PT738186E - Processo e aparelho para detectar as caracteristicas da superficie de objectos translucidos - Google Patents
Processo e aparelho para detectar as caracteristicas da superficie de objectos translucidos Download PDFInfo
- Publication number
- PT738186E PT738186E PT95932422T PT95932422T PT738186E PT 738186 E PT738186 E PT 738186E PT 95932422 T PT95932422 T PT 95932422T PT 95932422 T PT95932422 T PT 95932422T PT 738186 E PT738186 E PT 738186E
- Authority
- PT
- Portugal
- Prior art keywords
- image
- light
- fruit
- scanning
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 43
- 230000008569 process Effects 0.000 title claims description 15
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 154
- 235000020971 citrus fruits Nutrition 0.000 claims abstract description 35
- 230000007547 defect Effects 0.000 claims abstract description 26
- 230000007704 transition Effects 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000010252 digital analysis Methods 0.000 claims abstract description 3
- 238000010972 statistical evaluation Methods 0.000 claims abstract description 3
- 230000003287 optical effect Effects 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 238000001429 visible spectrum Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims 2
- MDJRZSNPHZEMJH-MTMZYOSNSA-N artisone acetate Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)COC(=O)C)[C@@]1(C)CC2 MDJRZSNPHZEMJH-MTMZYOSNSA-N 0.000 claims 1
- 238000012545 processing Methods 0.000 description 21
- 238000007689 inspection Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 235000013372 meat Nutrition 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 239000004033 plastic Substances 0.000 description 3
- 229920003023 plastic Polymers 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 241000207199 Citrus Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 235000000832 Ayote Nutrition 0.000 description 1
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 241000219122 Cucurbita Species 0.000 description 1
- 235000009854 Cucurbita moschata Nutrition 0.000 description 1
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 1
- 239000003708 ampul Substances 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000007933 dermal patch Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000023077 detection of light stimulus Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000002969 egg yolk Anatomy 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000002657 fibrous material Substances 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 231100000206 health hazard Toxicity 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 235000015136 pumpkin Nutrition 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- -1 tungsten halogen Chemical class 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/3416—Sorting according to other particular properties according to radiation transmissivity, e.g. for light, x-rays, particle radiation
Landscapes
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Toxicology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Sorting Of Articles (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
Descrição “Processo e aparelho para detectar as características da superfície de objectos translúcidos” A presente invenção refere-se a um processo e um aparelho para detectar características da superfície de objectos translúcidos.
Os processos e . apare lhos para a análise topográfica da textura e integridade de objectos e dividir de maneira classificada esses objectos, com base nessa análise da superfície, são portanto para analisar opticamente a zona da superfície de frutos, e em particular de frutos citrinos, de modo que o fruto possa ser classificado de acordo com critérios seleccionados de características da superfície.
Descrevem-se aparelhos e processos para a avaliação automática de frutos citrinos, com base na transparência presumida, aos raios luminosos, separado-os depois selectivamente de acordo com essa avaliação, num sistema transportador, por Conway na patente US 3 930 994 (1976), em nome dos autores da presente invenção, intitulada “Method and Means for Internai Inspection Sorting of Produce”. O objectivo de Conway consiste em determinar a extensão dos danos provocados pela geada na carne do fruto. Para isso, ele orienta o fruto num transportador, entre duas fontes luminosas, de. grande intensidade - por exemplo lâmpadas de filamento de quartzo e iodo e tungsténio, geradores de feixes de raios X ou laseres - e dois detectores posicionados de modo a abraçar o núcleo do fruto. Os detectores são tubos fotomultiplicadores, cujas aberturas de colimação recebem luz transmitida através do fruto - e não absorvida ou dispersada no interior. Os sinais provenientes dos detectores são ligados a um computador de análise, interior, controlado por sensores temporizados, para comparar as saídas instantâneas dos dois ? detectores e portanto medir a extensão da danificação interior no fruto (admitindo que há diferenças pré-seleccionadas entre as duas leituras),. após o que o fruto é separado de acordo com a extensão da danificação assim verificada.
Reconhecendo-se que a porção da pele. do fruto tem uma absorção e uma dispersão ópticas caracteristicas, diferentes das da porção da carne, Conway considera, c.omo sinais de erro, que precisam de ser eliminados, os sinais obtidos pelos detectores quando as suas leituras correspondem a luz detectada diferente da proveniente da porção da pele. do fruto. Ver coluna 6, Unhas 32-43. Para evitar a obtenção de quaisquer leituras a partir da pele do fruto citrino, Conway utiliza dois sensores de temporização para iniciar a avaliação dos danos da porção da carne, apenas depois de um detector ter deixado de receber luz dispersa no interior e projectada a partir da porção da pele,.e começou a receber luz transmitida através da porção da carne do fruto, e terminar a avaliação antes de o detector receber de novo luz dispersada no interior da porção da pele,. enquanto o fruto avança no transportador entre o feixe de luz incidente e o detector de transmissão da luz.
No entanto, mesmo a detecção fiável das caracteristicas ópticas da porção da carne de frutos citrinos mostrou ser uma tarefa extremamente difícil, por meio de tais dispositivos ópticos. Na maior parte das frequências, a luz não se transmite simplesmente através de um fruto, como se o fruto fosse um objecto transparente, como uma bola de cristal. Pelo contrário, a luz é absorvida pelo fruto e dispersa-se no seu interior. Assim não podem ser identificadas de maneira fiável estruturas pequenas, podendo ser detectadas de maneira fiável apenas danos da geada maciços, mesmo com detecção do interior do fruto com um feixe de raios X, para os quais o fruto é mais transparente, como se descreve genericamente na patente US 3 76S 645. 3
Também, embora a detecção e a eliminação dos frutos que foram danificados nas porções da carne tenha um valor substancial, uma função de classificação de valor ainda maior é a capacidade de separar frutos em categorias, com base na natureza da textura da sua superfície ou da integridade da sua pele ou casca. Por exemplo, uma embalagem de laranjas irrepreensível, com cascas perfeitas, atingirá geralmente um preço mais elevado no mercado que uma embalagem de laranjas que apresentem uma certa variedade de imperfeições e texturas, e/ou defeitos, embora a porção da carne de ambas seia aceitável e mesmo que o interior de alguns frutos possa estar ligeiramente deteriorado.
Pode fazer-se uma analogia com os ovos. Nesta analogia, a técnica anterior, como exemplificou a referência de Conwav anterior, é semelhante ao processo de examinar ovos contra a luz - isto é, observá-los do lado oposto a um feixe de luz incidente de grande intensidade, para detectar pontos de sangue ou outras imperfeições no interior. A. porção interior de um ovo - a gema e a clara - e não a casca têm uma importância predominante. Por analogia, Conwav procura examinar a porção interior do fruto e não a casca ou superfície exterior. Pelo contrário, a presente invenção diz respeito não ao conteúdo interior do objecto a classificar e separar, mas antes à aparência topográfica e integridade da “cobertura7 exterior do objecto.
Embora as. texturas exteriores de frutos citrinos ou quaisquer outros objectos possam ser determinadas visualmente e avaliadas por operadores de controlo de qualidade humanos, os factores de custo e fiabilidade dessa classificação humana podem em muitos casos não ser satisfatórios. Além disso, os operadores humanos não podem ver o interior das camadas do fruto por baixo da superfície exterior, por
causa dos riscos para a saúde inerentes à exposição dos olhos a intensidades de luz elevadas, necessárias para gerar luz dispersa suficiente para fazer brilhar a casca suficientemente para tomar visível a casca profunda subjacente. E as pessoas não podem ver na vizinhança dos infravermelhos, que têm uma penetração em profundidade maior, através do fruto e para o interior da casca do fruto, em comparação com a luz visível.
Portanto, o que é necessário é um meio inteligente. e automático para examinar opticamente a superfície exterior e a zona superficial de um objecto essencialmente translúcido ou transparente, que determine a natureza da textura da superfície e a integridade da zona exterior, e tome depois uma decisão selectiva com base nessa determinação. A patente US 5 026 982 refere-se primariamente à determinação da existência de cavidades, ou vestígios de cavidades, num fruto furado. Primariamente, transmite-se uma série de feixes de luz colimados através do fruto e detecta-se do outro lado, por meio de sensores com campo de vista estreito. A intensidade de luz detectada pelos sensores proporcionará uma indicação, da presença ou ausência de uma cavidade. Alguns defeitos da superfície podem ser determinados usando o aparelho descrito para permitir a classificação.
Um objecto da presente invenção consiste em proporcionar um processo para a determinação de características seleccionadas na superfície de um objecto translúcido.
De acordo com a presente invenção, proporciona-se um processo de classificação de um objecto translúcido de acordo com pelo menos uma característica de superfície seleccionada do objecto, que compreende os passos de: iluminação do objecto; detecção da luz transmitida através da superfície do objecto; a conversão da luz detectada em dados; análise desses dados, para determinar a existência da característica escolhida da superfície; e a classificação do objecto com base nessa determinação, caracterizado por o passo de iluminação do objecto se dispor de modo a fazer com que a luz se disperse através de todo o objecto e por o passo de detecção se dispor para detectar a intensidade da luz assim dispersada, transmitida de diferentes áreas definidas da superfície do objecto.
De acordo com a presente invenção, proporciona-se ainda um aparelho para determinar a existência de pelo menos uma característica de superfície seleccionada num objecto translúcido, que compreende: meios para iluminar o objecto, meios para detectar a luz transmitida através da superfície do objecto; meios para converter essa luz detectada em dados, e meios para analisar esses dados, para determinar a existência da característica seleccionada da superfície, caracterizado por os meios para a iluminação do objecto serem tais que provocam a dispersão da luz através de todo o objecto e por os meios de detecção se disporem para detectar a intensidade da luz assim dispersada, transmitida de diferentes áreas definidas da superfície do objecto.
De acordo com a presente invenção, proporciona-se ainda um aparelho, para determinar a presença de uma característica da superfície seleccionada, num objecto translúcido, que compreende: pelo menos uma fonte luminosa orientada para o objecto; meios sensores para converter a luz, transmitida através da superfície do objecto, num sinal digital, e meios de avaliação para determinar se essa característica está presente, caracterizado por a referida fonte luminosa se dispor de modo a provocar a dispersão da luz por todo o interior do objecto e por os referidos
meios sensores detectarem a luz emergente de diferentes áreas definidas na superfície do referido objecto, para activar os meios de avaliação para avaliar o padrão de luz detectado. A presente invenção consiste num processo e num aparelho para dividir de maneira classificada objectos essencialmente translúcidos. Podem dividir-se e classificar-se de acordo com a invenção frutos, em particular citrinos. Como adiante será discutido, muitos outros tipos de objectos podem ser assim classificados, se esses objectos forem essencialraente translúcidos ou transparentes para a frequência de luz particular escolhida. Por conveniência, far-se-á aqui referência especifica a frutos (em particular a citrinos), embora deva entender-se que se incluem todos esses objectos.
Os frutos são divididos e classificados de acordo com as características da sua superfície e o processo compreende a iluminação de cada um deles para dispersar a luz no seu interior e através da zona da sua superfície. No caso dos frutos, a que se referirá pnncipalmente a forma de realização preferida da invenção, cada um deles é iluminado de modo que a luz dispersada no interior do fruto faz com que o fruto brilhe. Tal brilho, que é transmitido para o exterior através da região da superfície é detectado, obtendo-se assim imagens de todo o padrão de brilho.
Verificou-se, no decurso de levar a presente invenção à prática, que os defeitos na superfície exterior ou na sua proximidade aparecem de maneira consideravelmente mais clara que os defeitos interiores, como antes procurara Conway, que ignorava os defeitos superficiais. Portanto, cada uma dessas imagens instantâneas constitui uma matriz de dados, correspondentes às características do fruto na superfície, e junto da superfície. Cada imagem detectada é convertida em
dados, para análise, para determinar se a ou as características da superfície procuradas estão presentes. Isso pode ser feito por comparação dos dados com critérios seleccionados, podendo assim o fruto ser classificado de acordo com os dados analisados, para identificar os que caem dentro das categorias seleccionadas, com base nos dados das características de superfície observadas. Os frutos classificados podem depois ser divididos, de acordo com as definições escolhidas dessas categorias. Isso permite a classificação automática e a divisão dos frutos de acordo com as características da sua superfície.
Os dados nas imagens têm de ser processados para permitir o reconhecimento dos padrões das características de superfície do fruto. Antes desse processamento dos dados, removem-se os dados explorados que não são originados pela luz dispersa em função das características da superfície do objecto. Deduz-se uma medida estatística das características da superfície, para determinar se uma variação das características da superfície, substancialmente em toda a superfície de cada fruto, é suficientemente grande para indicar um defeito da superfície. O processamento dos dados normalmente compreende ainda a selecção dos dados explorados a partir das características da superfície, filtrando os dados por frequência, relativamente a uma frequência de corte pré-determmada.. Em algumas dessas situações, a filtragem dos dados compreende a passagem de apenas componentes dos dados de alta frequência. Noutras situações a filtração dos dados compreende a passagem de apenas componentes de baixa frequência. A imagem brilhante do fruto é tipicamente explorada por varrimento, para colher os dados necessários e, sendo assim, esse passo compreende normalmente a exploração por varrimento do fruto ao longo de uma linha pré-determinada, que 8 atravessa o objecto. É também considerado o caso de o fruto poder ser explorado por varrimento ao longo de uma pluralidade de linhas. Cada uma das explorações pode ser orientada atravessando o corpo segundo o mesmo ou outro ângulo. O processo pode ainda compreender a formação, por um processo óptico, de uma imagem do fruto que inclui simultaneamente toda ou uma parte substancial das suas características de superfície. Quando o fruto for genericamente esférico, como sucede em muitas variedades de citrinos, a formação da imagem compreende a formação de uma imagem separada, substancialmente de cada hemisfério.
Na forma de realização ilustrada, a exploração por varrimento do fruto é efectuada opticamente, reflectindo uma imagem do fruto iluminado (isto é, o brilho que dele emana) numa câmara de exploração por varrimento, apontada no sentido oposto ao do fruto iluminado, de modo que se evite a transmissão directa de luz para o interior da câmara. Isso pode também ser feito simplesmente apontando a câmara segundo um certo ângulo com a direcção do feixe incidente que ilumina o fruto. Deve no entanto notar-se que o processo da presente invenção pode ser usado mesmo que a câmara esteja apontada directamente para o feixe incidente, visto que a maior parte da luz detectada pela câmara terá sido dispersa no interior do fruto, para produzir o brilho resultante, projectado através da zona da sua superfície. E, nesse caso, em particular se o feixe for emitido por um LED (díodo emissor de luz) ou por laser, os meios de explorar o fruto e os meios de temporização com eles ligados podem ser usados para impedir a danificação da câmara que poderia verificar-se pela luz detectada directamente, isto é, sem o fruto intercalado.
Em geral, o processo classifica os frutos de acordo com as suas características topográficas da superfície. Com os citrinos (que têm uma casca *7 9 < relativamente grossa), essa divisão por categorias pode compreender a classificação das suas cascas de acordo com a porosidade, as suas bolhas e rugas, cristãs e vales, fracturas, decomposição e outros factores seleccionados. A exploração por varrimento compreende uma exploração segundo uma matriz bidimensional, para proporcionar uma imagem gráfica bidimensional das características topográficas da superfície do fruto. A iluminação do fruto compreende a sua iluminação por meio de dispositivos geradores de luz seleccionada, que projectam. luz com uma frequência ou uma combinação de frequências seleccionadas. O processamento dos dados também compreende a segmentação da imagem explorada por varrimento, num fundo e no objecto, e na remoção do fundo da imagem obtida por exploração por varrimento, deixando ficar primariamente o objecto. A classificação de citrinos de acordo com a porosidade da casca compreende a filtragem da imagem obtida por exploração por varrimento, para retirar os dados de frequência elevada, utilizando um filtro passa-alto dos dados. Estabelece-se um limiar da intensidade dos elementos de imagem filtrada. O número de elementos de imagem que tenham uma intensidade superior ao limiar estabelecido são inscritos numa tabela para identificar a porosidade da casca. A classificação dos citrinos relativamenre às bolhas e vincos na superfície exterior da casca compreende a filtragem da imagem para eliminar dados de baixa frequência, utilizando um filtro passa-baixo ou de alinhamento dos dados. Estabelece-se um limiar da intensidade dos elementos de imagem na imagem filtrada. O número e a distribuição dos elementos de imagem que têm uma intensidade superior ao limiar inscreve-se numa tabela, para identificar as bolhas e os vincos na superfície exterior da casca. A classificação de acordo com as cunhas elevadas ou cavadas, ou fracturas, na casca, compreende a exploração por varrimento, selectivamente, para determinar transições da intensidade de elementos de imagem. Estabelece-se um limiar de intensidade dos elementos de imagem e da taxa de transição.. Q número de elementos de imagem que tèm uma intensidade acima do limiar estabelecido, na vizinhança imediata de elementos de imagem, correspondente, a transições de intensidade, é colocado numa tabela. As vizinhanças são definidas como manchas. O numero de manchas, que exceda um parâmetro característico pré-determinado é colocado numa tabela, para identificar cunhas elevadas ou cavadas, na casca. O parâmetro característico é uma área mimma pré-determinada da mancha e o tabelamento do número de manchas para identificar cunhas elevadas ou cavadas, na casca, compreende o tabelamento do número de manchas que excede a área mínima pré-determinada. Ou o parâmetro característico pode ser a forma, e o tabelamento do número de manchas para identificar as cunhas elevadas ou cavadas compreende então o tabelamento do número de manchas que têm uma forma que obedece a definição de forma pré-determinada. .Analogamente, a identificação de uma fractura baseia-se numa descontinuidade estreita e aguda da intensidade. A classificação pela decomposição da superfície compreende a exploração por varrimento da imagem do fruto citrino para detectar transições mais graduais na intensidade dos elementos de imagem. Estabelece-se um limiar pré-determinado. O número de elementos de imagem que têm uma intensidade acima do limiar pré--determinado. na vizinhança imediata dos limites do elemento de imagem, com
transições graduais, é inscrito numa tabela. As vizinhanças são definidas como manchas. O número de manchas que excedem um parâmetro característico dado é tabelado, para identificar a decomposição da superfície. O ou os limiares pré-determinados de forma, área, largura e parâmetros caracteristicos, apropriados em qualquer dos processos de classificação de qualidade anteriores, podem ser estabelecidos selectivamente em fiinção das. dimensões do fruto citrino, o que pode ser detectado e utilizado como entrada, de acordo com processos bem conhecidos. A invenção pode também ser caracterizada por um aparelho para dividir de maneira classificada objectos essencialmente translúcidos, tais como frutos citrinos, ou essencialmente transparentes - à frequência da luz ou frequências seleccionadas -- de acordo com as caracteristicas de superfície dos objectos. Um tal aparelho inclui uma estação de inspecçào e pelo menos uma estação de divisão classificada. Um transportador desloca os objectos, através da estação de inspecção e para a estação de divisão classificada. Um divisor classificador, na estação de divisão classificada, divide de maneira classificada os objectos, de acordo com a classificação das caracteristicas da superfície dos objectos, por desvio dos objectos do transportador. Um explorador por varrimento óptico computadorizado gera uma imagem gráfica do objecto, na estação de inspecção, e avalia as caracteristicas de superfície dos objectos de acordo com pelo menos uma caracteristica topográfica da superfície. Os objectos são . assim categorizados e apartados de acordo com as caracteristicas de superfície.
Numa forma de realização, na qual se apartam frutos citrinos, o explorador por varrimento óptico computadorizado compreende dois conjuntos independentes 12 *7<r de luz de iluminação/exploração e câmara, na estação de inspecção. Nessa forma de realização, o explorador por varrimento óptico computadorizado pode compreender duas fontes de iluminação de halogéneo de tungsténio e duas lentes de focagem, dispostas aproximadamente a 120° relativamente à vertical, através da estação de inspecção, para iluminar os frutos, e uma câmara de exploração por varrimento, correspondente a cada fonte luminosa, para explorar por varrimento o fruto, não estando essa câmara alinhada com nenhuma das fontes luminosas. Nesta forma de realização, a câmara.está voltada em sentido contrário ao dos frutos e o explorador por varrimento óptico computadorizado compreende uma pluralidade de espelhos, para reflectir, para o interior da câmara, uma imagem do brilho gerado no interior do fruto e transmitido através da casca.
Vai agora descrever-se, a título de exemplo e com referência aos desenhos esquemáticos anexos, um processo e um aparelho para a classificação de um objecto translúcido de. acordo com pelo menos uma característica da superfície e de acordo com a presente invenção. As figuras dos desenhos representam: A. fig, 1, um esquema de blocos, simplificado, de um aparelho de classificação e divisão, que utiliza um computador do modo de textura de acordo com a invenção; A fig. 2a, uma vista esquemática simplificada, em corte, do alojamento óptico usado no sistema da fig. 1; A fig. 2b, uma vista em perspectiva isométrica de uma segunda forma de realização do alojamento óptico usado no sistema da fig. 1; A fig. 3a, uma imagem de computador de uma casca lisa de fruto, gerada pela invenção,.enquanto a fig. 3b é o histograma correspondente da superfície do fruto, considerado ao longo de uma linha de exploração seleccionada; A fig. 4a. uma imagem de computador de um fruto que tem podridão azeda, tal como é gerada pela invenção, enquanto que a fig. 4b é um histograma, de novo tomado através de uma linha de exploração seleccionada. do fruto da fig. 4a; A fíg. 5a, uma imagem de computador do fruto, tal como é gerada pela invenção,, que mostra podridão, clara,, enquanto que a fig. 5b é. um histograma tomado através de uma linha de exploração seleccionada, do fruto da fíg. 5a; A. fig. 6a, uma imagem de computador de um fruto que tem uma casca granulada, tal como é determinada pela invenção, enquanto que a fig. 6b é um histograma da textura topográfica da superfície do fruto da fig. 6a, tomado ao longo de uma linha de exploração seleccionada; A fig. 7a, uma imagem de computador do fruto, que mostra bolhas e vincos, tal como é detectada pela invenção, enquanto que a fig. 7b é um histograma da textura topográfica da superfície do fruto da fig. 7a. tomado ao longo de uma linha de exploração seleccionada, A fig. 8a. uma imagem de computador do fruto com defeitos de cristãs e vales, tal como é determinada pela invenção, enquanto que a fig. 8b é um histograma tomado ao longo de uma linha de exploração seleccionada, do fruto da fig. 8a; A fig. 9a, uma imagem de computador do fruto que tem uma fenda ou corte na casca, tal como é determinada de acordo com a invenção, enquanto que a fig. 9b é um histograma da textura do fruto da fig. 9a, tomado ao longo de uma linha de exploração seleccionada; e A fig! 10a, uma imagem de computador do fruto com bolhas claras e vincos, tal como é determinada de acordo com a invenção, enquanto que a fig. 10b é um histograma tomado ao longo de uma linha de exploração seleccionada do fruto da fig. 1 Oa.
Pode agora compreender-se a invenção e as suas variadas formas de realização, na descrição pormenorizada que se segue.
Descrição pormenorizada das formas de realização preferidas
Considera-se importante, nesta altura, clarificar certa terminologia usada anteriormente e que pode ser usada a seguir.
Portanto, “luz transmitida” é a luz que passa através de um meio, essencialmente como um feixe, que pode ou não “dispersar-se”, em consequência da sua passagem através do meio. Inclui-se neste termo também a porção remanescente da luz incidente que, depois de alguma da intensidade presente no feixe incidente ter sido dispersa ou absorvida, continua a passar “para a frente” através do meio.
Para os fins desta discussão, luz “dispersa” é luz que se espalhou, afastando--se da direcção do feixe incidente. E primariamente esta luz dispersa que provoca o brilho nos objectos translúcidos.
Por luz “absorvida” entende-se a luz proveniente do feixe incidente que, nem é transmitida, nem dispersada no mterior do meio, sendo em vez disso a sua energia retida-na meio.
Faz-se aqui referência a objectos “translúcidos”. Por esta referência entende--se objectos em cujo interior a luz com uma frequência do espectro seleccionado de um feixe mcidente pode ser parcialmente absorvida e parcialmente dispersada, mas da qual pelo menos alguma da luz dispersada pode ser detectada exteriormente, devido à passagem através da zona da sua superfície. São exemplos típicos frutos (abóboras, melões ou frutos citrinos), a cera, certas cerâmicas, certos plásticos e compósitos (materiais fibrosos combinados com uma resina moldável por vazamento), onde as frequências seleccionadas poderiam ser as do espectro visível, do infravermelho próximo e talvez outras frequências.
Por objecto “transparente” entende-se um objecto que permite a transmissão substancialmente livre de luz incidente de uma frequência seleccionada ou de frequências seleccionadas através do mesmo, primariamente num feixe (que pode espalhar-se), não sendo essa luz transmitida, primariamente absorvida ou dispersada no interior do objecto. Um exemplo típico seria o vidro usual das janelas, onde as frequências são o espectro visível e certas outras frequências.
Um objecto transparente, do qual pelo menos uma zona da superfície é translúcida ou absorve luz, considera-se, para os fins de interpretação da memória descritiva, das reivindicações e do resumo, como sendo um objecto translúcido, visto que se verificaria uma certa dispersão ou absorção nesse objecto, pelo menos na sua zona da superfície, e isso permitiria a aplicação dos processos e dos aparelhos da presente invenção. Um exemplo de um tal objecto seria uma bola de plástico, na quaL o interior - ar - seria transparente à luz visível, enquanto que na zona da superfície - plástico - seria translúcido para a luz visível. Um outro exemplo seria uma folha de vidro, com imperfeições, tais como riscos, empenos ou manchas, na sua superfície. Tais imperfeições dispersariam e/ou absorveriam alguma da luz transmitida através do vidro. Isso permitiria qpe fossem classificados e apartados de acordo com os ensinamentos da presente invenção.
Portanto, em geral, será compreendido para as pessoas com um conhecimento razoável da técnica à qual pertence a presente invenção, que podem classificar-se e apartar-se muitos tipos de objectos, de acordo com os ensinamentos 16 da presente invenção. Para os nossos fins, todos esses objectos se devem considerar incluídos no termo “translúcido” e são defmidos pelo mesmo. A referência aqui a esses objectos deve portanto entender-se como incluindo qualquer objecto que cai dentro das definições anteriores, incluindo, mas não se limitando a eles, os frutos citrinos. Analogamente, a referência a um fruto ou um fruto citrino aqui feita pode entender-se como referindo-se a qualquer objecto que possa ser classificado e apartado de acordo com o processo e o aparelho da presente invenção.
Por “zona da superfície” de um objecto, entende-se uma zona do objecto na sua periferia exterior, que pode ter uma espessura apreciável, por exemplo a casca de um fruto citrino, e incluindo também a superfície exterior de um objecto. Assim “superfície” e “zona da superfície” são essencialmente sinónimos. Na verdade, se um defeito do fruto existe simplesmente na superfície exterior ou “no interior” da superfície pode ter uma diferença prática reduzida no valor comercial do fruto, se a evidência do mesmo pode detectar-se visualmente na superfície exteripr.
Os termos “bolhas”, “vinco”, “podridão clara”, “podridão azeda”, “superfície granulada” e outras características topográficas e características relacionadas com a integridade da casca, aqui usadas, são bem conhecidas na indústria dos citrinos, sendo dadas apenas como exemplos de características que podem ser detectadas e com base nas quais o fruto (ou outro objecto) pode ser classificado de acordo com a presente invenção.
As características de superfície topográficas de um objecto, em particular.de um objecto esférico, por exemplo um fruto citrino com uma casca, são exploradas por varrimento e avaliadas, para permitir o apartamento ou divisão classificada dos 17 objectos, de acordo com as suas características de superfície. No caso dos frutos citrinos, a irregularidade ou a granularidade, as bolhas e vincos, as cristãs e vales, os cortes, as perfurações, os arranhões e fendas, a podridão clara ou a podridão azeda da casca são. identificados opticamente através da análise digital dos elementos de imagem explorados por varrimento e classificados de acordo com a qualidade da zona da superfície.
Os objectos são classificados, segmentando a sua imagem explorada por varrimento, na imagem do fundo e na imagem do próprio objecto. A imagem do fundo é depois retirada. Faz-se depois a avaliação estatística da imagem do objecto como um todo, incluindo os dois hemisférios do objecto, para determinar se há alguma variação da característica da superfície que possa qualificar-se como um defeito ou é uma base apropriada sobre a qual pode fazer-se um julgamento de classificação. Se sim, sujeita-se então a imagem do objecto a uma filtragem passa--alto ou passa-baixo e definem-se limiares das intensidades dos elementos de imagem p.ara deduzir uma imagem afinada. Tabula-se, ou organiza-se em vizinhanças contíguas, transições agudas ou transições graduais a imagem refinada, para identificar áreas específicas, como manchas, que quando comparadas com uma área mínima, um requisito de forma e/ou uma largura, seleccionados podem ser idendificadas como uma das imperfeições da superfície atrás descritas. A fig. 1 é um esquema de blocos de um aparelho de classificação e apartamento, que incorpora o computador da textura e a metodologia da invenção. O aparelho de classificação e apartamento, aqui por vezes referido como o “sistema" e designado genericamente pelo número (10), inclui uma linha transportadora convencional (12), na qual é transportada uma pluralidade de objectos (14). Como 18 18
atrás se notou, os objectos (14) da forma de realização ilustrada podem ser frutos, mais particularmente frutos citrinos, ou qualquer outro tipo de objectos translúcidos ou transparentes. Qualquer desses objectos, em particular qualquer desses objectos esféricos que tenham uma estrutura topográfica da superfície, podem ser processados de maneira equivalente pelo sistema (10). O transportador (12). transporta frutos (.14) para um alojamento óptico (16), onde o fruto é iluminado, numa estação de inspecção (18), no interior do alojamento (16). O transportador (12) transporta e orienta o fruto para controlar a apresentação do fruto para a colheita de imagens. O transportador é concebido para proporcionar um. exposição óptica máxima do fruto (14) na estação de inspecção (18). O sistema transportador (12), na forma de realização ilustrada, inclui rolos, para rodar o fruto (14). Na forma de realização ilustrada, o fruto (1.4). é rodado no sentido retrógrado enquanto se move através da estação de imagem (18), a fim de compensar, pelo menos parcialmente, o seu movimento para a frente no transportador (12). Por outras palavras, o fruto é rodado de modo que a mesma superfície tende a ficar voltada para a câmara (30) durante um tempo prolongado de exposição, para permitir a formação completa e fiável da imagem. Como é evidente, pode prever-se uma sincronização temporal, bem conhecida na técnica. O alojamento óptico (16) está talvez melhor ilustrado na vista esquemática, em corte transversal, da fig. 2a, que mostra o fruto (14), transportado pelo transportador (12) no interior do alojamento (16), para a estação (18), sendo o fruto (14) iluminado por duas fontes luminosas de elevada intensidade (22, 24). As fontes luminosas (22) e (24) estão focadas sobre o fruto (14), de baixo para cima, podendo além disso ser providas de meios ópticos convencionais para auxiliar a iluminação óptima da superfície do fruto (14).
Em alternati va, as fontes luminosas ópticas de grande intensidade (22) e (24) podem ser substituídas por duas ou mais fibras ópticas, podendo cada uma delas iluminar o fruto (14) ou ser colocada segundo um ângulo inclinado menor, para se projectar para cima, para iluminar a menor porção possível da superfície exterior do fruto.
Como outras alternativas, as fontes luminosas (22) e (24) podem ser feixes de raios laser ou fontes luminosas formadas por LED. Além disso, pode utilizar-se uma fonte luminosa única, dividida opticamente em duas fontes ópticas (22) e (24), ou mais. Em qualquer dos casos, deve compreender-se que estas fontes ópticas (22) e (24), ou uma fonte óptica única proporcionam luz incidente, que será dispersa no interior do fruto para provocar o seu brilho. E, como atrás se sugeriu, a frequência ou espectro de frequências da luz são escolhidos com base nas propriedades ópticas do objecto a inspeccionar, para produzir a dispersão desejada no interior do objecto e a projecção resultante desse brilho através da sua superfície. Com os frutos citrinos, é suficiente o espectro visível usual.
Para certas aplicações, pode ser desejável usar um comprimento de onda especifico ou um espectro específico de luz incidente, de modo que um efeito óptico específico possa acentuar o tipo particular de defeito nesse tipo de objectq a monitorar. Deixa-se à habilidade razoável do prático, posto em face de um tipo particular de objecto e de defeito, determinar a frequência ou espectro de frequências correctos para a luz incidente. A estação de inspecção (18) pode, apropriadamente, ser dotada de deflectores, como for desejado, quer para proporcionar superfícies reflectoras 20 planas, para evitar imagens espúrias, quer para incluir superfícies reflectoras, se se desejar aumentar a intensidade luminosa incidente no fruto. Em. qualquer caso, na forma de realização ilustrada na fig. 2a, o brilho proveniente da luz dispersada no interior do fruto (14) e projectado através da sua casca é reflectido pelos espelhos inferiores (26a, b), e destes para os espelhos superiores (28a, b). Como ainda mostra a fig, 2a, uma matriz de CCD, ou câmara de exploração por varrimento (30), tem a sua óphca (32) focada sobre os espelhos (28a, b), para captar, numa imagem de computador única, virtualmente toda a superfície exterior de um hemisfério do fruto (14), como se ilustra nas fig. 3a-10a.
Como se mostra na fig, 2b,. há na realidade duas câmaras (30a, b), cada uma das quais capta uma imagem de um de dois hemisférios. Por exemplo, a primeira imagem hemisférica do fruto (14), como se vê na fig, 2b, é reflectida pelo espelho inferior da direita (27a), para o espelho superior da esquerda (29a) e deste para a primeira câmara (30a). A imagem desse primeiro hemisfério é também reflectida pelo espelho inferior da esquerda (27b), para o espelho superior da direita (29b), na primeira câmara (30a).
Depois, após o fruto (14) ter prosseguido para baixo, no transportador, e ter sofrido uma rotação sincronizada, para expor o seu outro hemisfério, a imagem deste segundo hemisfério do fruto (14) é reflectida pelo espelho inferior da direita (27ç), para o espelho superior da esquerda (29c), e do espelho inferior da esquerda (27d), para o espelho superior da direita (29d), sendo as duas imagens resultantes reflectidas para a outra câmara (30b).
Como se mostra na fig, 1, a câmara (30) está Ligada a um computador (34) que funciona no modo de textura. O computador (34) no modo de textura é um 21 21
computador pessoal, ligado quer a um computador principal remoto (36), que controla as funções necessárias do transportador e do sistema de divisão classificada, quer a um computador de entrada/saída (38), que proporciona acessos de entrada e de saída para o sistema (10). A análise da textura do fruto (14) é feita no computador de modo de textura (34). De acordo com as instruções do utilizador, a entrada através do computador de entrada/saída (38) para o computador principal remoto (36), implementará uma operação de divisão classificada, como é ditado pelo computador de modo de textura (34), numa pluralidade de estações de divisão classificada (40), que podem incluir dedos de ejecção, actuados magneticamente, sobre os quais corre o fruto (14), e por meio dos quais o fruto (.14) é ejectado da linha transportadora (12) para recipientes de divisão classificada (42) apropriados, ou para transportadores secundários. Essa ejecção está descrita p.or LaVars et al em “Conveyor Discharge Apparatus and Method", patente US 5 174 428 (1992).
Assim, pode compreender-se, observando a fig. 1, que o sistema de módulos de textura (10) é constituído por très subsistemas, que incluem a iluminação e a óptica, que inclui o alojamento da óptica (16), a formação de imagens proporcionada pelas câmaras (30) e os espelhos (26a, b) e (28a, b), e o processamento de imagens no computador do modo de textura (34). O computador central de entrada/saída (38) e o computador principal remoto (36) são convencionais e são substancialmente iguais aos usados nos aparelhos da técnica anterior para a classificação e divisão classificada. Por esta razão, não se descreverão estas partes do sistema com mais pormenor do que o necessário para proporcionar os fundamentos para auxiliar a descrição do funcionamento do computador (34) do modo de textura. O computador central de entrada/saída (38) 22 proporciona o controlo do sistema, incluindo a provisão de todos os aspectos de interface do utilizador, selecção para a entrada e a saída de vários parâmetros de classificação e para a determinação dos trajectos do transportador no sistema (10), quando forem proporcionadas várias pistas para o transportador (12), num agregado mais complexo que a simples ilustração linear da fig. 1. Q sistema de iluminação utiliza duas lâmpadas de projecção (22) e (24), de trangsténio e halogéneo, situadas de lados opostos do fruto (14) e abaixo do eixo central, do .fruto. A. utilização de qualquer tipo particular de lâmpada ou sistema de iluminação não é obrigatória pelas necessidades de projecto do sistema (10), nem o é o número de lâmpadas. O único requisito é que a ou as lâmpadas emitam luz suficiente, com a frequência própria ou espectro próprio, incidindo no fruto para criar um efeito de brilho ou clarão, transmitido através da casca do fruto (14), que possa ser detectado por uma câmara. Por outras palavras, o fruto proporcionará um efeito de clarão para a câmara, desde que o posicionamento, a intensidade e a frequência/ou espectro da luz seja tal que se faça a penetração da luz na casca ou na pele do fruto (14) e se verifique a dispersão no seu interior, para proporcionar um efeito de clarão através da casca. Não há qualquer filtro especial na câmara e o tempo de exposição é controlado electronicamente. O controlo electrónico do tempo de exposição compensa quaisquer diferenças na intensidade do clarão, devido a diferenças das dimensões do fruto e da espessura da casca. Isso pode ser determinado durante a pane inicial do funcionamento, podendo introduzir-se correcções apropriadas, quer automática quer manualmente, através do controlador de entradasaida (38). O controlo automático pode ser efectuado por utilização de um fotodíodo 23 23
(44), montado em cada câmara (30), para gerar uma frequência de saída, por meio de em gerador de frequências (não representado), que depende da quantidade de iuz detectada por cada fotodíodo. Utilizando-se a frequência de saída proveniente do gerador de frequência controlado por fotodíodos (44), controla-se o tempo de exposição de micropastilha CCD no interior das câmaras (30). Há um grande número de maneiras para iluminar o fruto (14), bem. como maneiras pelas quais pode obter-se uma imagem de computador do fruto (14), quer com a utilização de uma ou mais câmaras e vários sistemas ópticos e. configurações. Não se pretende limitar o escopo da invenção por limitação do sistema óptico, o sistema de iluminação ou o sistema de formação das imagens ilustrados. Pelo contrário, contempla-se expressamente que muitas outras variações e soluções podem ser usadas de maneira equivalente, para obter os resultados exigidos pela invenção. Tudo o que é necessário, na forma de realização preferida, é que se proporcione uma imagem de computador substancialmente completa de cada fruto (14), de modo que a caracterização da textura, como atrás se discutiu, não omita qualqqer porção significativa da superfície do fruto. Na realidade,, para algumas aplicações, pode ser suficiente uma imagem de apenas um hemisfério, utilizando uma única câmara (30) e uma óptica simplificada. O computador de modo de textura (34) realiza o processamento da imagem e transfere a informação para a classificação, para o resto do sistema, para a selecção final, de acordo com os meios conhecidos na técnica. O processo ou algoritmo actual, por meio do qual se realiza na prática o processamento da imagem não é crítico e pode variar largamente, em função da potência e da capacidade do processador usado no computador (34) e o seu sistema de programas de controlo. Na 24 forma de realização ilustrada, o computador do modo de textura (34) utiliza um microprocessador do modelo TMS320C40, fabricado pela Texas Instruments, para proporcionar o processamento da imagem por meio de um algoritmo, gerado utilizando um pacote de desenvolvimento do processamento de imagem geral, vendido sob a marca KB Vision pela Amerinex Artificial Intelligence, Inc. de Maryland.
Tendo sido descritos os equipamentos físicos do sistema (10), consideramos agora, em geral, como a imagem capturada é processada para proporcionar a qualidade da textura topográfica da superfície. Na forma de realização ilustrada, o primeiro passo no processamento é rejeitar a informação inválida, tal como as intensidades da luz reflectida a partir das fontes luminosas (22) e (24) que não constituem o clarão proveniente da luz dispersada no interior do fruto (14) e que emerge através da sua casca. Voltando ao exemplo da fig: 3a, estão ilustradas as porções brilhantes (46) de uma imagem de computador actual, de uma casca de fruto lisa. Na fig, 3a estão representadas duas imagens do fruto (14), que ilustrou essencialmente as vistas dos dois hemisfério do fruto. Assim, as zonas (46) da imagem gráfica, devido aos seus níveis de intensidade, distintamente mais elevadps, podem ser eliminadas como porções da informação gráfica que não contêm qualquer informação respeitante à estrutura topográfica da superfície. A seguir, efectua-se uma exploração por varrimento completa, para proporcionar os desvios máximo, mínimo e padrão da intensidade do padrão total de elementos de imagem que constitui a imagem, para proporcionar uma indicação de se há variações de intensidade na imagem que possam constituir defeitos da superfície que exigem um exame posterior, tais como bolhas e vincos, cortes. 25 25
perfurações ou putrefacção.
Uma bolha num fruto citrino é uma área da casca que está ligeiramente desligada da carne subjacente, e portanto ligeiramente inchada ou soprada para fora. Um vinco é o inverso, ou seja uma porção da superfície da pele que foi baixada em comparação com as áreas adjacentes.
Se não for detectado. nenhum, defeito, verifica-se então a imagem gráfica relativamente a dados de frequência elevada que, por exemplo, seriam indicativos de granularidade da superfície do fruto. Os dados derivados do fruto (14) podem depois ser devolvidos para o computador principal remoto (36) para fins de classificação, de acordo com os critérios do utilizador.
Num caso em que a análise estatística global da superfície do fruto indique que há defeitos na casca, pode determinar-se o tipo de defeito, por aplicação de uma séne de filtros dos dados para os identificar. Pode usar-se o filtro de dados passa--alto para a busca de cortes ou de perfurações. Um filtro passa-baixo com análise de manchas, o traçado e a relação de aspecto de áreas de maior intensidade é utilizável para identificar as ampolas e os vincos, para os distinguir do apodrecimento. Uma mancha é aqui definida como sendo uma área de pele contígua com uma. textura topográfica da textura de uma categoria.
Depois de separados os dados das ampolas e dos vincos, pode utilizar-se uma série de verificações para mostrar intensidades de pico, sobre valores de desvios padrão, para identificar o grau de defeito no interior de uma categoria de defeito, tal como ampolas e vincos. Depois de efectuado todo este processamento, compara-se então a dimensão do fruto,.como um todo, çom a área afectada, para gerar um valor, em percentagem, do defeito da superfície afectada. Outros defeitos, tais como 26 26
podridão ou roturas na pele, podem não ser sujeitos a um cálculo da percentagem, mas constituem uma causa para a rejeição imediata do fruto, independentemente da percentagem da área do fruto afectada.
Como este processamento pode ser efectuado, pode apreciar-se melhor considerando agora as fig. 3a- 10a, em comparação com os seus histogramas da intensidade dos elementos de imagem, tirados em linhas de exploração por amostragem seleccionadas, como se mostra nas fig. 3b-10b correspondentes, respectivamente. Consideremos em primeiro lugar a fig. .3a, na qual está ilustrada uma imagem de computador de uma casca de laranja lisa, que ilustra a imagem dupla a partir da imagem reflectida proporcionada pela câmara. Como atrás se discutiu, eliminam-se as áreas (46) claras, provenientes da fonte de iluminação, por não conterem informação relevante da condição da casca.
Retira-se então informação estatística da totalidade da imagem gráfica, para obter desvios máximos, mínimos e desvios padrões, para caracterizar as variações de intensidade dos elementos da imagem. Neste caso, os desvios estatísticos que seriam repostos indicariam que o fruto era regular e bem dentro dos intervalos aceitáveis. Nessa altura, seria desnecessária qualquer análise estatística ulterior, e a posição do fruto etiquetado no interior do sistema (10) e transportado pelo transportador (12), para ser encaminhado para o receptáculo de apartamento (42) ou para o transportador secundário, ou para análise e classificação de acordo com métodos e cntérios adicionais.
Para os fins de ilustração, traçou-se uma linha de exploração por varrimento (48), através de uma porção das duas imagens hemisféricas, na fig. 3a. A intensidade na linha de exploração por varrimento foi depois ilustrada no histograma da fig. 3b, 27 ff onde ser representa o gráfico da intensidade, na escala vertical, e o posicionamento ao longo da linha de exploração por varrimento na escala horizontal, correspondendo a extremidade (50) à extremidade da esquerda do histograma da fig. 3b e a extremidade (52) da linha de exploração por varrimento (48) à extremidade do histograma da fig. 3b. Um exame visual do histograma da fíg. 3b inicia variações da intensidade dos elementos de imagem, mantidas dentro do intervalo de valores com um desvio razoavelmente limitado de uma média, para proporcionar um padrão muito diferente dos histogramas ilustrados nas fig. 4b-10b, nas quais se ilustram vários defeitos do fruto. Por meio de medições estatísticas convencionais, os histogramas das fig. 3b-10b podem caracterizar-se parâmetros estatísticos significativos e, por meio desses parâmetros, classificar-se em categorias, para identificar com fiabilidade a textura topográfica do fruto (14).
Além disso, embora na fig. 3a esteja traçada uma única linha de exploração por varrimento de uma das imagens hemisféricas do fruto (14), entende-se expressamente que poderiam tomar-se múltiplas linhas de exploração por varrimento. (48), em direcções e posições diferentes, em cada uma das imagens hemisféricas, para obter uma definição estatística média da textura topográfica da superfície do fruto (14). A fig. 4a ilustra uma imagem de computador de um fruto (14) deteriorado por uma decomposição da superfície, conhecida por podridão azeda, que é visível na textura topográfica da superfície. Mais uma vez são eliminadas as áreas (46) de iluminação brilhante da imagem, como sendo irrelevantes. Faz-se a análise estatística global, que indica que há variação suficiente dos elementos de imagem na textura topográfica da superfície, para exigir processamento de dados ulterior 28 relativamente a manchas na pele. Por consequência, toma-se uma linha de exploração por varrimento típica (48),. através de uma das imagens hemisféricas do fruto (14) e desenha-se o histograma de intensidades correspondente, na fíg. 4b, para representar que a intensidade varia do fundo da linha de exploração por varrimento na fíg. 4a (isto é, à esquerda no histograma da fíg. 4b) para o cimo (52) da linha de exploração por varrimento (48) na fíg. 4a (isto é, à direita no histograma da fíg, 4b). A comparação dos histogramas das intensidades dos elementos de imagem das fíg. 3b e 4b mostra imediatamente uma diferença clara e definida na caracteristica dos padrões. Há uma muito maior variação entre os desvios máximos e os mínimos e da média muito maior que na fíg. 3b. Processa-se a imagem para identificar áreas de transições graduais na intensidade dos elementos de imagem. Estabelece-se um limiar pré-determinado, ou automaticamente (com base em medidas estatísticas) ou manualmente pelo operador, através do computador central de entrada'saída (38). Tabela-se o número de elementos de imagem que tèm. uma intensidade acima do limiar pré-determinado, nas vizinhanças imediatas dos limites dos elementos de imagem, com transições graduais. Essas vizinhanças são definidas como manchas. O número de manchas que excedem um parâmetro característico dado,, que é usado para identificar o defeito da superfície é também tabelado. Se este número exceder uma percentagem máxima dada da área da casca, o fruto é etiquetado e encaminhado para a rejeição. O reconhecimento das formas dos padrões dos histogramas pode também ser feito no interior do computador em modo de textura (34), através de técnicas convencionais de ajustamento de curvas. O histograma de podridão azeda é caracterizado por um vinco central grande, que cai de maneira íngreme para o 29 29
planalto dos ombros. Podem tomar-se várias linhas de exploração por varrimento (48) através das duas imagens hemisféricas do fruto (14), se se desejar. O fruto em posição de detecção (18), com um histograma de intensidades dos elementos de imagem desta forma, pode depois ser marcado como manchado por podridão azeda e transportado pelo transportador (12), e apartado de maneira apropriada para um receptáculo de recolha (42), ou para um transportador secundário, sob o controlo do computador principal remoto (36), que actua ao conjunto de parâmetros, em resposta ao computador central entrada/saída (38), ao qual é dada a caracterização do modo da textura, a partir do computador (34) do modo da textura.
Analogamente, a fig. 5a é uma imagem de computador dos dois hemisférios do fruto (14), com um fruto caracterizado por uma mancha de podridão clara na pele. O histograma correspondente, representado na fig.. 5b, é caracterizado por um pico grande, que cai a pique para uma intensidade média dos elementos de imagem, algures na linha de exploração por varrimento fora da mancha de podridão clara. Mais uma vez, esta imagem é diferente das fig. 3b e 4b e pode ser reconhecida por um reconhecimento de padrões convencional, sendo o fruto marcado e apartado de acordo com o sistema (10). O processamento da imagem para a podridão clara é semelhante ao descrito atrás para a podridão azeda. A fig. 6a é uma imagem de computador do fruto (14) que tem uma porosidade elevada ou uma superfície granulada o que, em certos mercados, os consumidores consideram menos que perfeita. O histograma correspondente está representado na fig.. 6b, que ilustra uma variação dispersa de intensidades elevadas dos elementos de imagem, donde resulta uma floresta de arranha-céus de pequena largura, separados por vales profundos. O histograma da fig,. 6b é diferente d.os 30 padrões das fig. 3b-5b e, por meio de reconhecimento estatístico de padrões, pode ser identificado, e o fruto (14) apropnadamente classificado e apartado, no sistema (10). Em particular, a imagem explorada por varrimento é filtrada para deixar passar os dados de frequência elevada, utilizando um filtro passa-alto dos dados. Estabelece-se um limiar de intensidade dos elementos de imagem da referida imagem filtrada e tabela-se o número de elementos de imagem que têm uma intensidade superior a esse limiar, para avaliar a porosidade da casca. A fig. 7a mostra uma imagem de computador do fruto (14), cuja superfície é caracterizada pela mancha superficial conhecida por bolhas suaves, e vincos, ou é caracterizada por colinas e vales, na topografia da casca. O histograma correspondente está representado na fig. 7b como se vê ao longo da linha de exploração por varrimento típica (48) da fig, 7a. A forma do histograma é diferente das fig. 3b-6b, sendo caracterizada por uma pluralidade de picos elevados, alguns com larguras médias, separados por vales com profundidades médias. Mais uma vez, o histograma da fig. 7b pode ser reconhecido estatisticamente e no padrão para permitir a etiquetagem do fruto (14). com o defeito de bolhas suaves e vincos e para desse modo permitir a sua separação selectiva para um recipiente de recolha apropriado (42) ou para um transportador secundário do sistema (10). Em particular, a imagem é filtrada relativamente aos dados de baixa frequência, utilizando um filtro passa-baixo para os dados, ou qualquer algoritmo de processamento de dados que regulariza ou suaviza as intensidades dos dados dos elementos de imagem. Estabelece-se um limiar de intensidade para a imagem filtrada, e tabela-se o número de elementos de imagem com uma intensidade superior ao limiar, para identificar as colinas, e os-vales-na, casca-
A fig. 8a mostra uma imagem gráfica dos dois hemisférios de um fruto (14), cuja pele está manchada por um defeito conhecido por cristã e vale. Trata-se de vales e cristãs longitudinais formadas no exterior da casca durante o crescimento. O histograma correspondente está representado na fig. 8b e mais uma vez é um padrão diferente dos histogramas das fig. 3b-7b, caracterizado por picos largos e altos, com vales profundos entre si, correspondentes às cristãs e aos vales formados na casca do fruto. O fruto é correspondentemente classificado de acordo com o reconhecimento estatístico e do padrão, e apartado pelo sistema (LO). Em particular, a imagem é explorada por varrimento, de maneira selectiva, para detectar transições da intensidade dos elementos de imagem. Estabelece-se um limiar de intensidade dos elementos de imagem. Tabela-se o número de elementos de imagem com uma intensidade superior ao limiar estabelecido nas vizinhanças imediatas dos limites do elemento de imagem correspondentes às transições agudas. As vizinhanças são definidas como manchas. Tabela-se o número de manchas que exceda um parâmetro característico pré-determinado, usado para identificar as cunhas elevadas e cavadas na casca. Mais uma vez, como em todos os casos das fig. 3a- 10a, determina-se um número absoluto de manchas ou a percentagem da área total da casca, para proporcionar um critério pelo qual o fruto é aceite, rejeitado ou processado de outro modo. A fig. 9a mostra imagens do fruto (14), para uma peça de fruta que apresenta “fracturas”, genericamente definidas por incluir fendas, cortes, perfurações e arranhões. O histograma correspondente está representado na fig. 9b e é caracterizado por picos muito grandes e largos, com vales profundos e largos. O histograma é, visual, estatisticamente e no padrão, diferente dos histogramas representados nas fig. 3b-8a e permite classificar e apartar o fruto (14) de maneira apropriada no sistema (10). Em particular, a imagem é explorada por varrimento relativamente à intensidade de elementos variáveis, com transições agudas. Proporciona-se um limiar pré-determinado. O número de elementos de imagem com uma intensidade superior ao limiar pré-determinado na vizinhança imediata dos limites dos elementos de imagem é tabelado. As vizinhanças são definidas como manchas. O número de manchas que excede uma área pré-determinada e uma largura pré-determinada é tabelado para identificar fracturas na referida casca. A fig. 10a é uma imagem de computador dos dois hemisférios de um fruto (14), caracterizado por ter defeito de podridão clara e vincos na casca. O histograma correspondente está representado na fig. 10b e proporciona um padrão diferente, de múltiplos picos elevados, com uma largura média, com vértices estreitos, separados por vales profundos, o que é uma imagem estatística e um padrão diferente dos representados nas fig.. 3b-9b. Por conseguinte, o fruto (14), com podridão clara e vincos pode ser classificado selectivamente e apartado no sistema (10). O processamento da imagem é substancialmente o mesmo que se realizou com a podridão ligeira e os vincos atrás descrito.
Tendo sido descritos os equipamentos do sistema (10) e o processamento dos dados de imagem, consideramos agora a arquitectura do sistema global de programas por meio do qual se consegue o processamento. O funcionamento do sistema (10) e, em particular, o controlo pelo sistema de programas do computador do modo de textura (34) é ilustrado pelo diagrama da arquitectura do sistema de programas da fig. 11. A organização do sistema de programas da fig. 1 1 mostra os módulos principais usados pelo computador do modo de textura (34) para executar 33 :7c as operações atrás descritas.
Um núcleo em tempo real (54) proporciona o sistema operativo da forma de realização ilustrada. Um módulo da textura principal (56) executa tarefas de inicial ízação, gere os vários recursos ligados ao computador do modo de textura (34), trata interrupções de eventos que exigem um processamento especial, gera ou atribui tarefas do sistema que têm de ser executadas e atribui prioridades entre pedidos de programas em competição, dentro do computador do modo de textura (34). O módulo principal de textura (56) comunica em paralelo com a pluralidade de módulos ou recursos. Por exemplo, o módulo (56) comunica, através do módulo de portas de comunicação em paralelo (58), para comunicações de controlo e de dados, com um computador principal remoto (36). A comunicação com o computador central de entrada/saída (38) é tratada através de um módulo (60) de rede de área local. O movimento e a sincronização do transportador (12) são encaminliados através de um módulo (62) de sincronização da correta, que está também em comunicação com o computador principal remoto (36), para receber informação respeitante à velocidade e á posição do transportador. A câmara (30) comunica com o computador do modo de textura (34), num protocolo de detecção de imagens gráficas eficiente, sob o comando do módulo (64), que é usado para iniciar e monitorar a operação do cartão de detecção de fotogramas de vídeo que, na forma de realização ilustrada, é um cartão de vídeo SPECTRUM, fabricado pela Spectrum Signal Processing, Inc, de Bntish Columbia, Canadá.
Os dados gráficos processados são lidos, a partir do cartão de vídeo, pelo módulo (66) e armazenados, para fins de arquivo de dados num disco rígido, sob o 34 comando do módulo (68) de tratamento dos dados. Os dados de imagens processados, tais como os representados nas fig. 3 a- 10a, são transferidos para o computador central de entrada/saida (38), para informação do utilizador, por meio de um módulo (70). de transferência da rede de área local. Isso permite ao operador ver as mesmas imagens processadas que estão a ser vistas pelo módulo (56) de textura, no sistema (1Q), enquanto o sistema está em funcionamento.
Tarefas do sistema de programas de gestão adicionais são tratadas por uma preparação do módulo (72), que prepara e faz a monitoração da comunicação com computadores (36) e (38) e outros sistemas com os quais o sistema (10) pode ser combinado. Por exemplo, a.definição da qualidade e o apartamento do sistema (10) podem ser combinados com um sistema para avaliar a qualidade da cor e manchas do fruto citrino, como se descreve na patente US 5 164 795, comunicação com a qual se prepara o avaliador da cor e das manchas, por meio do módulo de utilidade (72). O módulo (74) proporciona a inicialização do cartão de vídeo e a confirmação da sua operacionalidade. O módulo de utilidade (76), analogamente, prepara e estabelece o controlo e. a operação da rede de área local.
Deve ficar bem entendido que o sistema de programas e a sua organização podem variar amplamente, continuando no entanto a executar as mesmas funções essenciais de colheita de dados gráficos, processar os dados para caracterizar a categoria ou natureza da textura topográfica da superfície e proporcionar a caracterização a um computador central (38) e a um computador principal remoto (36) para a decisão apropriada e o encaminhamento de acordo com a escolha do utilizador.
Lisboa, 12 de Janeiro de 2000 ^OAaente Oficld da Propriedade Industrial
JOSÉ DE SAMPAIO
1250 LISBOA
Claims (7)
1 1
Reivindicações 1. Processo para a classificação de um objecto translúcido (1.4), de acordo com pelo menos uma característica de superfície seleccionada, do objecto (14), que compreende os passos de: iluminar o objecto (14); detectar a luz transmitida através da superfície do objecto (14); converter a luz detectada em dados; analisar esses dados para determinar a existência da característica seleccionada da superfície; e classificar o objecto (14), na base dessa determinação, caracterizado por o passo de iluminação do objecto se dispor de modo a que a luz se disperse por todo o objecto, e por o passo de detecção se dispor para detectar a intensidade da luz assim dispersa, transmitida a partir de diferentes áreas definidas da superfície do objecto.
2. Processo de acordo com a reivindicação l, caracterizado por o referido passo de análise compreender o passo de efectuar o reconhecimento do padrão das características da superfície do objecto (14).
3. Processo de acordo com a reivindicação 1, caracterizado por, antes do referido passo de execução do reconhecimento do padrão, se executar um outro passo de remoção de dados não originados a partir da luz transmitida a partir do interior do objecto (14), através da sua superfície.
4. Processo de acordo com as reivindicações 1 ou 3, caracterizado por o referido passo de análise dos dados compreender a dedução de uma medida estatística dos dados, para determinar se existe variação suficiente de luz para
indicar a presença da característica da superfície.
5. Processo de acordo com a reivindicação 4, caracterizado por o referido passo de conversão de dados compreender o passo de filtração de frequências dos dados,, relativamente a um determinado ponto de corte das frequências seleccionado.
6. Processo de acordo com a reivindicação 5, caracterizado por o referido passo de filtração de frequências compreender a passagem de apenas, ou os componentes dos dados de frequências elevadas, ou apenas ou componentes dos dados de baixas frequências.
7. Processo de acordo com a reivindicação 1, caracterizado por o passo de detecção compreender além disso o passo de formar opticamente uma imagem da luz dispersa transmitida do objecto (14) e o passo de explorar por varrimento a imagem assim formada, ao longo de pelo menos uma linha escolhida que atravessa a imagem.
8. Processo de acordo com a reivindicação 7, caracterizado por o referido objecto (14) ser genericamente esférico e o passo de formação óptica de uma imagem compreender a formação de uma imagem substancialmente, dos dois hemisférios do referido objecto (14).
9. Processo de acordo com a reivindicação 7, caracterizado por o referido passo de formar opticamente uma imagem compreender a reflexão óptica de uma imagem da. luz dispersa transmitida do objecto (14) para o interior de uma câmara que aponta para o lado oposto ao do objecto (14). LO. Processo de acordo com qualquer das reivindicações anteriores, caracterizado por se considerar uma pluralidade de características da superfície, e o 3 referido passo de análise compreender a determinação de se algumas dessas características de superfície existe no objecto (14).
11. Processo de acordo com qualquer das reivindicações anteriores, caracterizado por o objecto (14) ser um fruto citrino com uma casca e no qual o referido passo de análise compreende a determinação de pelo menos uma das características: extensão de porosidade da casca do ffuto citrino, extensão das bolhas e vincos na casca do fruto citrino, a extensão de cristãs e vales na casca do fruto citrino, a extensão das. fracturas na. casca do fruto citrino e a extensão da decomposição da superfície na casca do fruto citrino.
12. Processo de acordo com a reivindicação 7, caracterizado. por o referido passo de detecção compreender o passo de exploração por varrimento da imagem, numa matriz bidimensional, para proporcionar uma imagem gráfica bidimensional de pelo menos uma porção da superfície do objecto.
13. Processo de acordo com qualquer das reivindicações anteriores, caracterizado por o passo de iluminação compreender a iluminação do objecto com luz visível, com luz exterior, ao espectro visível ou com luz do infravermelho próximo. 1.4. Processo, de acordo com a reivindicação 11, caracterizado por o referido passo de análise compreender: separar a imagem numa imagem do fundo e uma imagem do objecto, e remover a imagem de fundo, para deixar ficar uma imagem do objecto.
15. Processo de acordo com a reivindicação 16, caracterizado por o referido passo de analisar compreender ainda: explorar por varrimento a imagem do objecto, filtrar a imagem obtida por exploração por varrimento, relativamente a dados, quer de altas, quer de baixas frequências, utilizando filtros passa-alto ou passa-baixo dos dados, estabelecer um limiar da intensidade dos elementos de imagem filtrada; e tabelar um número de elementos de imagem com intensidade superior ao limiar.
16. Processo de acordo com a reivindicação 14, caracterizado por o referido passo de análise compreender ainda: a. exploração por varrimento, selectivamente, da imagem do objecto para detectar transições agudas na intensidade dos elementos de imagem; estabelecimento de. um limiar da intensidade dos elementos de imagem, tabelamento do número de elementos de imagem com uma intensidade superior ao limiar, na vizinhança imediata dos limites dos elementos de imagem, correspondentes a transições bruscas, sendo as referidas vizinhanças definidas como mancbas; e tabelamento do número de manchas que excede um parâmetro característico pré-determinado, de modo que são identificadas cunhas elevadas e cavas, da casca.
17. Processo de acordo com a reivindicação 16, caracterizado por o parâmetro característico compreender uma área mínima das bolhas, seleccionada, o referido passo de tabelamento do número de manchas compreender, ou o tabelamento do número de manchas que excedem a área mínima seleccionada, ou o tabelamento do número de manchas que satisfazem à definição da forma seleccionada.
18. Processo de acordo com a reivindicação 11, caracterizado por o referido passo de análise compreender ainda: a exploração por varrimento da imagem do objecto,. relativamente a transições, agudas ou graduais, na intensidade dos elementos de imagem; estabelecimento de um limiar seleccionado de intensidade dos elementos de imagem do objecto; o tabelamento do número de elementos de imagem que têm uma intensidade maior que o limiar seleccionado, nas vizinhanças imediatas dos limites dos elementos de imagem com transições agudas ou graduais, tais como as vizinhanças que são definidas como manchas; e tabelamento do número de tais manchas que excedem um parâmetro característico dado.
19. Aparelho para a determinação da existência de pelo menos uma característica da superfície seleccionada, num objecto translúcido (14), que compreende: meios (22,24) para iluminar o objecto (14); meios (30) para detectar a luz transmitida através da superfície do objecto, meios para converter essa luz detectada em dados; e meios (34) para analisar esses dados, para determinar a existência da característica seleccionada da superfície, caractenzado por os meios (22, 24) para iluminar o objecto (14) serem tais que fazem com que a luz seja dispersada através de todo o objecto (14) e por os meios detectores (30) se disporem para detectar a intensidade da luz dispersa, assim transmitida de diferentes áreas definidas da superfície do objecto (14).
20. Aparelho de acordo com a reivindicação 19, caracterizado por os 13 6 referidos meios de detecção (30) compreenderem meios para criar uma imagem da luz dispersada transmitida e incluindo meios de exploração óptica por varrimento, para a exploração por varrimento da referida imagem.
21. Aparelho de acordo com a reivindicação 20, caracterizado por os referidos meios de detecção (30) compreenderem meios de exploração por varrimento ópticos, para a exploração por varrimento dessa imagem, estando os meios ópticos de exploração por varrimento (30) adaptados para explorar por varrimento porções diferentes dessa imagem.
22. Aparelho de acordo com a reivindicação 21, caracterizado por o objecto (14) ser substancialmente esférico e cada um dos meios de exploração por varrimento ópticos estar adaptado para explorar por varrimento uma imagem que corresponde substancialmente a um hemisfério do objecto.
23. Aparelho de acordo com qualquer das reivindicações 20 a 22, caracterizado por meios que são sensíveis à saída dos referidos meios de. exploração por varrimento (30), para converter a sua saída em dados que representam a intensidade relativa da luz no interior de uma pluralidade de áreas da imagem.
24. Aparelho de acordo com qualquer das reivindicações 19 a 23, caracterizado por os referido meios de análise dos dados (34) compreenderem meios para comparar essas intensidades de luz relativas com pelo menos um padrão de critérios seleccionados.
25. Aparelho para a determinação da presença de uma característica de superfície seleccionada num objecto translúcido (14), que compreende: pelo menos uma fonte luminosa (22, 24), dirigida para sobre o objecto; meios detectores (30), para converter a luz transmitida através da superfície
7 do objecto num sinal digital; e meios de avaliação (34), para determinar se essa característica está presente, caractenzado por a referida fonte luminosa (22, 24) estar disposta para fazer com. que a luz se disperse através do interior do objecto (14) e por os referidos meios sensores (30) detectarem a luz emergente de áreas definidas diferente na superfície do referido objecto, para permitir que os meios de avaliação avaliem o padrão de luz detectado. Lisboa, 12 de Janeiro de 2000
A.O.P.L / Rua de SaScíre, 19a, r/c-Drt. 1250 LISBOA 1 Resumo “Processo e aparelho para detectar as características da superfície de objectos translúcidos” As características topográficas da superfície de um objecto translúcido, por exemplo um fruto citrino com uma casca, são exploradas por varrimento e avaliadas, para permitir a sua classificação, de acordo com as suas características de superfície. No caso do fruto citrino, identificam-se opticamente a aspereza ou granularidade, bolhas e vincos, cristãs e vales, cortes, perfurações, arranhões e fendas, podridão clara ou azeda da casca, por meio de uma análise digital da exploração de elementos de imagem, e classificados com base na qualidade da superfície da casca. O objecto é classificado por separação da imagem explorada do fruto da imagem de fundo e removendo a imagem de fundo. Faz-se a avaliação estatística do objecto, como um todo, incluindo os dois hemisférios do objecto, para determinar se há qualquer variação das características da superfície que possa ser qualificada como defeito, ou ser uma base apropriada na qual possa fazer-se um juizo de classificação. Se houver, sujei.ta-se a imagem do objecto a uma filtragem de passagem de frequências altas ou baixas e definindo limiares de intensidades dos elementos de imagem, para obter uma imagem afinada. A imagem afinada é depois reduzida a tabelas ou organizada em vizinhanças contíguas a transições vivas ou transições graduais, para identificar áreas específicas, definidas como manchas que, quando comparadas com uma dada área mínima, podem ser identificados requisitos de forma e/ou de largura como uma das imperfeições da superfície procuradas. Figura 1
Lisboa, 2 de Janeiro de 2000 tf© Oficiai da Propriedade industria? JOSÉ BESAMj A.O.F.L/ Bua do Salitre, 195, r/c-BM. 1250:
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/334,165 US5845002A (en) | 1994-11-03 | 1994-11-03 | Method and apparatus for detecting surface features of translucent objects |
Publications (1)
Publication Number | Publication Date |
---|---|
PT738186E true PT738186E (pt) | 2000-04-28 |
Family
ID=23305894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PT95932422T PT738186E (pt) | 1994-11-03 | 1995-09-06 | Processo e aparelho para detectar as caracteristicas da superficie de objectos translucidos |
Country Status (15)
Country | Link |
---|---|
US (1) | US5845002A (pt) |
EP (1) | EP0738186B1 (pt) |
JP (1) | JP3657991B2 (pt) |
KR (1) | KR100374909B1 (pt) |
CN (1) | CN1058644C (pt) |
AT (1) | ATE186661T1 (pt) |
AU (1) | AU699165B2 (pt) |
BR (1) | BR9505063A (pt) |
CA (1) | CA2180361C (pt) |
DE (1) | DE69513381T2 (pt) |
ES (1) | ES2138235T3 (pt) |
GR (1) | GR3032417T3 (pt) |
NZ (1) | NZ293112A (pt) |
PT (1) | PT738186E (pt) |
WO (1) | WO1996014169A1 (pt) |
Families Citing this family (89)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2754058B1 (fr) * | 1996-10-02 | 1998-12-18 | Etat Francais Laboratoire Cent | Procede de detection de defauts de surface sur une surface texturee |
EP0880023A1 (de) * | 1997-05-23 | 1998-11-25 | Siemag Transplan Gmbh | Verfahren und Vorrichtung zur automatischen Detektion von Oberflächenfehlern beim kontinuierlichen mechanischem Abtragen von Material von Stranggiessprodukten |
US7212654B2 (en) * | 1997-06-20 | 2007-05-01 | Dawn Foods, Inc. | Measurement of fruit particles |
US6013915A (en) * | 1998-02-10 | 2000-01-11 | Philip Morris Incorporated | Process control by transient thermography |
US6600829B1 (en) * | 1998-02-20 | 2003-07-29 | Sunkist Growers Inc. | Computer process for controlling a system for sorting objects by surface characteristics |
US6137581A (en) | 1998-05-15 | 2000-10-24 | Mitsui Mining & Smelting Co., Ltd. | Measurement apparatus for measuring internal quality of object |
US7035428B1 (en) * | 1999-04-23 | 2006-04-25 | The Escher Group, Ltd. | Workpiece authentication based upon one or more workpiece images |
US20010048765A1 (en) * | 2000-02-29 | 2001-12-06 | Steven Yi | Color characterization for inspection of a product having nonuniform color characteristics |
AUPQ607100A0 (en) * | 2000-03-07 | 2000-03-30 | Colour Vision Systems Pty Ltd | Spectral assessment of fruit |
US6512577B1 (en) * | 2000-03-13 | 2003-01-28 | Richard M. Ozanich | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
WO2001079814A1 (fr) * | 2000-04-13 | 2001-10-25 | Mitsui Mining & Smelting Co.,Ltd. | Dispositif destine a evaluer la qualite interieure de legumes ou de fruits, procede de mise en temperature au moyen du dispositif, et procede de mesure de la qualite interieure |
US7151606B2 (en) * | 2001-07-09 | 2006-12-19 | Mitsui Mining & Smelting Co., Ltd. | Method for evaluation of vegetables and fruits and evaluation apparatus therefor |
US6391354B1 (en) * | 2001-08-23 | 2002-05-21 | Anzai Universal Laboratory Co., Ltd. | Apparatus and method for selecting and separating out sprouted kernel |
EP1436646A4 (en) * | 2001-09-13 | 2006-09-13 | Anzpac Systems Ltd | METHOD AND DEVICE FOR ARTICLE TESTING |
CA2459558A1 (en) * | 2001-09-17 | 2003-03-27 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of Agriculture And Agri-Food | Method for identifying and quantifying characteristics of seeds and other small objects |
US6532064B1 (en) | 2001-10-16 | 2003-03-11 | Baader-Canpolar Inc. | Automatic inspection apparatus and method for simultaneous detection of anomalies in a 3-dimensional translucent object |
US6727452B2 (en) * | 2002-01-03 | 2004-04-27 | Fmc Technologies, Inc. | System and method for removing defects from citrus pulp |
FI115558B (fi) * | 2002-03-27 | 2005-05-31 | Metso Automation Oy | Menetelmä havainnointialueen mittakaavan määrittämiseksi |
CA2390056A1 (en) * | 2002-06-07 | 2003-12-07 | Du Pont Canada Inc. | Method and system for managing commodity information in a supply chain of production |
JP3923011B2 (ja) * | 2002-12-24 | 2007-05-30 | 株式会社クボタ | 果菜類の品質評価装置 |
US20040183900A1 (en) * | 2003-03-20 | 2004-09-23 | Everest Vit | Method and system for automatically detecting defects in remote video inspection applications |
US7406183B2 (en) * | 2003-04-28 | 2008-07-29 | International Business Machines Corporation | System and method of sorting document images based on image quality |
US20050004824A1 (en) * | 2003-05-09 | 2005-01-06 | Sunkist Growers Inc. | System and method for concurrent recording, using and recovering a multi-referenced data in a real-time control system for a plant product sorting system |
KR20070026501A (ko) * | 2004-05-10 | 2007-03-08 | 히로무 마에다 | 온라인 내부품질 검사방법과 장치 |
US8121392B2 (en) | 2004-10-25 | 2012-02-21 | Parata Systems, Llc | Embedded imaging and control system |
GB2420403A (en) * | 2004-11-23 | 2006-05-24 | Danisco | Analysing a food sample by the use of light scattering |
CN100429501C (zh) * | 2004-12-14 | 2008-10-29 | 中国农业大学 | 一种快速无损检测鸭梨黑心病的方法 |
CN100429502C (zh) * | 2004-12-14 | 2008-10-29 | 中国农业大学 | 一种快速无损检测苹果内部质量的方法 |
US7721746B2 (en) * | 2005-08-25 | 2010-05-25 | North Pole Limited | Moisture diversion system for a collapsible structure |
NL1031823C2 (nl) * | 2006-05-16 | 2007-11-20 | Staalkat Internat B V | Detectie van open breuken in eieren. |
KR101396146B1 (ko) * | 2006-10-05 | 2014-05-19 | 코닌클리케 필립스 엔.브이. | 샘플의 표면을 관찰하기 위한 장치 및 방법 |
US8068104B2 (en) * | 2007-06-29 | 2011-11-29 | Carlyle Rampersad | Totally integrated intelligent dynamic systems display |
JP4906609B2 (ja) * | 2007-06-29 | 2012-03-28 | キヤノン株式会社 | 撮像装置および方法 |
US8107060B2 (en) * | 2007-10-05 | 2012-01-31 | Embrex, Inc. | Methods and apparatus for candling eggs via embryo heartbeat detection |
US20090274811A1 (en) * | 2008-05-01 | 2009-11-05 | Brock Lundberg | Defect separation from dry pulp |
CN101279321B (zh) * | 2008-05-14 | 2012-10-10 | 合肥泰禾光电科技股份有限公司 | 颗粒物料光学色选机 |
EP2373957B1 (en) * | 2009-01-06 | 2020-04-01 | Siemens Healthcare Diagnostics Inc. | Methods for determining a liquid level in a container using imaging |
US9541505B2 (en) | 2009-02-17 | 2017-01-10 | The Boeing Company | Automated postflight troubleshooting sensor array |
US9418496B2 (en) * | 2009-02-17 | 2016-08-16 | The Boeing Company | Automated postflight troubleshooting |
US8812154B2 (en) * | 2009-03-16 | 2014-08-19 | The Boeing Company | Autonomous inspection and maintenance |
US9046892B2 (en) * | 2009-06-05 | 2015-06-02 | The Boeing Company | Supervision and control of heterogeneous autonomous operations |
JP5449997B2 (ja) * | 2009-11-09 | 2014-03-19 | 株式会社マルハニチロ水産 | 魚卵熟度判定装置及び魚卵熟度判定方法 |
AT509382B1 (de) * | 2010-01-18 | 2011-12-15 | Wollsdorf Leder Schmidt & Co Gmbh | Prüfeinrichtung zur bestimmung der qualität von leder |
US8773289B2 (en) | 2010-03-24 | 2014-07-08 | The Boeing Company | Runway condition monitoring |
DE102010030908B4 (de) * | 2010-07-02 | 2014-10-16 | Strube Gmbh & Co. Kg | Verfahren zur Klassifizierung in Saatgutpartien enthaltener Objekte, Sortierverfahren und zugehörige Vorrichtungen |
US8599044B2 (en) | 2010-08-11 | 2013-12-03 | The Boeing Company | System and method to assess and report a health of a tire |
US8712634B2 (en) | 2010-08-11 | 2014-04-29 | The Boeing Company | System and method to assess and report the health of landing gear related components |
US8982207B2 (en) * | 2010-10-04 | 2015-03-17 | The Boeing Company | Automated visual inspection system |
DE102010048022B4 (de) * | 2010-10-09 | 2013-08-14 | Testo Ag | Verfahren zur berührungslosen Bestimmung der Temperatur eines Objekts und korrespondierende Wärmebildkamera |
CN101984346A (zh) * | 2010-10-19 | 2011-03-09 | 浙江大学 | 基于低通滤波的水果表面缺陷检测方法 |
JP5710408B2 (ja) * | 2011-07-19 | 2015-04-30 | 国立大学法人京都大学 | 麺類のクラック検出装置、クラック検出方法および分別システム |
DE102011054659A1 (de) * | 2011-10-20 | 2013-04-25 | AeroMegt GmbH | Verfahren und Vorrichtung zum Messen von Aerosolen in einem großen Volumenstrom |
JP6164804B2 (ja) * | 2012-06-13 | 2017-07-19 | 株式会社日清製粉グループ本社 | 表面形状測定装置及び方法 |
CN102878946B (zh) * | 2012-08-29 | 2015-01-21 | 宁波富邦电池有限公司 | 电池的密封件的检测装置 |
JP5619095B2 (ja) * | 2012-09-03 | 2014-11-05 | 東芝テック株式会社 | 商品認識装置及び商品認識プログラム |
JP2014049015A (ja) * | 2012-09-03 | 2014-03-17 | Toshiba Tec Corp | 商品認識装置及び商品認識プログラム |
IE20120388A1 (en) * | 2012-09-07 | 2014-03-12 | Odenberg Engineering Ltd | Method and apparatus for handling harvested root crops |
KR101270354B1 (ko) * | 2013-02-12 | 2013-06-04 | 한국쓰리알환경산업(주) | 폐기물 재활용 분류 시스템 |
US10534995B2 (en) | 2013-03-15 | 2020-01-14 | Qylur Intelligent Systems, Inc. | Network of intelligent machines |
US8805088B1 (en) | 2013-12-16 | 2014-08-12 | Google Inc. | Specularity determination from images |
BR112017020995A2 (pt) * | 2015-03-31 | 2018-07-10 | Nanopix Integrated Software Solutions Private Ltd | novo sistema de gradação óptica baseado em cor com vistas de multi-refletância e multi-ângulo |
CN105046700B (zh) * | 2015-07-09 | 2018-03-09 | 北京农业智能装备技术研究中心 | 基于亮度校正与颜色分类的水果表面缺陷检测方法及*** |
JP6266574B2 (ja) * | 2015-09-10 | 2018-01-24 | 株式会社日立ハイテクサイエンス | X線検査方法及びx線検査装置 |
US9599459B1 (en) * | 2016-02-24 | 2017-03-21 | United Parcel Service Of America, Inc. | Conveyor belt, conveyor belt assembly including an imaging system, and methods of using the same |
KR102656451B1 (ko) * | 2016-03-18 | 2024-04-12 | (주)테크윙 | 전자부품 테스트용 핸들러 |
CN106179968B (zh) * | 2016-07-13 | 2018-06-08 | 泉州有刺电子商务有限责任公司 | 苹果分级分拣装置 |
WO2018031956A2 (en) * | 2016-08-12 | 2018-02-15 | Amazon Technologies, Inc. | Object sensing and handling system and associated methods |
CN106442561B (zh) * | 2016-08-29 | 2023-10-31 | 北京农业智能装备技术研究中心 | 用于检测柑橘表皮缺陷的在线图像采集***及方法 |
CN107064056B (zh) * | 2017-03-08 | 2020-05-22 | 北京农业智能装备技术研究中心 | 一种水果无损检测的方法及装置 |
JP6943416B2 (ja) * | 2017-04-28 | 2021-09-29 | 株式会社ナベル | 卵の検査装置 |
CN108061734A (zh) * | 2017-12-14 | 2018-05-22 | 东莞辰达电器有限公司 | 一种利用ccd视觉技术的产品的自动检查*** |
CN108325873A (zh) * | 2017-12-27 | 2018-07-27 | 合肥市硕理机电科技有限公司 | 一种用于激光色选机的像元划分装置 |
CN108940926A (zh) * | 2018-07-26 | 2018-12-07 | 福建工程学院 | 高反射面圆柱形零件表面瑕疵的检测方法及*** |
CN109827971B (zh) * | 2019-03-19 | 2021-09-24 | 湖州灵粮生态农业有限公司 | 一种无损检测水果表面缺陷的方法 |
CN109827965A (zh) * | 2019-03-19 | 2019-05-31 | 湖州灵粮生态农业有限公司 | 一种水果表面腐烂自动化识别方式 |
CN110044921A (zh) * | 2019-04-28 | 2019-07-23 | 江苏理工学院 | 锂电池外观缺陷检测***和方法 |
CN110068276A (zh) * | 2019-04-29 | 2019-07-30 | 赣南师范大学 | 一种精确测量柑橘果皮厚度的方法 |
US20220207709A1 (en) * | 2019-05-10 | 2022-06-30 | Sunkist Growers, Inc. | Decay detection system |
CN111156889B (zh) * | 2020-01-07 | 2022-07-26 | 天津市农业科学院 | 玉米果皮厚度的测量方法及应用 |
CN111964635B (zh) * | 2020-08-28 | 2023-10-24 | 哈尔滨工业大学 | 一种混凝土基体修复表面粗糙度的测试方法 |
US11836912B2 (en) * | 2020-09-22 | 2023-12-05 | Future Dial, Inc. | Grading cosmetic appearance of a test object based on multi-region determination of cosmetic defects |
US11900581B2 (en) | 2020-09-22 | 2024-02-13 | Future Dial, Inc. | Cosmetic inspection system |
CN112415006A (zh) * | 2020-10-22 | 2021-02-26 | 安徽科博产品检测研究院有限公司 | 一种智能农产品检测平台 |
CN112488233B (zh) * | 2020-12-09 | 2021-12-17 | 中国农业科学院农业资源与农业区划研究所 | 一种基于果纹图谱信息的编码和识别方法及装置 |
CN112580719A (zh) * | 2020-12-18 | 2021-03-30 | 安徽唯嵩光电科技有限公司 | 一种基于ai识别的红枣分选方法及*** |
US20220272207A1 (en) * | 2021-02-24 | 2022-08-25 | General Electric Company | Automated beam scan calibration, alignment, and adjustment |
CN113070240A (zh) * | 2021-03-25 | 2021-07-06 | 南京工业大学 | 一种基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法 |
WO2022271007A1 (en) * | 2021-06-22 | 2022-12-29 | Tt Vision Technologies Sdn. Bhd. | System and method of inspecting translucent object |
CN117244804B (zh) * | 2023-11-13 | 2024-03-22 | 济南鑫鑫体育用品有限公司 | 一种球类质量检测仪 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US1943278A (en) * | 1930-04-14 | 1934-01-09 | Pacific Machinery Co | Method of and apparatus for classifying fruit and vegetables |
US3549890A (en) * | 1969-01-16 | 1970-12-22 | Emhart Corp | Article inspection apparatus |
US3768645A (en) * | 1971-02-22 | 1973-10-30 | Sunkist Growers Inc | Method and means for automatically detecting and sorting produce according to internal damage |
US3930994A (en) * | 1973-10-03 | 1976-01-06 | Sunkist Growers, Inc. | Method and means for internal inspection and sorting of produce |
US3932042A (en) * | 1974-05-20 | 1976-01-13 | Barry-Wehmiller Company | Container inspection apparatus and method of inspection |
NO135609C (pt) * | 1975-06-03 | 1977-05-11 | Tore Planke | |
JPS5546172A (en) * | 1978-09-29 | 1980-03-31 | Kirin Brewery Co Ltd | Detector for foreign material |
US4493420A (en) * | 1981-01-29 | 1985-01-15 | Lockwood Graders (U.K.) Limited | Method and apparatus for detecting bounded regions of images, and method and apparatus for sorting articles and detecting flaws |
US4608709A (en) * | 1983-03-08 | 1986-08-26 | Owens-Illinois, Inc. | Method and apparatus for gauging containers |
US4741042A (en) * | 1986-12-16 | 1988-04-26 | Cornell Research Foundation, Inc. | Image processing system for detecting bruises on fruit |
US5007096A (en) * | 1987-02-18 | 1991-04-09 | Hajime Industries Ltd. | Object inspection apparatus |
US4760270A (en) * | 1987-06-04 | 1988-07-26 | Owens-Illinois Television Products Inc. | Method of and apparatus for comparing data signals in an electrooptical inspection system |
US5026982A (en) * | 1989-10-03 | 1991-06-25 | Richard Stroman | Method and apparatus for inspecting produce by constructing a 3-dimensional image thereof |
EP0501981A4 (en) * | 1989-11-10 | 1993-05-19 | Ovascan Pty. Limited | Method and apparatus for grading shell eggs |
US5174429A (en) * | 1990-03-08 | 1992-12-29 | Sunkist Growers, Inc. | Conveyor discharge apparatus and method |
US5164795A (en) * | 1990-03-23 | 1992-11-17 | Sunkist Growers, Inc. | Method and apparatus for grading fruit |
IL101612A0 (en) * | 1992-04-16 | 1992-12-30 | Electro Optics Ind Ltd | Apparatus and method for inspecting articles such as agricultural produce |
-
1994
- 1994-11-03 US US08/334,165 patent/US5845002A/en not_active Expired - Lifetime
-
1995
- 1995-09-06 JP JP51528196A patent/JP3657991B2/ja not_active Expired - Fee Related
- 1995-09-06 AU AU35473/95A patent/AU699165B2/en not_active Ceased
- 1995-09-06 ES ES95932422T patent/ES2138235T3/es not_active Expired - Lifetime
- 1995-09-06 EP EP95932422A patent/EP0738186B1/en not_active Expired - Lifetime
- 1995-09-06 AT AT95932422T patent/ATE186661T1/de not_active IP Right Cessation
- 1995-09-06 DE DE69513381T patent/DE69513381T2/de not_active Expired - Fee Related
- 1995-09-06 PT PT95932422T patent/PT738186E/pt unknown
- 1995-09-06 KR KR1019960703628A patent/KR100374909B1/ko not_active IP Right Cessation
- 1995-09-06 CN CN95191836A patent/CN1058644C/zh not_active Expired - Fee Related
- 1995-09-06 CA CA002180361A patent/CA2180361C/en not_active Expired - Fee Related
- 1995-09-06 WO PCT/US1995/011318 patent/WO1996014169A1/en active IP Right Grant
- 1995-09-06 NZ NZ293112A patent/NZ293112A/en not_active IP Right Cessation
- 1995-11-01 BR BR9505063A patent/BR9505063A/pt not_active IP Right Cessation
-
2000
- 2000-01-19 GR GR20000400114T patent/GR3032417T3/el not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
CN1058644C (zh) | 2000-11-22 |
CN1142205A (zh) | 1997-02-05 |
EP0738186B1 (en) | 1999-11-17 |
BR9505063A (pt) | 1997-10-14 |
CA2180361C (en) | 2005-03-29 |
JP3657991B2 (ja) | 2005-06-08 |
AU699165B2 (en) | 1998-11-26 |
CA2180361A1 (en) | 1996-05-17 |
KR100374909B1 (ko) | 2003-05-12 |
JPH09512342A (ja) | 1997-12-09 |
NZ293112A (en) | 1998-01-26 |
AU3547395A (en) | 1996-05-31 |
WO1996014169A1 (en) | 1996-05-17 |
US5845002A (en) | 1998-12-01 |
ES2138235T3 (es) | 2000-01-01 |
ATE186661T1 (de) | 1999-12-15 |
GR3032417T3 (en) | 2000-05-31 |
EP0738186A1 (en) | 1996-10-23 |
DE69513381T2 (de) | 2000-06-15 |
DE69513381D1 (de) | 1999-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
PT738186E (pt) | Processo e aparelho para detectar as caracteristicas da superficie de objectos translucidos | |
Li et al. | Computer vision based system for apple surface defect detection | |
Zhang et al. | Applications of computer vision techniques to cotton foreign matter inspection: A review | |
US20200226448A1 (en) | Network of intelligent machines | |
Gunasekaran et al. | Image processing for stress cracks in corn kernels | |
JPS5987081A (ja) | 外観品位検査方式 | |
JP2008508513A5 (pt) | ||
WO1994009358A1 (fr) | Procede et dispositif d'inspection de materiau transparent | |
US20100230327A1 (en) | Device and method for the classification of transparent component in a material flow | |
CN109283197A (zh) | 透明板材表面及内部瑕疵的检测方法及检测装置 | |
McClure | Computer vision sorting of potatoes | |
Vakilian et al. | An apple grading system according to European fruit quality standards using Gabor filter and artificial neural networks | |
JP2018169605A (ja) | プラスチックシェル内におけるコンタクトレンズ検査装置およびその方法 | |
CN106568784A (zh) | 一种用于果蔬表面缺陷在线检测的多光谱成像***及实现方法 | |
Chong et al. | Features extraction for eggplant fruit grading system using machine vision | |
Thomas et al. | A graphical automated detection system to locate hardwood log surface defects using high-resolution three-dimensional laser scan data | |
JPH0534281A (ja) | メロンの外観評価装置 | |
Yimyam et al. | 3D reconstruction and feature extraction for agricultural produce grading | |
Guyer et al. | Tissue reflectance and machine vision for automated sweet cherry sorting | |
KR102576213B1 (ko) | 학습 모듈을 이용한 품질관리 시스템 및 방법 | |
ES2785276B2 (es) | Sistema y procedimiento para la estimacion automatica del tamano y masa de aceitunas | |
Uthaisombut | Detecting defects in cherries using machine vision | |
Pla¹ et al. | A machine vision system for on-line fruit colour classification | |
JP2022056389A (ja) | 検査装置、検査方法、および検査プログラム | |
Al-Janobi | Machine vision inspection of date fruits |