JPH052632A - 果物表面模様判定装置 - Google Patents
果物表面模様判定装置Info
- Publication number
- JPH052632A JPH052632A JP3179025A JP17902591A JPH052632A JP H052632 A JPH052632 A JP H052632A JP 3179025 A JP3179025 A JP 3179025A JP 17902591 A JP17902591 A JP 17902591A JP H052632 A JPH052632 A JP H052632A
- Authority
- JP
- Japan
- Prior art keywords
- image
- pallet
- fruit
- neural network
- surface pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 44
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000003384 imaging method Methods 0.000 claims description 15
- 239000007787 solid Substances 0.000 claims description 4
- 239000003086 colorant Substances 0.000 abstract description 2
- 241000220225 Malus Species 0.000 description 17
- 235000021016 apples Nutrition 0.000 description 12
- 230000015654 memory Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
(57)【要約】
【目的】 処理が迅速に行なわれしかも作業性に秀れた
果物の表面模様判定装置を提供すること 【構成】 果物を載せて選果ラインに沿って移動するパ
レット（１）と、パレットの移動路に臨んで設けられた
カラー用の撮像カメラ（２）と、パレットの移動路に臨
んで設けられてパレットが撮像範囲内に入ったことを検
出する検出器（３）と、前記検出器からの検出信号を受
けると前記撮像カメラからの画像情報を基に走査ライン
毎に赤、青、緑の色別にあらかじめ定められた評価値を
演算する画像処理部（４４）と、前記評価値を基にニュ
ーラルネットワークのアルゴリズムを実行して選別用情
報を出力するニューラルネットワーク判定手段（４５）
とを有してなる果物表面模様判定装置。
果物の表面模様判定装置を提供すること 【構成】 果物を載せて選果ラインに沿って移動するパ
レット（１）と、パレットの移動路に臨んで設けられた
カラー用の撮像カメラ（２）と、パレットの移動路に臨
んで設けられてパレットが撮像範囲内に入ったことを検
出する検出器（３）と、前記検出器からの検出信号を受
けると前記撮像カメラからの画像情報を基に走査ライン
毎に赤、青、緑の色別にあらかじめ定められた評価値を
演算する画像処理部（４４）と、前記評価値を基にニュ
ーラルネットワークのアルゴリズムを実行して選別用情
報を出力するニューラルネットワーク判定手段（４５）
とを有してなる果物表面模様判定装置。
Description
【０００１】
【産業上の利用分野】この発明は果物表面模様判定装置
に関するものであり、さらに詳しくは果物の表面模様が
無地であるか縞状であるかという判定を自動的に行う装
置の改良に関する。
に関するものであり、さらに詳しくは果物の表面模様が
無地であるか縞状であるかという判定を自動的に行う装
置の改良に関する。
【０００２】
【従来の技術】従来、リンゴなどの果物の表面模様に関
する判定は一般に作業員の視認により行なわれていた。
リンゴについて言えば、出荷時期の調整や箱詰め時の均
一性のために、無地のリンゴと縞模様のリンゴに仕分け
ていた。しかし、人間の感覚に頼った判定は個人差や環
境差によりばらつくことが多く、その信頼性にかなりの
問題があった。
する判定は一般に作業員の視認により行なわれていた。
リンゴについて言えば、出荷時期の調整や箱詰め時の均
一性のために、無地のリンゴと縞模様のリンゴに仕分け
ていた。しかし、人間の感覚に頼った判定は個人差や環
境差によりばらつくことが多く、その信頼性にかなりの
問題があった。
【０００３】色物の判定を自動的に行なうには、フォト
ダイオードを利用する方式が知られている。しかしこの
方式では検出範囲がスポットとなるために、リンゴなど
の果物のように複雑な表面模様を有している場合には、
これを全体的に総合判定することは不可能であった。
ダイオードを利用する方式が知られている。しかしこの
方式では検出範囲がスポットとなるために、リンゴなど
の果物のように複雑な表面模様を有している場合には、
これを全体的に総合判定することは不可能であった。
【０００４】果物の表面模様を自動的に判定する技術と
しては、リンゴを対象にした特開平２−１０１２３号の
色分布判定装置がある。この装置は撮像手段と色分布判
定処理手段とから構成されている。撮像手段は色合いの
異なる果物を撮像するものである。また色分布判定処理
手段は、撮像種段により撮像された画像を画素毎に分割
して、各画素の赤成分と緑成分と青成分との色合い要素
の絶対値または比率を取って各要素毎に色合いを評価
し、その評価から画像全体の分散の値を定める機能を有
する。各色合いの評価値から分散の値を求めることによ
って、果物全体の色合い、例えば表面模様が無地である
が縞状であるかを判定するものである。
しては、リンゴを対象にした特開平２−１０１２３号の
色分布判定装置がある。この装置は撮像手段と色分布判
定処理手段とから構成されている。撮像手段は色合いの
異なる果物を撮像するものである。また色分布判定処理
手段は、撮像種段により撮像された画像を画素毎に分割
して、各画素の赤成分と緑成分と青成分との色合い要素
の絶対値または比率を取って各要素毎に色合いを評価
し、その評価から画像全体の分散の値を定める機能を有
する。各色合いの評価値から分散の値を求めることによ
って、果物全体の色合い、例えば表面模様が無地である
が縞状であるかを判定するものである。
【０００５】
【発明が解決しようとする課題】しかし、この装置の場
合には、計算量が多いために処理時間が掛かり過ぎると
いう点で問題がある。また例えばリンゴというように同
一の果物であっても品種が異なる場合には、絶対値また
は比率を取る場合のしきい値の設定をやり直さなければ
ならず作業性の点で問題がある。この発明の目的は、処
理が迅速に行なわれしかも作業性に秀れた果物表面模様
判定装置を提供することにある。
合には、計算量が多いために処理時間が掛かり過ぎると
いう点で問題がある。また例えばリンゴというように同
一の果物であっても品種が異なる場合には、絶対値また
は比率を取る場合のしきい値の設定をやり直さなければ
ならず作業性の点で問題がある。この発明の目的は、処
理が迅速に行なわれしかも作業性に秀れた果物表面模様
判定装置を提供することにある。
【０００６】
【課題を解決するための手段】本発明の果物表面模様判
定装置は、果物を載せて選果ラインに沿って移動するパ
レットと、パレットの移動路に臨んで設けられたカラー
用の撮像カメラと、パレットの移動路に臨んで設けられ
てパレットが撮像範囲内に入ったことを検出する検出器
と、前記検出器からの検出信号を受けると前記撮像カメ
ラからの画像情報を基に走査ライン毎に赤、青、緑の色
別にあらかじめ定められた評価値を演算する画像処理部
と、前記評価値を基にニューラルネットワークのアルゴ
リズムを実行して選別用情報を出力するニューラルネッ
トワーク判定手段とを有してなる。
定装置は、果物を載せて選果ラインに沿って移動するパ
レットと、パレットの移動路に臨んで設けられたカラー
用の撮像カメラと、パレットの移動路に臨んで設けられ
てパレットが撮像範囲内に入ったことを検出する検出器
と、前記検出器からの検出信号を受けると前記撮像カメ
ラからの画像情報を基に走査ライン毎に赤、青、緑の色
別にあらかじめ定められた評価値を演算する画像処理部
と、前記評価値を基にニューラルネットワークのアルゴ
リズムを実行して選別用情報を出力するニューラルネッ
トワーク判定手段とを有してなる。
【０００７】なお、前記ニューラルネットワーク判定手
段は、あらかじめ表面が無地とされるべき果物、縞とさ
れるべき果物とをそれぞれ撮像して得られる前記画像処
理部からの無地、縞に対応した評価値を用い、前記無
地、縞の種別を示す入力データを教師データとして合否
判定に誤りが無くなるように学習動作を行うバックプロ
パゲーションアルゴリズムを実行するものである。
段は、あらかじめ表面が無地とされるべき果物、縞とさ
れるべき果物とをそれぞれ撮像して得られる前記画像処
理部からの無地、縞に対応した評価値を用い、前記無
地、縞の種別を示す入力データを教師データとして合否
判定に誤りが無くなるように学習動作を行うバックプロ
パゲーションアルゴリズムを実行するものである。
【０００８】
【作用】本発明の果物表面模様判定装置は、表面模様判
定作業を行う前に学習動作を行う。この学習動作は、無
地、縞の判別について言えば、無地の部類に属する果物
を撮像して得られる画像を使用して画像処理、ニューラ
ルネットワークの処理を行なわせると共に、ニューラル
ネットワークに対しては現在処理中の果物が無地に属す
るものである旨を示すデータを教師データとして与え
る。同様にして、縞の部類に属する果物を撮像して得ら
れる画像を使用して画像処理、ニューラルネットワーク
の処理を行なわせると共に、ニューラルネットワークに
対しては現在処理中の果物が縞に属するものである旨を
示すデータを教師データとして与える。このような学習
動作はニューラルネットワークが無地、縞の判別を正確
に行うまで繰り返される。学習動作が終了したら、実際
の表面模様判定作業にはいる。
定作業を行う前に学習動作を行う。この学習動作は、無
地、縞の判別について言えば、無地の部類に属する果物
を撮像して得られる画像を使用して画像処理、ニューラ
ルネットワークの処理を行なわせると共に、ニューラル
ネットワークに対しては現在処理中の果物が無地に属す
るものである旨を示すデータを教師データとして与え
る。同様にして、縞の部類に属する果物を撮像して得ら
れる画像を使用して画像処理、ニューラルネットワーク
の処理を行なわせると共に、ニューラルネットワークに
対しては現在処理中の果物が縞に属するものである旨を
示すデータを教師データとして与える。このような学習
動作はニューラルネットワークが無地、縞の判別を正確
に行うまで繰り返される。学習動作が終了したら、実際
の表面模様判定作業にはいる。
【０００９】
【実施例】図１に示すのはこの発明の判定装置の概略構
成である。果物を載置したパレット１は前後に連結され
て適宜公知の駆動機構（例えばコンベアチェーン）に駆
動されて選果ラインに沿って所定の速度で移動する。こ
れらパレット１の移動路に対して一方側から照明用ライ
ト５を付設したＩＴＶ等による撮像カメラ２が向けられ
ている。またこれらパレット１の移動路に対して他方側
には、各パレット１が撮像範囲内に入ったことを検出す
る検出器３が設けられている。これらの撮像カメラ２と
検出器３とは処理ユニット４に接続されており、該処理
ユニット４は検出器３からの検出信号を受けると撮像カ
メラ２からの画像情報を基に果物の表面模様を判定す
る。
成である。果物を載置したパレット１は前後に連結され
て適宜公知の駆動機構（例えばコンベアチェーン）に駆
動されて選果ラインに沿って所定の速度で移動する。こ
れらパレット１の移動路に対して一方側から照明用ライ
ト５を付設したＩＴＶ等による撮像カメラ２が向けられ
ている。またこれらパレット１の移動路に対して他方側
には、各パレット１が撮像範囲内に入ったことを検出す
る検出器３が設けられている。これらの撮像カメラ２と
検出器３とは処理ユニット４に接続されており、該処理
ユニット４は検出器３からの検出信号を受けると撮像カ
メラ２からの画像情報を基に果物の表面模様を判定す
る。
【００１０】図２に処理ユニット４の具体的構成の一例
を示す。この処理ユニット４は撮像カメラ２からの赤、
緑、および青成分の画像情報に対応して３個のＡ／Ｄ変
換器４１Ｒ、４１Ｇ、４１Ｂを並列に有しており、これ
らのＡ／Ｄ変換器は撮像カメラ２からのアナログ画像情
報をデジタル画像情報に変換する。これらのＡ／Ｄ変換
器４１Ｒ、４１Ｇ、４１Ｂはそれぞれ、画像メモり４２
Ｒ、４２Ｇ、４２Ｂに接続されており、これらの画像メ
モり４２Ｒ、４２Ｇ、４２Ｂはそれぞれ対応する画像情
報をラッチしてかつ記憶するものである。各画像メモり
の出力側には画像処理装置４４が接続されている。
を示す。この処理ユニット４は撮像カメラ２からの赤、
緑、および青成分の画像情報に対応して３個のＡ／Ｄ変
換器４１Ｒ、４１Ｇ、４１Ｂを並列に有しており、これ
らのＡ／Ｄ変換器は撮像カメラ２からのアナログ画像情
報をデジタル画像情報に変換する。これらのＡ／Ｄ変換
器４１Ｒ、４１Ｇ、４１Ｂはそれぞれ、画像メモり４２
Ｒ、４２Ｇ、４２Ｂに接続されており、これらの画像メ
モり４２Ｒ、４２Ｇ、４２Ｂはそれぞれ対応する画像情
報をラッチしてかつ記憶するものである。各画像メモり
の出力側には画像処理装置４４が接続されている。
【００１１】この画像処理装置４４は、例えばマイクロ
コンピュータなどにより構成されるもので、画像メモり
４２Ｒ、４２Ｇ、４２Ｂからの画像情報に基ずいて果物
の良否を判定するのに必要な情報、例えば評価値情報を
出力するものである。検出器３はゲート回路４３を介し
て画像処理装置４４に接続されている。このゲート回路
４３は検出器３からの検出信号に基づいて撮像タイミン
グ信号を出力し、撮像カメラ２の撮像時期、画像メモり
４２Ｒ、４２Ｇ、４２Ｂの画像情報取込みタイミングを
制御する。
コンピュータなどにより構成されるもので、画像メモり
４２Ｒ、４２Ｇ、４２Ｂからの画像情報に基ずいて果物
の良否を判定するのに必要な情報、例えば評価値情報を
出力するものである。検出器３はゲート回路４３を介し
て画像処理装置４４に接続されている。このゲート回路
４３は検出器３からの検出信号に基づいて撮像タイミン
グ信号を出力し、撮像カメラ２の撮像時期、画像メモり
４２Ｒ、４２Ｇ、４２Ｂの画像情報取込みタイミングを
制御する。
【００１２】画像処理装置４４の出力側にはニューラル
ネットワーク判定部４５が接続されており、このニュー
ラルネットワーク判定部４５は、画像処理装置４４から
の評価値情報に基づいて果物の表面模様を判定するもの
である。ニューラルネットワーク判定部４５には、後述
する学習動作時にこのニューラルネットワーク判定部４
５に表面模様判定情報を教師データとして与えるための
キーボード４６が付設されている。
ネットワーク判定部４５が接続されており、このニュー
ラルネットワーク判定部４５は、画像処理装置４４から
の評価値情報に基づいて果物の表面模様を判定するもの
である。ニューラルネットワーク判定部４５には、後述
する学習動作時にこのニューラルネットワーク判定部４
５に表面模様判定情報を教師データとして与えるための
キーボード４６が付設されている。
【００１３】つぎに上記のような構成の判定装置による
学習動作と表面模様判定動作について、果物としてリン
ゴを用いた場合を例にとり、果物の表面模様が無地であ
るか縞状であるかという判定を行う場合について説明す
る。 学習動作 １．まず選果ライン上のパレット１にリンゴを載せ、キ
ーボード４６によりそのリンゴが表面模様が無地である
か縞状であるかを入力する。この入力情報はニューラル
ネットワーク判定部４５に送られる。 ２．選果ラインに沿ってリンゴを載せたパレット１が移
動して撮像カメラ２の撮像範囲に到着すると、検出器３
がこれを検出してその検出信号を画像処理装置４４に送
る。 ３．同時に撮像カメラ２がリンゴを撮像して、その赤、
緑および青成分の画像情報をＡ／Ｄ変換器４１Ｒ、４１
Ｇ、４１Ｂを介してそれぞれの画像メモり４２Ｒ、４２
Ｇ、４２Ｂに送る。各画像メモりはこれらの画像情報を
それぞれラッチして記憶する。
学習動作と表面模様判定動作について、果物としてリン
ゴを用いた場合を例にとり、果物の表面模様が無地であ
るか縞状であるかという判定を行う場合について説明す
る。 学習動作 １．まず選果ライン上のパレット１にリンゴを載せ、キ
ーボード４６によりそのリンゴが表面模様が無地である
か縞状であるかを入力する。この入力情報はニューラル
ネットワーク判定部４５に送られる。 ２．選果ラインに沿ってリンゴを載せたパレット１が移
動して撮像カメラ２の撮像範囲に到着すると、検出器３
がこれを検出してその検出信号を画像処理装置４４に送
る。 ３．同時に撮像カメラ２がリンゴを撮像して、その赤、
緑および青成分の画像情報をＡ／Ｄ変換器４１Ｒ、４１
Ｇ、４１Ｂを介してそれぞれの画像メモり４２Ｒ、４２
Ｇ、４２Ｂに送る。各画像メモりはこれらの画像情報を
それぞれラッチして記憶する。
【００１４】４．画像処理装置４４はこれらの画像情報
に基づいて、図３に示すように撮像した画像の横方向の
ライン（水平走査ライン）について評価値を算出する。
ここで、評価値はｆ＝（ｒ，ｇ，ｂ）で与えられ、ｒと
ｇとｂとはそれぞれ１ライン上の赤画像成分と緑画像成
分と青画像成分の１画素の輝度に対する評価値である。
この評価値の算出動作について、図４を参照して説明す
る。図４（ａ）は果物の表面模様が縞状の場合に得られ
る輝度信号レベルの一例を示す。この輝度信号レベルに
微分処理を加えると、図４（ｂ）のようなパルス状の波
形になる。このパルス状の波形のうち負成分のものを反
転させ、更に図４（ｃ）に示すように、各パルス状の波
形があらかじめ定められたしきい値を越えているかどう
かの判定を行う。そして、しきい値を越えているパルス
状の波形の数に基づいて１ラインあたりの赤画像成分と
緑画像成分と青画像成分について評価値を算出する。な
お、評価値を算出するラインは１本以上であればよい。
に基づいて、図３に示すように撮像した画像の横方向の
ライン（水平走査ライン）について評価値を算出する。
ここで、評価値はｆ＝（ｒ，ｇ，ｂ）で与えられ、ｒと
ｇとｂとはそれぞれ１ライン上の赤画像成分と緑画像成
分と青画像成分の１画素の輝度に対する評価値である。
この評価値の算出動作について、図４を参照して説明す
る。図４（ａ）は果物の表面模様が縞状の場合に得られ
る輝度信号レベルの一例を示す。この輝度信号レベルに
微分処理を加えると、図４（ｂ）のようなパルス状の波
形になる。このパルス状の波形のうち負成分のものを反
転させ、更に図４（ｃ）に示すように、各パルス状の波
形があらかじめ定められたしきい値を越えているかどう
かの判定を行う。そして、しきい値を越えているパルス
状の波形の数に基づいて１ラインあたりの赤画像成分と
緑画像成分と青画像成分について評価値を算出する。な
お、評価値を算出するラインは１本以上であればよい。
【００１５】５．ニューラルネットワーク判定部４５
は、画像処理装置４４からの評価値情報を受けると、キ
ーボード４６からの無地、縞を表す入力データを教師デ
ータとして、ニューラルネットワークのバックプロパゲ
ーションアルゴリズムを実行し、正しい判定結果を出力
するように学習する。判定動作の初期においては誤判定
が多いが、上記１〜５の動作を繰り返すことで誤判定は
少なくなる。誤判定率が所定値以下になるまで、無地に
属する数種類のリンゴ及び縞に属する数種類のリンゴに
ついて上記１〜５の動作が繰り返される。バックプロパ
ゲーションアルゴリズムについては、「ＰＡＲＡＬＬＥ
Ｌ ＤＩＳＴＲＩＢＵＴＥＤ ＰＲＯＣＥＳＳＩＮＧ、
ｖｏｌ．１、ＭＩＴ Ｐｒｅｓｓ， １９８６」に詳細
が説明されている。なお、果物の種類が変わったとき
や、同じ果物でも品種が変わった場合には、数個の果物
を選果ラインに載せて上記の学習動作を行なうだけで、
その新たな果物についての判定動作を行なうことができ
る。
は、画像処理装置４４からの評価値情報を受けると、キ
ーボード４６からの無地、縞を表す入力データを教師デ
ータとして、ニューラルネットワークのバックプロパゲ
ーションアルゴリズムを実行し、正しい判定結果を出力
するように学習する。判定動作の初期においては誤判定
が多いが、上記１〜５の動作を繰り返すことで誤判定は
少なくなる。誤判定率が所定値以下になるまで、無地に
属する数種類のリンゴ及び縞に属する数種類のリンゴに
ついて上記１〜５の動作が繰り返される。バックプロパ
ゲーションアルゴリズムについては、「ＰＡＲＡＬＬＥ
Ｌ ＤＩＳＴＲＩＢＵＴＥＤ ＰＲＯＣＥＳＳＩＮＧ、
ｖｏｌ．１、ＭＩＴ Ｐｒｅｓｓ， １９８６」に詳細
が説明されている。なお、果物の種類が変わったとき
や、同じ果物でも品種が変わった場合には、数個の果物
を選果ラインに載せて上記の学習動作を行なうだけで、
その新たな果物についての判定動作を行なうことができ
る。
【００１６】判定動作
１．まず選果ライン上のパレット１にリンゴを載せて、
選果ラインを起動する。 ２．選果ラインに沿ってリンゴを載せたパレット１が移
動してカメラ２の撮像範囲に到着すると、検出器３がこ
れを検出してその検出信号を画像処理装置４４に送る。 ３．同時に撮像カメラ２がリンゴを撮像して、その赤、
緑および青成分の画像情報をＡ／Ｄ変換器４１Ｒ、４１
Ｇ、４１Ｂを介してそれぞれの画像メモり４２Ｒ、４２
Ｇ、４２Ｂに送る。画像メモりはこれらの画像情報をそ
れぞれラッチして記憶する。なお、画像情報のデータ量
としては、例えば２５６×２５６画素から成る画像で、
１画素あたり赤、緑および青成分をそれぞれ８ビットで
表すものと仮定すると、合計１９２キロバイト程度のデ
ータ量となる。 ４．画像処理装置４４はこれらの画像情報に基づいて、
図３に示す画像の横方向のラインについて上記と同様の
方法で評価値ｆ＝（ｒ，ｇ，ｂ）を算出する。 ５．この評価値情報を受けて、ニューラルネットワーク
判定部４５は先の学習結果を基に、果物の表面模様が無
地である縞状であるか判定する。判定結果は適宜公知の
手法により可視または可聴表示される。
選果ラインを起動する。 ２．選果ラインに沿ってリンゴを載せたパレット１が移
動してカメラ２の撮像範囲に到着すると、検出器３がこ
れを検出してその検出信号を画像処理装置４４に送る。 ３．同時に撮像カメラ２がリンゴを撮像して、その赤、
緑および青成分の画像情報をＡ／Ｄ変換器４１Ｒ、４１
Ｇ、４１Ｂを介してそれぞれの画像メモり４２Ｒ、４２
Ｇ、４２Ｂに送る。画像メモりはこれらの画像情報をそ
れぞれラッチして記憶する。なお、画像情報のデータ量
としては、例えば２５６×２５６画素から成る画像で、
１画素あたり赤、緑および青成分をそれぞれ８ビットで
表すものと仮定すると、合計１９２キロバイト程度のデ
ータ量となる。 ４．画像処理装置４４はこれらの画像情報に基づいて、
図３に示す画像の横方向のラインについて上記と同様の
方法で評価値ｆ＝（ｒ，ｇ，ｂ）を算出する。 ５．この評価値情報を受けて、ニューラルネットワーク
判定部４５は先の学習結果を基に、果物の表面模様が無
地である縞状であるか判定する。判定結果は適宜公知の
手法により可視または可聴表示される。
【００１７】以上、本発明をニューラルネットワークの
構造として、階層型ネットワークを例示し、その学習ア
ルゴリズムとしてバックプロパゲーションを例示した
が、他にも教師付き学習を行うことのできるニューラル
ネットワークであればそれを用いても良い。また、画像
処理装置４４やニューラルネットワーク判定部４５は、
計算機でそれらのアルゴリズムを実現するようにしても
良い。
構造として、階層型ネットワークを例示し、その学習ア
ルゴリズムとしてバックプロパゲーションを例示した
が、他にも教師付き学習を行うことのできるニューラル
ネットワークであればそれを用いても良い。また、画像
処理装置４４やニューラルネットワーク判定部４５は、
計算機でそれらのアルゴリズムを実現するようにしても
良い。
【００１８】
【発明の効果】以上説明してきたように、本発明によれ
ば判定動作における計算が少ないので、従来のものに比
してより迅速に判定が行なわれる。また、判定対象果物
の種類または品種が変わった場合には、１回の学習動作
を行なうだけでこれに対処できるので、作業性が大幅に
改善される。
ば判定動作における計算が少ないので、従来のものに比
してより迅速に判定が行なわれる。また、判定対象果物
の種類または品種が変わった場合には、１回の学習動作
を行なうだけでこれに対処できるので、作業性が大幅に
改善される。
【図１】本発明の果物表面模様判定装置の概略構成を示
す説明図である。
す説明図である。
【図２】図１の判定装置に用いられる処理装置の一例を
示すブロック図である。
示すブロック図である。
【図３】本発明の装置による評価値算出方法を説明する
ために果物の画像の一例を示した図である。
ために果物の画像の一例を示した図である。
【図４】図３の画像に基づいて評価値算出方法を説明す
るために信号波形を示した図である。
るために信号波形を示した図である。
【図５】本発明で使用されるニューラルネットワークの
一例を示した図。
一例を示した図。
１ パレット
２ 撮像カメラ
３ 検出器
４ 処理ユニット
４１Ｒ、４１Ｇ、４１Ｂ Ａ／Ｄ変換器
４２Ｒ、４２Ｇ、４２Ｂ 画像メモリ
４３ ゲート回路
４４ 画像処理装置
４５ ニューラルネットワーク判定部
４６ キーボード
Claims (2)
- 【請求項１】 果物を載せて選果ラインに沿って移動す
るパレットと、パレットの移動路に臨んで設けられたカ
ラー用の撮像カメラと、パレットの移動路に臨んで設け
られてパレットが撮像範囲内に入ったことを検出する検
出器と、前記検出器からの検出信号を受けると前記撮像
カメラからの画像情報を基に走査ライン毎に赤、青、緑
の色別にあらかじめ定められた評価値を演算する画像処
理部と、前記評価値を基にニューラルネットワークのア
ルゴリズムを実行して選別用情報を出力するニューラル
ネットワーク判定手段とを有してなる果物表面模様判定
装置。 - 【請求項２】 請求項１記載の果物表面模様判定装置に
おいて、前記ニューラルネットワーク判定手段は、あら
かじめ表面が無地とされるべき果物、縞とされるべき果
物とをそれぞれ撮像して得られる前記画像処理部からの
無地、縞に対応した評価値を用い、前記無地、縞の種別
を示す入力データを教師データとして合否判定に誤りが
無くなるように学習動作を行うバックプロパゲーション
アルゴリズムを実行するものであることを特徴とする果
物表面模様判定装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3179025A JPH052632A (ja) | 1991-06-25 | 1991-06-25 | 果物表面模様判定装置 |
| GB9212449A GB2256708A (en) | 1991-06-11 | 1992-06-11 | Object sorter using neural network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3179025A JPH052632A (ja) | 1991-06-25 | 1991-06-25 | 果物表面模様判定装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH052632A true JPH052632A (ja) | 1993-01-08 |
Family
ID=16058801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3179025A Withdrawn JPH052632A (ja) | 1991-06-11 | 1991-06-25 | 果物表面模様判定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH052632A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4948330A (en) * | 1988-02-08 | 1990-08-14 | Kabushiki Kaisha Toshiba | Alignment stage device |
| JPH06258138A (ja) * | 1992-12-12 | 1994-09-16 | Rwe Entsorgung Ag | 物体を識別する方法とこの方法を実行する装置 |
| JPH08117694A (ja) * | 1994-08-31 | 1996-05-14 | Takaaki Satake | 青果物選果方法および装置 |
-
1991
- 1991-06-25 JP JP3179025A patent/JPH052632A/ja not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4948330A (en) * | 1988-02-08 | 1990-08-14 | Kabushiki Kaisha Toshiba | Alignment stage device |
| JPH06258138A (ja) * | 1992-12-12 | 1994-09-16 | Rwe Entsorgung Ag | 物体を識別する方法とこの方法を実行する装置 |
| JPH08117694A (ja) * | 1994-08-31 | 1996-05-14 | Takaaki Satake | 青果物選果方法および装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2681817C (en) | Lumber inspection method, device and program | |
| US5911003A (en) | Color pattern evaluation system for randomly oriented articles | |
| CN110296997B (zh) | 基于机器视觉的陶瓷瓦的缺陷检测方法及装置 | |
| US4818380A (en) | Method and apparatus for sorting articles | |
| JPS5973087A (ja) | 果物および類似物を処理するための方法および装置 | |
| US5901236A (en) | Method and apparatus for measuring position by image processing | |
| GB2256708A (en) | Object sorter using neural network | |
| JPH0520426A (ja) | ニユーラルネツトワークを用いた果実の色合判定装置 | |
| JPH052632A (ja) | 果物表面模様判定装置 | |
| JPH07332951A (ja) | 画像検査装置および画像検査方法 | |
| JPH04364449A (ja) | 果実の欠陥検出装置 | |
| JPH08145907A (ja) | 欠陥検査装置 | |
| JP2022046997A (ja) | 船舶の壁面検査用高度知能化検査システム | |
| JP2949361B2 (ja) | 物品検査装置 | |
| JPH04147002A (ja) | 青果物の表面検定装置 | |
| RU2444002C2 (ru) | Способ и устройство для контроля пиломатериалов | |
| JPH09178444A (ja) | 画像処理による形状測定方法とその選別装置 | |
| JP2003185500A (ja) | 画像データの色彩較正装置および色彩欠陥自動検出装置 | |
| JP3374297B2 (ja) | カラー画像検査方法及びカラー画像検査装置 | |
| JP2696166B2 (ja) | 青果物の検定装置 | |
| JP3680636B2 (ja) | 塗装むら検査装置 | |
| JP7318907B2 (ja) | 単板判定システムおよび単板の判定方法 | |
| JPH04104048A (ja) | 画像処理装置 | |
| JP2870848B2 (ja) | カラー画像信号の評価方法及びこの評価方法を用いたカラー画像信号評価装置 | |
| JPH09210789A (ja) | 色むら検査装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19980903 |