom Transportfahrzeug gerollt ist. Dies ist der Fall, wenn nur noch eine Lage von Schüttgutpartikeln den Wagenboden bedeckt. In einem anderen Ausführungsbeispiel im Falle eines kontinuierlichen Schüttgutstromes kann das Ende der Messung auch fest vorgegebenen werden.

Nach der Messung wird über alle (nFH) vorhandenen Histogramme (FH_1 ... FH_n) im Ver­ fahrensschritt (MW) gemittelt. Dabei wird die Anzahl der Pixel einer Farbe aller vorhandenen Histogramme (FH_1 ... FH_n) aufsummiert und anschließend durch die Anzahl (nFH) der vorhandenen Histogramme (FH_1 ... FH_n) einer Sequenz geteilt. Nach gleichem Schema wird mit allen Farbkanälen in allen Histogrammen (FH_1 ... FH_n) verfahren. Im Ergebnis entsteht das gemittele Histogramm (MFH), welches die, über die Aufnahmezeit (t_1 ... t_i ... t_n) gemittelten, Farbhäufigkeiten enthält. Damit wird einem durch die Sequenzlänge (t_1 ... t_i ... t_n) festgelegten Abschnitt des Schüttgutstromes ein einziges gemitteltes Farbhisto­ gramm (MFH) zugeordnet.

Das gemittelte Farbhistogramm (MFH) wird anschließend in der Auswertephase an den Ein­ gang aller Klassifikatoren (K_j_k) angelegt. Jeweils eine bestimmte Anzahl (j_oK) Klassifi­ katoren (K_j_1 ... K_j_o) sind wieder zu einer Gruppe (GK_j) zusammengefasst. Jede Gruppe von Klassifikatoren (GK_j) bestimmt einen der (mA) gesuchten verschiedenartigen Anteile (A_j) des Schüttgutes. Die Berechnung eines Anteils (A_j) des Schüttgutes durch eine Gruppe (GK_j) von mehreren Klassifikatoren (K_j_1 ... K_j_o) hat den Vorteil einer höheren Genau­ igkeit der Berechnung und einer besseren Verallgemeinerungsfähigkeit der Klassifikatoren (CRUSE, C.: Konzepte zur Optimierung der Effizienz künstlicher intelligenter Systeme, Dis­ sertation an der Westfälischen Wilhelms-Universität Münster, Institut für Angewandte Phy­ sik, Oktober 1996). Alle Klassifikatoren (K_j_k) einer Gruppe (GK_j) sind vom gleichen Typ. Die Anzahl (j_oK) der Klassifikatoren (K_j_1 ... K_j_o) kann innerhalb jeder Gruppe von Klassifikatoren (GK_j) verschieden sein. In diesem Ausführungsbeispiel zur Bestimmung des Blattanteils (A_j) wurden j_oK = 40 Klassifikatoren verwendet.

Im folgenden wird ein einzelner dieser Klassifikatoren (K_j_1 ... K_j_o) beschrieben. In die­ sem Ausführungsbeispiel wurden als Klassifikatoren (K_j_k) Neuronale Netzwerke ist vom Typ Feed-Forward verwendet (BRAUSE, R., Neuronale Netze, Teubner Verlag, 1991). Die Anzahl der Eingänge eines Klassifikators (K_j_k) korrespondiert mit der Anzahl der Farben des gemittelten Farbhistogramms (MFH). Bei einer Farbauflösung von 8 Bit pro Pixel sind dies 256 Eingänge. In diesem Ausführungbeispiel besteht der Klassifikator (K_j_k) vom Typ Neuronales Feed-Forward Netzwerk aus mindestens zwei Schichten von Neuronen. Die Zahl der Neuronen pro Schicht kann experimentell ermittelt oder durch konstruktive Verfahren bestimmt werden (C. Cruse, S. Leppelmann, A. Burwick, M. Bode, Application Of The Mi­ kado-Algorithm In Image Processing: Dimension Reduction And Training Set Selection, Proceedings of EUFIT '96, Aachen, 2.-5. Sept. 1996). In diesem Ausführungsbeispiel liegt die Zahl der Neuronen der ersten Schicht bei 365 und die der zweiten Schicht bei 126 ± 10. Die Zahl der Neuronen schwankt innerhalb eines gewissen Bereiches, da ein konstruktives Verfahren benutzt wurde, welches keine feste Klassifikatorgröße erzeugt. Jeder der Klassifi­ katoren (K_j_k) hat einen Ausgang (AK_j_k).

Aus dem Farbhistogramm (MFH) wird nun durch jeden der Klassifikatoren (K_j_1 ... K_j_o) ein Wert (AK_j_k) berechnet. Im folgenden Verfahrensschritt (KM) wird durch Verrechnung der Einzelergebnisse (AK_j_1 ... AK_j_o) der Klassifikatoren (K_j_1 ... K_j_o) das Ender­ gebnis (A_j) gewonnen. In diesem Ausführungsbeispiel ist der Verfahrensschritt (KM) eine Mittelwertbildung über die Einzelergebnisse (AK_j_1 ... AK_j_o) der Klassifikatoren (K_j_1 ... K_j_o). In einem anderen Ausführungsbeispiel wurde zur Bestimmung des Anteils (A_j) aus den Einzelergebnissen (AK_j_1 ... AK_j_o) das Maximum dieser Werteverteilung be­ nutzt. In diesem Ausführungsbeispiel stellt A_j den Anteil an Blattwerk in der vermessenen Zuckerrübenladung dar. In einem anderen Ausführungsbeispiel stellt A_j den Anteil an ver­ faulten Weintrauben dar. Damit ist die Auswertephase abgeschlossen.

In der Trainingsphase lernen die einzelnen adaptiven Klassifikatoren (K_j_k) einer Gruppe von Klassifikatoren (GK_j) den Zusammenhang zwischen dem Farbhistogramm (MFH) und dem Anteil (A_j) der gesuchten Fraktion (j). Dazu sind die Farbhistogramme (MFH) zu be­ stimmen, die zu einer bekannten Größe (A_j) einer Fraktion (j) des Schüttgutes gehören. Für jede der gesuchten Fraktionen (j) des Schüttgutes ist eine Gruppe (GK_j) von mehreren (j_oK) Klassifikatoren (K_j_1 ... K_j_o) zu trainieren. In einem ersten Ausführungsbeispiel wurde als Trainingsverfahren für die adaptiven Klassifikatoren (K_j_1 ... K_j_o) vom Typ Feed-Forward ein Gradientenabstiegsverfahren benutzt (BRAUSE, R., Neuronale Netze, Teubner Verlag, 1991). Bei Verwendung eines anderen Klassifikatortyps (K_j_o) wird das für diesen Typ passende Trainingsverfahren benutzt. Die einzelnen adaptiven Klassifikatoren einer Gruppe (GK_j) unterscheiden sich nur dadurch, daß die vorgegebenen Zuordnungen zwischen dem Farbhistogramm (MFH) und dem gesuchten Anteil (A_j) in einer verschiede­ nen Reihenfolge gelernt wurden.

Bezugszeichenliste

FK Farbkamera
DE Digitalisiereinheit
DB_i Matrix der digitalisierten Bildpunkte zum Zeitpunkt t_i
t_1 ... t_i ... t_n Messzeitraum
BFH Verfahrensschritt zur Berechnung eines Farbhistogramms (FH_i) aus der Matrix der digitalisierten Bildpunkte (DB_i)
FH_1 ... FH_i ... FH_n Farbhistogramme
nFH Anzahl der Farbhistogramme (FH_1 ... FH_i ... FH_n)
MW Verfahrensschritt zur Berechnung eines gemittelten Farbhistogramms (MFH)
MFH gemitteltes Farbhistogramm
GK_1 ... GK_j ... GK_m Gruppen von adaptiven Klassifikatoren
mGK Anzahl der Gruppen adaptiver Klassifikatoren gleich der Anzahl (mA) der verschieden­ artigen Stoffe im Schüttgut
K_j_1 ... K_j_k ... K_j_o adaptive Klassifikatoren der Gruppe GK_j
AK_j_1 ... AK_j_k ... AK_j_o Ausgabewerte der adaptiven Klassifikatoren (K_j_1 ... K_j_k ... K_j_o) der Gruppe GK_j
KM Verfahrensschritt zur Berechnung eines Ergebniswertes (A_j) aus den Ausgabewerten
(AK_j_1 ... AK_j_k ... AK_j_o) der adaptiven Klassifikatoren (K_j_1 ... K_j_k ... K_j_o) der Gruppe GK_j
A_1 ... A_j ... A_m Anteile der (mA) verschiedenartigen Stoffe im Schüttgut
mA Anzahl der verschiedenartigen Stoffe im Schüttgut gleich der Anzahl (mGK) der Grup­ pen adaptiver Klassifikatoren (GK_1 ... GK_j ... GK_m)
j einer der (mA) verschiedenartigen Stoffe im Schüttgut
j_oK Anzahl der adaptiven Klassifikatoren der Gruppe (GK_j)

Claims (7)

1. Verfahren zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe in Schütt­ gütern, indem das Schüttgut sich an einem opto-elektronischen Bilderfassungssystem vor­ beibewegt, das jedem Bildpunkt des Schüttgutes einen Farbwert zuordnet und aus der zeitli­ chen Abfolge t_1 ... t_n von digitalisierten Bildmatrizen (DB_1 .. DB_n) die Farbverteilungen (FH_1 ... FH_n) berechnet, und die Bestimmung der (mA) gesuchten Anteile (A_1 ... A_m) des Schüttgutes durch die Auswertung eines Farbhistogramms (MFH) durchgeführt wird, da­ durch gekennzeichnet, daß

• 1. eine Anzahl (nFH) von Farbverteilungen (FH_1 ... FH_n) durch einen Verfahrens­ schritt (BFH) in ein Farbhistogramm (MFH) umgerechnet wird,
• 2. das Farbhistogramm (MFH) den Eingangswert für mehrere (mGK) Gruppen (GK_1 ...GK_m) adaptiver Klassifikatoren darstellt,
• 3. die (mGK) Gruppen adaptiver Klassifikatoren (GK_1 ... GK_m) die (mA) zu be­ stimmenden Anteile (A_1 ... A_m) berechnen.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Farbverteilungen (FH_1 ... FH_n) durch Mittelwertbildung in einem Verfahrensschritt (MW) in das Farbhistogramm (MFH) umgerechnet werden.

3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß das Farbhistogramm (MFH) dem Messzeitraum (t_1 ... t_i ... t_n) zugeordnet ist.

4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß eine einzelne Gruppe (GK_j) aus mehreren (j_oK) unabhängigen adaptiven Klassifikatoren (K_j_1 ... K_j_o) besteht.

5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß in der Auswertephase der quantitative Anteil (A_j) eines der zu bestimmenden Anteile (A_1 ... A_m) in einem Verfahrensschritt (KM) durch Verrechnung der Ausgabewerte (AK_j_1 ... AK_j_o) der adaptiven Klassifikatoren (K_j_1 ... K_j_o) berechnet wird.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß in ei­ ner Trainingsphase die Zuordnungen zwischen dem Farbhistogramm (MFH) und den quanti­ tativen Anteilen (A_1 ... A_m) gelernt werden, wobei eine Zuordnung zu einem Anteil (A_j) durch Messung mehrerer Histogramme (MFH) dargestellt wird.

7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß unter­ schiedliche Beleuchtungsverhältnisse dadurch berücksichtigt werden, daß Farbhistogramme (MFH) mit entsprechenden Beleuchtungen trainiert werden.