JP2000315256A - Color sorting method for eggplant and vegetable selecting method for eggplant using the method - Google Patents
Color sorting method for eggplant and vegetable selecting method for eggplant using the methodInfo
- Publication number
- JP2000315256A JP2000315256A JP11123273A JP12327399A JP2000315256A JP 2000315256 A JP2000315256 A JP 2000315256A JP 11123273 A JP11123273 A JP 11123273A JP 12327399 A JP12327399 A JP 12327399A JP 2000315256 A JP2000315256 A JP 2000315256A
- Authority
- JP
- Japan
- Prior art keywords
- eggplant
- color
- difference data
- color difference
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Processing Of Color Television Signals (AREA)
- Image Analysis (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、茄子の色分類方法
とこの茄子の色分類方法を使用した茄子の選果方法に関
するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method for classifying eggplant and a method for selecting eggplant using the method for classifying eggplant.
【０００２】[0002]
【従来の技術】青果物の人間による手選別は、選果作業
を担当する人員確保が困難、選果作業が重労働、品質を
一定にすることが困難などの問題があることから、画像
計測を中心とした選別作業の自動化、システム化が進め
られている。青果物の計測自動化では、感覚的な選別判
定基準を数値化し、この判定基準の基づいて、青果物の
表面を撮影した画像から、傷、着色不良を抽出してい
る。この抽出は入力デバイスからのＲＧＢデータをその
まま特徴量として行っている。2. Description of the Related Art Manual sorting of fruits and vegetables by humans is mainly performed by image measurement because there are problems such as difficulty in securing personnel in charge of fruit sorting work, heavy labor in fruit sorting work, and difficulty in keeping quality constant. Automation and systematization of the sorting work that has been done are being promoted. In the automated measurement of fruits and vegetables, a sensuous selection criterion is digitized, and based on the criterion, scratches and coloring defects are extracted from an image of the surface of the fruits and vegetables. This extraction uses the RGB data from the input device as a feature amount as it is.
【０００３】[0003]
【発明が解決しようとする課題】しかし、従来の青果物
の計測では、形状、外観が不均一、判定基準が感覚的な
ため数値化しにくいなどが問題となっており、特に茄子
は表面に光沢を有し、黒に近い紫色という性質を有する
ことから、従来のようにＲＧＢデータをそのまま特徴量
として判定を行ったのでは、表面の着色不良（赤果）の
識別が困難であるという問題があった。However, in the conventional measurement of fruits and vegetables, there are problems in that the shape and appearance are not uniform, and it is difficult to quantify because of the sensible judgment criteria. Therefore, if the RGB data is used as it is as a feature amount as in the prior art, it is difficult to identify the surface coloring defect (red fruits). Was.
【０００４】またＲＧＢデータは、Ｒ，Ｇ，Ｂそれぞれ
に輝度情報を含むために、光源の性質や陰影が影響して
いる点も、茄子の色分類を困難としている原因と考えら
れる。そこで、本発明は、茄子の色分類を正確に容易と
した茄子の色分類方法を提供し、さらに画像処理による
茄子の等級選別の自動化に寄与できる茄子の選果方法を
提供することを目的としたものである。In addition, since the RGB data includes luminance information for each of R, G, and B, the nature of the light source and the influence of shading are also considered to be a cause of the difficulty in classifying eggplants. Therefore, an object of the present invention is to provide an eggplant color classification method that accurately and easily facilitates eggplant color classification, and further provide an eggplant fruit selection method that can contribute to automation of eggplant grade selection by image processing. It was done.
【０００５】[0005]
【課題を解決するための手段】前述した目的を達成する
ために、本発明のうち請求項１記載の発明は、茄子をＣ
ＣＤカメラにより撮影して各画素毎にＲＧＢデータを求
め、各画素毎に、まず、前記ＲＧＢデータから輝度成分
Ｙを求め、（Ｒ−Ｙ）の第１色差データと、（Ｂ−Ｙ）
の第２色差データを求め、次に、Ｒ−Ｙ／Ｂ−Ｙ平面に
おける、これら第１色差データと第２色差データによる
ポイントと、茄子の色分類毎に予め設定された中心点と
の距離を求め、求めた距離のうち最小の距離の色分類に
画素が属すると判定することを特徴とするものである。In order to achieve the above-mentioned object, according to the first aspect of the present invention, the eggplant is made of C
An RGB data is obtained for each pixel by photographing with a CD camera, and a luminance component Y is first obtained for each pixel from the RGB data, and first color difference data of (RY) and (BY)
The second color difference data is obtained, and then the distance between the point based on the first color difference data and the second color difference data on the RY / BY plane and the center point preset for each eggplant color classification is calculated. And determining that the pixel belongs to the color classification of the minimum distance among the obtained distances.
【０００６】この方法によれば、Ｒ−Ｙ／Ｂ−Ｙ平面に
おいて各画素の色差データによるポイントと茄子の色分
類毎に予め設定された中心点との距離が求められ、各画
素は最短距離に中心点が位置する色分類に属すると判定
される。このように、輝度成分を分離した平面におい
て、色差データを特徴量として色分類の判定を行うこと
により、識別が容易となり、陰影の影響を排除できる。According to this method, the distance between the point based on the color difference data of each pixel on the RY / BY plane and the center point preset for each eggplant color classification is obtained, and each pixel is set to the shortest distance. Is determined to belong to the color classification where the center point is located. As described above, by performing color classification determination using the color difference data as a feature amount on the plane from which the luminance component is separated, identification becomes easy, and the influence of shading can be eliminated.
【０００７】また請求項２に記載の発明は、茄子をＣＣ
Ｄカメラにより撮影して各画素毎にＲＧＢデータを求
め、各画素毎に、まず、前記ＲＧＢデータから輝度成分
Ｙを求め、（Ｒ−Ｙ）の第１色差データと、（Ｂ−Ｙ）
の第２色差データを求め、次に、これら色差データより
ニューラルネットワークを用いて、画素がどの茄子の色
分類に属するかを判定することを特徴とするものであ
る。[0007] In the invention according to claim 2, the eggplant is converted to CC.
First, a luminance component Y is obtained from the RGB data for each pixel, and first color difference data of (RY) and (BY) are obtained.
The second color difference data is determined, and then the eggplant color classification is determined from the color difference data using a neural network.
【０００８】この方法によれば、ニューラルネットワー
クに画素の第１色差データと第２色差データを入力する
と、画素がどの茄子の色分類に属するかが出力される。
また請求項３に記載の発明は、上記請求項１または請求
項２に記載の発明であって、茄子の色分類は、正常果、
赤果、茶傷、白傷、虫食いの色であることを特徴とする
ものである。According to this method, when the first chrominance data and the second chrominance data of a pixel are input to the neural network, it is output which eggplant color classification the pixel belongs to.
The invention according to claim 3 is the invention according to claim 1 or 2, wherein the eggplant color classification is normal fruit,
It is characterized by the color of red fruits, brown wounds, white wounds, and bug eating.
【０００９】この方法によれば、各画素は、正常果、赤
果、茶傷、白傷、虫食いの色の１つに属すると判定され
る。また請求項４に記載の発明は、請求項１〜請求項３
のいずれかに記載の茄子の色分類方法を使用した茄子の
選果方法であって、茄子全体の画素数に対する、茄子の
各色分類に属する画素数の比率により茄子の等級を判定
することを特徴とするものである。According to this method, each pixel is determined to belong to one of the colors of normal fruit, red fruit, brown scar, white scar, and worm. The invention described in claim 4 is the invention according to claims 1 to 3
An eggplant fruit selection method using the eggplant color classification method described in any of the above, wherein the eggplant grade is determined by the ratio of the number of pixels belonging to each color classification of the eggplant to the total number of pixels of the eggplant. It is assumed that.
【００１０】上記方法によれば、茄子全体に対する、正
常果、赤果、茶傷、白傷、虫食いの５つの色分類の比率
により、茄子の等級が判定され、この等級に基づいて茄
子は選別される。[0010] According to the above method, the aubergine grade is determined based on the ratio of the five color classifications of normal fruit, red fruit, tea wound, white wound, and worm-eating to the whole eggplant, and the eggplant is sorted based on this grade. Is done.
【００１１】[0011]
【発明の実施の形態】以下、本発明の実施の形態を図面
に基づいて説明する。図１は、本発明の実施の形態にお
ける茄子の色分類方法を実施する色分類装置の構成図で
ある。図１において、１は照明環境空間２を形成する半
球状の反射板であり、アルミシェードから形成され、周
囲の色が茄子に映り込むことを防止し、さらに反射する
光量が減少しないように、内側がつや消し白のラッカー
によりコーティングされている。Embodiments of the present invention will be described below with reference to the drawings. FIG. 1 is a configuration diagram of a color classification device that performs the eggplant color classification method according to the embodiment of the present invention. In FIG. 1, reference numeral 1 denotes a hemispherical reflector that forms a lighting environment space 2 and is formed of an aluminum shade so as to prevent surrounding colors from being reflected in eggplants and to prevent the amount of reflected light from decreasing. The inside is coated with matt white lacquer.
【００１２】また図１に示すように、前記空間２内に
は、平板からなる下地３上で、その中央に被測定物の茄
子４が載置され、また空間２内の間接照明を実現するた
め、下地３の四隅にそれぞれハロゲンランプ５が光軸を
中心に向けて配置され、このハロゲンランプ５の光を拡
散させるために、各ランプ５に、トレーシングペーパー
からなる拡散板６が取り付けられている。またランプ５
自体の影の影響を排除するためにランプ本体表面は、つ
や消し白のラッカーによりコーティングされている。な
お、下地（背景）３の色は、各色成分の違いが最もよく
表れる緑色を選択している。As shown in FIG. 1, an eggplant 4 of an object to be measured is placed in the space 2 on the base 3 made of a flat plate, and the center of the substrate 3 is provided, and an indirect illumination in the space 2 is realized. Therefore, halogen lamps 5 are arranged at the four corners of the base 3 with the optical axis directed toward the center, and a diffusion plate 6 made of tracing paper is attached to each lamp 5 to diffuse the light of the halogen lamps 5. ing. Lamp 5
The surface of the lamp body is coated with a matte white lacquer to eliminate the effects of its own shadow. Note that the color of the base (background) 3 is selected to be green, in which the difference between the respective color components appears most.
【００１３】また茄子４のほぼ中心位置の上方位置に、
茄子４を撮影する３板式ＣＣＤカメラ８が配置されてい
る。この３板式ＣＣＤカメラ８は、光をプリズムにより
３原色に分解して、１画素を形成する３個のＣＣＤイメ
ージセンサに導き、これら３個のＣＣＤイメージセンサ
により各画素毎に、Ｒ（赤色データ），Ｇ（緑色デー
タ），Ｂ（青色のデータ）の色信号（ＲＧＢデータ）を
得ている。このＲＧＢデータは、コンピュータからなる
測定装置10へ出力される。またこの測定装置10から、茄
子の選果装置11へ、判定信号（後述する）が出力され
る。In addition, at a position substantially above the center position of the eggplant 4,
A three-plate CCD camera 8 for photographing the eggplant 4 is arranged. The three-plate CCD camera 8 separates light into three primary colors by using a prism, guides the light to three CCD image sensors that form one pixel, and outputs R (red data) for each pixel using the three CCD image sensors. ), G (green data) and B (blue data) color signals (RGB data) are obtained. The RGB data is output to the measuring device 10 including a computer. In addition, a determination signal (described later) is output from the measuring device 10 to the eggplant sorting device 11.
【００１４】上記測定装置10は、図２に示すように、Ｃ
ＣＤカメラ８から出力された各画素のＲＧＢデータ、た
とえば３２０×２４０画素のＲＧＢデータを記憶するメ
モリ21と、画像処理部22と、判定部23（後述する）から
構成されている。上記画像処理部22の動作を図３（ａ）
のフローチャートにしたがって説明する。 ステップ−１ メモリ21に記憶されたＲＧＢデータにより、下地３の色
が緑Ｇであるから、Ｇ成分のヒストグラムの谷を境に下
地３（背景）と茄子４を分離し、茄子４の画素のみを抽
出し、また茄子４を形成する総画素数を求める。 ステップ−２ 次に、抽出された茄子を形成する各画素のＲＧＢデータ
（ＲＧＢ原色信号）より各画素の輝度成分Ｙを式（１）
により演算する。As shown in FIG. 2, the measuring device 10
The memory 21 stores RGB data of each pixel output from the CD camera 8, for example, RGB data of 320 × 240 pixels, an image processing unit 22, and a determination unit 23 (described later). The operation of the image processing unit 22 is shown in FIG.
This will be described according to the flowchart of FIG. Step-1 Since the color of the base 3 is green G based on the RGB data stored in the memory 21, the base 3 (background) and the eggplant 4 are separated at the valley of the histogram of the G component, and only the pixels of the eggplant 4 are separated. Is extracted, and the total number of pixels forming the eggplant 4 is obtained. Step-2 Next, the luminance component Y of each pixel is calculated from the RGB data (RGB primary color signal) of each pixel forming the extracted eggplant by the formula (1).
Is calculated by
【００１５】Ｙ＝0.30Ｒ＋0.59Ｇ＋0.11Ｂ （１） ステップ−３ 続いてＲＧＢデータから輝度成分Ｙを減算して、各画素
の（Ｒ−Ｙ）、（Ｂ−Ｙ）の色差信号（色差データ）を
演算する。 ステップ−４ そして、各画素の（Ｒ−Ｙ）、（Ｂ−Ｙ）の色差データ
と茄子４の総画素数を判定部23へ出力する。Y = 0.30R + 0.59G + 0.11B (1) Step-3 Subsequently, the luminance component Y is subtracted from the RGB data to obtain a color difference signal (color difference data) of (RY) and (BY) of each pixel. ) Is calculated. Step-4 Then, the (RY) and (BY) color difference data of each pixel and the total number of aubergines 4 are output to the determination unit 23.
【００１６】次に判定部23について説明する。判定部23
は、茄子４の抽出成分（色分類）を、正常果、赤果（着
色不良果）、茶傷、白傷、虫食い（欠損部）とし、判別
アルゴリズムにより入力した各画素がどの抽出成分（色
分類）に属しているかを判定する。この判別アルゴリズ
ムは下記の手順により形成している。Next, the determination section 23 will be described. Judgment unit 23
Means that the extracted components (color classification) of eggplant 4 are normal fruits, red fruits (defective colored fruits), tea wounds, white wounds, and worm-eating (deficient parts). Classification). This discrimination algorithm is formed by the following procedure.
【００１７】茄子４の正常果、赤果（着色不良果）、茶
傷、白傷、虫食い（欠損部）の各箇所の複数のサンプル
を用意し、これら各サンプルをＣＣＤカメラ８により撮
影し、そのＲＧＢデータより上記（Ｒ−Ｙ）、（Ｂ−
Ｙ）の色差データを演算する。この各抽出成分の複数の
サンプルの色差データをＲ−Ｙ／Ｂ−Ｙ平面にプロット
した一例を図４（ａ）に示す。各抽出成分別に特異な領
域を形成しているのがわかる。各抽出成分別に（Ｒ−
Ｙ）、（Ｂ−Ｙ）の色差データの平均値を求め、各抽出
成分の中心点（座標）［図４（ｂ）］とする。A plurality of samples of each of the normal fruits, red fruits (poorly colored fruits), tea wounds, white wounds, and worms (deficient portions) of the eggplant 4 are prepared, and these samples are photographed by the CCD camera 8, From the RGB data, (RY), (B-
The color difference data of Y) is calculated. FIG. 4A shows an example in which the color difference data of a plurality of samples of each extracted component is plotted on the RY / BY plane. It can be seen that a unique region is formed for each extracted component. (R-
The average value of the color difference data of (Y) and (BY) is obtained, and is set as the center point (coordinate) of each extracted component (FIG. 4B).
【００１８】そして、実際の入力画素の（Ｒ−Ｙ）、
（Ｂ−Ｙ）の色差データがどの抽出成分に属するかを判
定する手法として、最短距離法を用いる。これは図４
（ｂ）に示すように、Ｒ−Ｙ／Ｂ−Ｙ平面における、入
力画素の（Ｒ−Ｙ）、（Ｂ−Ｙ）の色差データによるポ
イント（座標）と、上記求めた各５つの抽出成分のＲ−
Ｙ／Ｂ−Ｙ平面の中心点との距離Ｌを演算し、入力画素
は、これら演算した距離Ｌのうち、距離が最小となった
抽出成分に属すると判定する。図４（ｂ）の例では、入
力画素は茶傷に属すると判定される。Then, (RY) of the actual input pixel,
The shortest distance method is used as a method of determining which extracted component the color difference data of (BY) belongs to. This is Figure 4
As shown in (b), on the RY / BY plane, the points (coordinates) of (RY) and (BY) color difference data of the input pixel and the five extracted components obtained above are shown. R-
The distance L from the center point of the Y / BY plane is calculated, and the input pixel is determined to belong to the extracted component having the minimum distance among the calculated distances L. In the example of FIG. 4B, it is determined that the input pixel belongs to a tea wound.
【００１９】判定部23の動作を図３（ｂ）のフローチャ
ートにしたがって説明する。 ステップ−１ まず、画像処理部22により画素毎の（Ｒ−Ｙ）、（Ｂ−
Ｙ）の色差データを入力すると、上記判別アルゴリズム
によって、各画素が、正常果、赤果（着色不良果）、茶
傷、白傷、虫食い（欠損部）のいずれの抽出成分（色分
類）に属しているかを判定し、記憶する。 ステップ−２ 次に、全ての画素の判定が終了すると、抽出成分毎に、
属すると判定された画素数を求め、総画素数に対する比
率を求める。 ステップ−３ そして、抽出成分毎の比率からなる判定信号を選果装置
11へ出力する。The operation of the determination unit 23 will be described with reference to the flowchart of FIG. Step-1 First, the image processing unit 22 sets (RY), (B-
When the color difference data of Y) is inputted, each pixel is converted into any of the extracted components (color classification) of normal fruit, red fruit (poorly colored fruit), brown scar, white scar, and worm-eating (deficient portion) by the above-described determination algorithm. It is determined whether or not it belongs, and stored. Step-2 Next, when the determination of all pixels is completed, for each extracted component,
The number of pixels determined to belong is determined, and the ratio to the total number of pixels is determined. Step-3 Then, the determination signal including the ratio of each extracted component is output to the fruit sorting device.
Output to 11.
【００２０】選果装置11は、正常果、赤果（着色不良
果）、茶傷、白傷、虫食い（欠損部）の５つの抽出成分
の比率からなる判定信号を入力すると、これら比率に基
づいて茄子４の等級を決定する。たとえば、虫食いのあ
るものは、最低の等級とし、虫食いがなく（虫食い比率
０％）、正常果の比率が９５％以上のものを最高の等級
とする。この等級の信号は、たとえば分別装置へ出力さ
れ、茄子４は等級別に分けられ、まとめられて出荷され
る。When the judging device 11 receives a judgment signal comprising the ratio of five extracted components of normal fruit, red fruit (poorly colored fruit), tea scar, white scar, and worm-eating (defective portion), the fruit selecting device 11 receives the judgment signal based on these ratios. To determine the grade of eggplant 4. For example, those with worms are given the lowest grade, and those without worms (worm eating ratio 0%) and having a ratio of normal fruits of 95% or more are given the highest grade. The signal of this grade is output to, for example, a sorting apparatus, and the eggplants 4 are classified by grade, and are bundled and shipped.
【００２１】上記構成により、Ｒ−Ｙ／Ｂ−Ｙ平面にお
いて各画素の色差データによるポイントと茄子４の抽出
成分毎に予め設定された中心点との距離Ｌが求められ、
各画素は最短距離に中心点が位置する抽出成分に属する
と判定され、全ての画素の判定が終了すると、抽出成分
毎に、属すると判定された画素数が求められ、総画素数
に対する比率が求められる。そして、これら比率に基づ
いて茄子４の等級が決定される。According to the above configuration, the distance L between the point based on the color difference data of each pixel on the RY / BY plane and the center point preset for each extracted component of the eggplant 4 is obtained.
Each pixel is determined to belong to the extracted component whose center point is located at the shortest distance, and when the determination of all pixels is completed, the number of pixels determined to belong is determined for each extracted component, and the ratio to the total number of pixels is calculated. Desired. Then, the grade of the eggplant 4 is determined based on these ratios.
【００２２】本発明と対比させるために、各抽出成分毎
に用意した複数のサンプルのそれぞれのＲＧＢデータを
求め、ＲＧＢ空間にプロットした一例を図５に示す。こ
のように、ＲＧＢの３次元空間では、各抽出成分毎の中
心を求めてもこれら中心点が接近することから、抽出成
分の識別に誤りが生じやすくなる。表１にＲ−Ｙ／Ｂ−
Ｙ平面とＲＧＢ空間におけるサンプルの分類結果を示
す。結果から分かるように、輝度成分を分離したＲ−Ｙ
／Ｂ−Ｙ特徴平面において、従来特に問題となっている
赤果（着色不良）の識別を正確に行うことができた。FIG. 5 shows an example in which RGB data of a plurality of samples prepared for each extracted component are obtained and plotted in an RGB space for comparison with the present invention. As described above, in the three-dimensional RGB space, even if the center of each extracted component is obtained, these center points are close to each other. Table 1 shows that RY / B-
9 shows the results of classifying samples in the Y plane and the RGB space. As can be seen from the results, RY obtained by separating the luminance component
In the / BY characteristic plane, red fruits (defective coloring), which has been a particular problem in the past, could be accurately identified.
【００２３】[0023]
【表１】 このように、Ｒ−Ｙ／Ｂ−Ｙ平面において、各抽出成分
の判定を行うことにより、識別の容易な分布状態とな
り、陰影の影響などを受けることなく、各画素が正確に
どの抽出成分（色分類）に属するかを判定することがで
きる。またＲ−Ｙ／Ｂ−Ｙ平面における距離の演算は、
３次元のＲＧＢ空間での演算と比較して簡易となり、オ
ンライン計測では大事な要因である処理スピードを向上
させることができる。[Table 1] As described above, by determining each extracted component on the RY / BY plane, a distribution state that is easy to identify is obtained, and each pixel accurately determines which extracted component ( Color classification). The calculation of the distance on the RY / BY plane is as follows.
The calculation becomes simpler than the calculation in the three-dimensional RGB space, and the processing speed, which is an important factor in online measurement, can be improved.
【００２４】なお、本実施の形態では、判別アルゴリズ
ムとして最短距離法を用いているが、図４（ａ）に示す
サンプルのデータを教師信号として、図６に示す、ニュ
ーラルネットワークを形成するようにすることもでき
る。このニューラルネットワークによる出力値は、正常
果、赤果、茶傷、白傷、虫食いのいずれかであり、入力
値に対応する抽出成分の出力値が発火（１を出力）す
る。この方法によっても、各画素毎にどの抽出成分（色
分類）に属するかを識別することができる。In this embodiment, the shortest distance method is used as a discrimination algorithm. However, a neural network shown in FIG. 6 is formed by using sample data shown in FIG. 4A as a teacher signal. You can also. The output value of this neural network is one of normal fruit, red fruit, brown scar, white scar, and worm, and the output value of the extracted component corresponding to the input value fires (outputs 1). According to this method, it is possible to identify which extracted component (color classification) belongs to each pixel.
【００２５】[0025]
【発明の効果】以上述べたように本発明によれば、輝度
成分を分離した平面において、色分類の判定を行うこと
により、識別が容易となり、陰影の影響を排除でき、正
確にどの抽出成分に属するかを判定することができる。As described above, according to the present invention, discrimination of a color classification is performed on a plane from which a luminance component is separated, whereby identification is facilitated, the influence of shading can be eliminated, and any extracted component can be accurately determined. Can be determined.
【図１】本発明の実施の形態における茄子の色分類方法
を実施する色分類装置の構成図である。FIG. 1 is a configuration diagram of a color classification device that performs an eggplant color classification method according to an embodiment of the present invention.
【図２】同色分類装置の測定装置の機能構成図である。FIG. 2 is a functional configuration diagram of a measurement device of the same color classification device.
【図３】同色分類装置の測定装置の動作を説明するフロ
ーチャートである。FIG. 3 is a flowchart illustrating the operation of the measuring device of the same color classification device.
【図４】同色分類装置における、Ｒ−Ｙ／Ｂ−Ｙ平面に
プロットしたサンプルの図である。FIG. 4 is a diagram of a sample plotted on an RY / BY plane in the same color classification apparatus.
【図５】同色分類装置における、ＲＧＢ空間にプロット
したサンプルの図である。FIG. 5 is a diagram of a sample plotted in an RGB space in the same color classification device.
【図６】本発明の他の実施の形態における茄子の色分類
方法を実施するニューラルネットワークの図である。FIG. 6 is a diagram of a neural network that implements the eggplant color classification method according to another embodiment of the present invention.
１ 反射板 ２ 照明環境空間 ３ 下地 ４ 茄子 ５ ハロゲンランプ ６ 拡散板 ８ ＣＣＤカメラ 10 測定装置 11 選果装置 21 メモリ 22 画像処理部 23 判定部 DESCRIPTION OF SYMBOLS 1 Reflecting plate 2 Lighting environment space 3 Base 4 Eggplant 5 Halogen lamp 6 Diffusion plate 8 CCD camera 10 Measuring device 11 Fruit sorting device 21 Memory 22 Image processing unit 23 Judgment unit
フロントページの続き (71)出願人 000005119 日立造船株式会社 大阪府大阪市住之江区南港北１丁目７番89 号 (72)発明者 魚崎 勝司 鳥取県鳥取市湖山町西４−101 (72)発明者 畠中 利治 鳥取県岩美郡国府町宮下1047−２ (72)発明者 齊藤 康夫 鳥取県鳥取市湖山町北５−129 (72)発明者 重藤 和英 大阪府大阪市住之江区南港北１丁目７番89 号 日立造船株式会社内 Ｆターム(参考） 5B057 AA15 BA02 BA11 BA25 CA01 CA08 CA16 CB01 CB08 CB16 CE16 DA12 DB06 DB09 DC25 5C066 AA01 BA20 CA01 CA11 DA05 GA01 GA02 GA05 GA11 KD01 KD06 KE04 KM02 Continuing from the front page (71) Applicant 000005119 Hitachi Zosen Corporation 1-89, Minami Kohoku, Suminoe-ku, Osaka-shi, Osaka (72) Inventor Katsushi Uozaki 4-101, Koyama-cho Nishi, Tottori-shi, Tottori Prefecture (72) Inventor Toshiharu Hatanaka 1047-2 Miyashita, Kokubu-cho, Iwami-gun, Tottori Prefecture (72) Inventor Yasuo Saito 5-129, Koyamachokita, Tottori-shi, Tottori Prefecture (72) Inventor Kazuhide Shigeto 1- 7-89, Minamikohoku, Suminoe-ku, Osaka-shi, Osaka Hitachi Shipbuilding Co., Ltd. F term (reference) 5B057 AA15 BA02 BA11 BA25 CA01 CA08 CA16 CB01 CB08 CB16 CE16 DA12 DB06 DB09 DC25 5C066 AA01 BA20 CA01 CA11 DA05 GA01 GA02 GA05 GA11 KD01 KD06 KE04 KM02
Claims (4)
素毎にＲＧＢデータを求め、 各画素毎に、 まず、前記ＲＧＢデータから輝度成分Ｙを求め、（Ｒ−
Ｙ）の第１色差データと、（Ｂ−Ｙ）の第２色差データ
を求め、 次に、Ｒ−Ｙ／Ｂ−Ｙ平面における、これら第１色差デ
ータと第２色差データによるポイントと、茄子の色分類
毎に予め設定された中心点との距離を求め、 求めた距離のうち最小の距離の色分類に画素が属すると
判定することを特徴とする茄子の色分類方法。1. An eggplant is photographed by a CCD camera to obtain RGB data for each pixel. First, for each pixel, a luminance component Y is obtained from the RGB data.
The first color difference data of (Y) and the second color difference data of (B−Y) are obtained. Next, the points based on the first color difference data and the second color difference data on the RY / BY plane and the eggplant A method for determining a distance from a center point set in advance for each color classification, and determining that a pixel belongs to a color classification having a minimum distance among the determined distances.
素毎にＲＧＢデータを求め、 各画素毎に、 まず、前記ＲＧＢデータから輝度成分Ｙを求め、（Ｒ−
Ｙ）の第１色差データと、（Ｂ−Ｙ）の第２色差データ
を求め、 次に、これら色差データよりニューラルネットワークを
用いて、画素がどの茄子の色分類に属するかを判定する
ことを特徴とする茄子の色分類方法。2. An eggplant is photographed by a CCD camera to obtain RGB data for each pixel. For each pixel, first, a luminance component Y is obtained from the RGB data, and (R−
The first color difference data of (Y) and the second color difference data of (B−Y) are obtained. Next, from the color difference data, it is determined using a neural network to determine which eggplant color classification a pixel belongs to. Characteristic eggplant color classification method.
白傷、虫食いの色の分類であることを特徴とする請求項
１または請求項２記載の茄子の色分類方法。3. Eggplant color classification is normal fruit, red fruit, tea wound,
3. The eggplant color classification method according to claim 1 or 2, wherein the color is a classification of white scratches and insect bites.
茄子の色分類方法を使用した茄子の選果方法であって、 茄子全体の画素数に対する、茄子の各色分類に属する画
素数の比率により茄子の等級を判定することを特徴とす
る茄子の選果方法。4. An eggplant fruit sorting method using the eggplant color classification method according to any one of claims 1 to 3, wherein the number of pixels belonging to each eggplant color classification is the number of pixels of the whole eggplant. A method for judging eggplants, wherein the grade of the eggplants is determined by the ratio of:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11123273A JP2000315256A (en) | 1999-04-30 | 1999-04-30 | Color sorting method for eggplant and vegetable selecting method for eggplant using the method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11123273A JP2000315256A (en) | 1999-04-30 | 1999-04-30 | Color sorting method for eggplant and vegetable selecting method for eggplant using the method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000315256A true JP2000315256A (en) | 2000-11-14 |
Family
ID=14856492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11123273A Pending JP2000315256A (en) | 1999-04-30 | 1999-04-30 | Color sorting method for eggplant and vegetable selecting method for eggplant using the method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000315256A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007053933A (en) * | 2005-08-23 | 2007-03-08 | National Agriculture & Food Research Organization | Method and device for estimating flowering extent of cut flower |
| JP2011018359A (en) * | 2010-09-16 | 2011-01-27 | Hitachi Computer Peripherals Co Ltd | Dropout color processing apparatus and dropout color processing method using the same |
| US7957636B2 (en) | 2008-11-05 | 2011-06-07 | Canon Kabushiki Kaisha | Illumination apparatus and appearance inspection apparatus including the same |
| US8326028B2 (en) | 2007-12-26 | 2012-12-04 | Hitachi Computer Peripherals Co., Ltd. | Dropout color processing method and processing apparatus using same |
-
1999
- 1999-04-30 JP JP11123273A patent/JP2000315256A/en active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007053933A (en) * | 2005-08-23 | 2007-03-08 | National Agriculture & Food Research Organization | Method and device for estimating flowering extent of cut flower |
| US8326028B2 (en) | 2007-12-26 | 2012-12-04 | Hitachi Computer Peripherals Co., Ltd. | Dropout color processing method and processing apparatus using same |
| US7957636B2 (en) | 2008-11-05 | 2011-06-07 | Canon Kabushiki Kaisha | Illumination apparatus and appearance inspection apparatus including the same |
| JP2011018359A (en) * | 2010-09-16 | 2011-01-27 | Hitachi Computer Peripherals Co Ltd | Dropout color processing apparatus and dropout color processing method using the same |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4649532B2 (en) | Illumination chromaticity conversion device using cognitive light source and highlight, method for the same, and computer-readable recording medium recording program therefor | |
| CN108445007A (en) | A kind of detection method and its detection device based on image co-registration | |
| US9676004B2 (en) | Sorting system | |
| JP5181955B2 (en) | Image classification device and image processing device | |
| CN103076288B (en) | A kind of flesh of fish self-grading device based on computer vision and method | |
| US8064691B2 (en) | Method for identifying color in machine and computer vision applications | |
| KR20100015628A (en) | Lumber inspection method, device and program | |
| US9070192B1 (en) | Implementing rich color transition curve tracking for applications | |
| CN106018413A (en) | Product appearance detection device and method | |
| JP3809838B2 (en) | Image highlight correction method using image source specific HSV color coordinates, image highlight correction program, and image acquisition system | |
| JP3141245B2 (en) | How to display images | |
| JP2001229381A (en) | Image processing check system and its method | |
| CN108389181A (en) | It is a kind of based on the part defect of deep learning and normal direction figure detection and localization method | |
| CN108184286A (en) | The control method and control system and electronic equipment of lamps and lanterns | |
| Smagina et al. | Multiple light source dataset for colour research | |
| CN108235831B (en) | The control method and control system and electronic equipment of lamps and lanterns | |
| JP2000315256A (en) | Color sorting method for eggplant and vegetable selecting method for eggplant using the method | |
| US8526717B2 (en) | Rich color transition curve tracking method | |
| AU705727B2 (en) | A learning method for an image analysis system for use in the analysis of an object as well as uses of the method | |
| JPS6260069B2 (en) | ||
| JP3410332B2 (en) | Pearl color sorter | |
| JP2003030651A (en) | Method for identifying shadow in digital image | |
| KR20230139166A (en) | Inspection Method for Wood Product | |
| JP7342616B2 (en) | Image processing system, setting method and program | |
| CN112419431A (en) | Method and system for detecting product color |