FI67043C - Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse - Google Patents
Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse Download PDFInfo
- Publication number
- FI67043C FI67043C FI792621A FI792621A FI67043C FI 67043 C FI67043 C FI 67043C FI 792621 A FI792621 A FI 792621A FI 792621 A FI792621 A FI 792621A FI 67043 C FI67043 C FI 67043C
- Authority
- FI
- Finland
- Prior art keywords
- classification
- piece
- microprocessor
- sensor
- main processor
- Prior art date
Links
Classifications
-
- 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
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Sorting Of Articles (AREA)
- Combined Means For Separation Of Solids (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Analysis (AREA)
Description
I- — ~-1 r_, „„ KUULUTUSJULKAISU
W (11) utlAggningsskrift 670 4 3 TOg C (45) 10 Cl 1985 ^ (51) K*MuftnLO? B 07 C 5/34 SUOMI—FINLAND <W) N*»»»iwt^_i^«iawiei«nH»* 792621 (22) Hakmntapilvi—AiaBknln^t 22.08.79 (FI) (23) ANMpCtvi— GIWgk«t»d«g 22.08.79 (41) Taltat )«IUMksi — BUvtt offantHf 23.02.81
Pktentti- ja rekisterihallitus Hj> FWittmatsumn fr trwqiiHalww irrm- fatant· och ifilterstyrslssn AmMan uthfdod» wUMte piWanl 28.09-84 (32)(33)(31) ΡχΗ«**7 tef*ni prtorHst (71) Oy Partek Ab, 21600 Parainen, Suomi-Fin1and(FI) (72) Martin Ollus, Helsinki, Esko Uotila, Espoo, Björn Wahlström, Espoo,
Esko Saukkonen, Helsinki, Pekka Malinen, Parainen, Immo Mäenpää,
Littoinen, Suomi -Fin land (Fl.) (74) Berggren Oy Ab (54) Menetelmä ja laite liiketilassa olevan kappaletavaran luokittelemista varten - Förfarande och anordning för klassificering av styckegods som befinner sig i rörelse
Esillä oleva keksintö kohdistuu patenttivaatimuksen 1 johdannon mukaiseen menetelmään yhdensuuntaisessa liiketilassa olevien satunnaisesti jakautuneiden kappaleiden tunnistamiseksi ja luokittelemiseksi fysikaalisen ominaisuuden perusteella. Keksintö koskee myös menetelmän suorittamiseksi tarkoitettua laitetta.
Elinkeinoelämän eri alojen eräs tärkeimpiä tarpeita on valmistettavien tai käsiteltävien tuotteiden luokittelu. Tämän seurauksena ja lopputavoitteena on yksilöiden mekaaninen erottaminen toisistaan ryhmiin yksilöiden haluttujen ominaisuuksien perusteella, mitä voitaneen kutsua lajitteluksi. Luokittelu tapahtuu joko mitattavan fysikaalisen suureen tai pelkän havainnon perusteella .
Hyvin yleisesti luokittelu tapahtuu visuaalisen havainnon perusteel la, jolloin ihminen silmiensä kautta saadun informaation avulla päät tää mihin luokkaan kappaletavaran yksilö kuuluu, ja suorittaa tämän jäi- 2 67043 keen tarvittavan lajittelun. Tavallisesti kappaletavara kulkee jatkuvana virtana havaitsijan ohitse. Lajittelutyö on näin ollen hyvin rasittava, eikä sitä voi jatkuvasti suorittaa ilman haitallisia seurauksia. Eräänä esimerkkinä mainittakoon kaivosteollisuuden murskeen käsipoiminta, jossa liikkuvalla kuljetinhihnalla sijaitsevasta murskeesta poimitaan käsin halutut yksilöt. Luokittelukriteerinä voi tässä olla yksilöiden väri, koko tai muu silmin havaittavissa oleva fysikaalinen ominaisuus.
Videokojeiden tultua tunnetuiksi ja käyttövarmoiksi on optisten havaintojen tekemiseksi ryhdytty käyttämään TV-kameroita. Rakenteesta riippuen kamerat pystyvät havaitsemaan kuvatussa alueessa samat vivahde-erot kuin ihmisen silmäkin. Havainnon fysikaalisena osoituksena on kamerasta käytettäväksi saatu ja kuvatun kohteen visuaalisen intensiteettiin verrannollinen sähköinen signaali. Kameran pyyhkiessä juovittain kuvattavaa aluetta ilmenevät pyyhkäisyjuovan eri pisteissä esiintyvät intensiteettierot analogisesti mainittujen sähköisten signaalien muodossa. Riippuen kameran rakenteesta eli tässä tapauksessa sen erottelukyvystä juovapisteiden etäisyys voi olla tarkoituksenmukaisesti suuri tai pieni. Esimerkiksi ns. kuva-TV:n yhteydessä tämä erottelukyky on sovitettu ihmisen silmän erottelukykyyn, joka on noin 0,02 astetta. Tähän tarkoitukseen käytettyjä kameraputkia ovat Ortikon, Plumbikon, Vidikon jne.
Muitakin anturityyppejä voidaan käyttää riippuen havainnon kohteena olevan fysikaalisen ilmiön laadusta. Niinpä voidaan pyyhkäisyjuovalla havaita esimerkiksi pisteiden lämpötilat infrapuna-anturilla, tai näitten radioaktiivinen tilanne Geiger-anturilla. Kutakin fysikaalista ilmiötä varten on kehitetty oma anturinsa. Kaikille yhteistä on, että niistä saadaan kyseessä olevan fysikaalisen ilmiön intensiteettiin verrannollinen sähköinen signaali, joka mahdollistaa johtopäätöksien tekemisen yksilön laadusta.
Anturista saadut analogiset sähkösignaalit voidaan sopivasti vahvistettuina ja muunnettuina käyttää suoranaisesti mittarin tai piirturin aktivoimiseksi. Tällöin mittakoje voi olla kalibroituna osoittamaan kyseessä olevan fysikaalisen ilmiön keskiarvoja, ääriarvoja tai muita tarpeen sanelemia arvoja. Signaalit voidaan myös sopivasti muunnettuina käyttää suoranaisesti prosessin säätelemisessä, joko 67043 3 analogia- tai digitaali-muodossa. On myös tunnettua analysoida digi-taali-muotoon muunnettuja signaaleja tietokoneella informaation saamiseksi kuvatusta kohteesta. Tietokone on tällöin ohjelmoitu halutun informaation laskemiseksi anturista saatuja ja digitaalimuotoon muunnettuja input-signaaleja käyttäen. Tämä on mahdollista ja tunnettua sellaisille havaintokohteille, jotka anturin havaintoalueella esiintyvät enemmän tai vähemmän järjestelmällisesti pienin heitoin sijoi-tuksiinsa ja fysikaalisiin ominaisuuksiinsa nähden.
Esimerkkinä viimemainitusta informaation käsittelystä mainittakoon postipakettien ja kirjeiden luokittelu. Luokiteltavat kohteet ohittavat tässä kuljetinhihnalla optisten anturien eli TV-kameran noin 2 cm:n etäisyydellä toisistaan jatkuvana virtana. Kohteisiin on joko etukäteen ja määrättyyn paikkaan leimattu määrätty koodi, jonka anturi indikoi tai anturi indikoi suoraan määrättyyn paikkaan koneella kirjoitetun postinumeron. Anturi pystyy tässä kehittämään sähköisiä signaaleja, joiden avulla voidaan tunnistaa tummempi koodi tai postinumero vaaleampaa taustaa vastaan.
Sellaisessa luokittelussa, jossa yksilöt esiintyvät satunnaisesti jakautuneina kuljetinhihnalla tai jossa yksilöitä ei voida etukäteen varustaa tarkoituksenmukaisilla koodeilla tunnistamista varten, eivätkä itsekään sisällä tunnistamista helpottavia järjestelmällisiä piirteitä, edellä mainittua järjestelmää ei voi käyttää. Tämänkaltaisia luokittelutarpeita ovat esimerkiksi luonnontuotteiden kuten kivi- ja malmimurskeen, juurihedelmien, puutavaran, säilöttävien ravintoaineiden sekä muiden jalostamattomien tuotteiden luokittelu. Luokituskojeiston on näissä tapauksissa täytettävä seuraavat vaatimukset:
Tunnistamista helpottavien koodien tai järjestelmällisien piirteiden puuttuessa tunnistus on voitava suorittaa yksilöissä mielivaltaisesti jakautuneiden tunnuskriteerien perusteella. Postin luokitteluissa esimerkiksi ei toistaiseksi tunneta menetelmää jonka mukaan yksilö voidaan tunnistaa käsin kirjoitetun postinumeron perusteella.
4 67043
Koska yksilöiden tunnistamista varten käytetyt fysikaaliset ominaisuudet ovat erityyppiset ts. tunnuskriteerit voivat vaihdella perusluonteeltaan, on kojeiston oltava "oppiva". Tämä merkitsee sitä, että sen on pystyttävä itse määrittämään yksilön luokkarajat kojeiston läpi aikaisemmin ajettujen mallikappaleiden antaman informaation perusteella. Postin luokittelussa kojeisto pystyy tunnistamaan yksilön vain mainitun koodin tai koneella korjoi-tetun postinumeron avulla. Samaa kojeistoa ei voida helposti muuttaa yksilön tunnistamiseksi esimerkiksi sen koon tai värin perusteella.
Yksilöiden satunnaisen jakautumisen takia kuljetushihnalla kojeiston on pystyttävä tunnistamaan jokainen yksilö kokonaisuudessaan ja käsittelemään anturista saatuja tietoja siinä ajassa, jonka kohde viipyy anturin pyyhkäisyjuovassa eli ns. reaaliajassa. Yksilön ohitettua anturin, on kojeiston tällöin vapautuneen käsittely-yksikön oltava valmiina siirtymään välittämästi uuden ja kul-jetinhihnalla mielivaltaisesti sijaitsevan yksilön käsittelyyn tämän tultua anturin havaintokenttään.
Postin luokittelussa yksilöt sijaitsevat etukäteen järjestetyssä yhdessä ainoassa rivissä. Kojeisto pystyy tunnistamaan vain määrättyyn paikkaan sijoitetun koodin tai postinumeron. Kojeiston ei liioin tarvitse siirtää keskitystään paikasta toiseen kulje-tushihnan leveyssuunnassa. Mikäli halutaan käsitellä useita yksi-lörivejä, on jokaisella rivillä oltava oma kojeistonsa.
Ruotsalainen patentti 355 731 on esillä olevan keksinnön lähtökohtana. Kyseisessä patentissa on havaittu, että tarvittavien käsittelymodulien lukumäärää voidaan pienentää antamalla modulin aina edellisestä kappaleen luokituksesta vapauduttuaan siirtyä seuraavaan, tutkimusalueeseen saapuvaan kappaleeseen. Julkaisun mukaan on kuljetusalusta lisäksi jaettu eri kanaviin, jotka ovat kiinteät ja liittyvät suoraan ulostulopäässä oleviin, puhalluksella toimiviin erottelulaitteisiin. Ratkaisu perustuu anturista saatujen signaalien jatkokäsittelyyn analogiamuodossa. Vahvistamalla ja leikkaamalla analogiset signaalit tarkoituksenmukaisesti, aikaansaadaan tarvittavat kynnysarvot päätöksien tekoa varten tarvittavien erillisten porttien sisäänmenoarvoille. Signaaleja ei digitalisoida prosessoreille soveltuviksi.
67043
Esillä olevassa keksinnössä on ruotsalaiseen patenttiin nähden uutta se, että yhteisessä analysaattorissa muutetaan kaikkia tutkittavia kappaleita koskeva informaatio binäärisiksi tunnuslukuryhmiksi, jotka on helppo käsitellä luokitteluyksiköissä. Tämän vuoksi luokitte-luyksikön rakenne yksinkertaistuu huomattavasti. Edelleen todetaan vain kulloisenkin kappaleen reunojen paikat, jotka eivät liity mihinkään ajateltuihin tai ennakolta määrättyihin kanaviin. Esillä oleva keksintö perustuu myös mittaustuloksen käsittelyyn digitaalimuodossa. Digitaalikäsittelyn ansiosta pystytään kätevästi piiri-kortteja valitsemalla käsittelemään mittaustuloksia tarkoituksen-mukaisimmassa muodossa, esim. huippu-, keski-, varianssi- tai muun tarpeen saneleman mittausarvotuloksen pohjalta.
Keksinnön mukainen menetelmä tunnetaan seuraavien vaiheiden yhdistelmästä: että analysaattorissa muodostetaan jokaiselle pyyhkäisy-juovaan tulevalle peräkkäiselle kappaleelle tunnuslukuryhmä, joka käsittää joukon binäärisiä tunnuslukuja, jotka edustavat pyyhkäisy-juovassa olevan kappaleen reunoja sekä muita valittuja luokitus-suureita, jotka suureet on valittu etukäteen mainitun fysikaalisen ominaisuuden perusteella; että kunkin kappaleen digitaaliset luoki-tussuureet käsitellään rekursiivisesti reaaliajassa kappaleelle osoitetussa vastaavassa mikroprosessorissa kappaleen kulkiessa anturin pyyhkäisyjuovan läpi, jolloin kukin mikroprosessori on varattu määrätylle kappaleelle läpikulun ajaksi riippumatta kappaleen sijainnista, ja käsittelyä varten valitaan se tunnuslukuryhmä, joka vastaa kyseistä kappaletta reunojen sijainnin tunnuslukujen perusteella; että kukin kappale luokitellaan sen läpikulun jälkeen vertaamalla kappaleelle osoitetun mikroprosessorin antamia tuloksia samaan mikroprosessoriin varastoituihin luokituskriteereihin sekä annetaan luokitustulos pääprosessorille edelleenkäsittelyä varten, jolloin mainitut kriteerit on annettu kullekin mikroprosessorille pääprosessorilta; ja että kappaleen läpikulun sekä reaaliajassa tapahtuneen luokituksen jälkeen vastaava mikroprosessori vapautetaan jonottamaan pääprosessorin valvonnassa osoitusta luokituksen suorittamiseksi uudelle mielivaltaisesti sijaitsevalle, anturin pyyhkäisy-juovaan saapuneelle kappaleelle.
Keksinnön mukaisen laitteen tunnusmerkit ilmenevät patenttivaatimuksesta 5.
Esillä olevan keksinnön mukaan siis jokaista käsiteltävää kohdetta vastaa oma prosessori. Aktiivisena olevien prosessoreiden lukumäärä riippuu kohteiden lukumää- 6 67043 rästä. Rinnakkain käsiteltävien kohteiden lukumäärää voidaan lisätä lisäämällä rinnakkaisia prosessoreita. Lisäksi keksinnön tehokkuus ja nopeus perustuu systeemin väylärakenteeseen. Mainittakoon, että systeemin hinta pysyy varsin kohtuullisena johtuen nykyisistä prosessorien halvoista hinnoista.
Keksintöä ja sen muita piirteitä ja etuja selostetaan seuraavassa lähemmin esimerkkien muodossa viitaten oheisiin piirustuksiin, joissa kuvio 1 esittää keksinnön mukaista järjestelmää lohkokaavion muodossa , kuvio 2 esittää järjestelmän osaa yksityiskohtaisemmin, ja kuvio 3 esittää kuvion 2 selitykseen liittyviä käyrämuotoja.
Kuviossa 1 tarkoittaa: 1. Anturi, joka voi olla tunnettua tyyppiä ajankohtaisen fysikaalisen ominaisuuden havaitsemiseksi. Anturista saadaan analogisia ja/tai digitaalisia sähkösignaaleja tunnetulla tavalla.
2. Juova-analysaattori, joka reaaliajassa analysoi anturista juovit-tain saatuja sähköisiä signaaleja, joista muodostetaan digitaalimuodossa luokitteluyksikölle lähetettäviä tunnuslukuja.
3. Mikroprosessoreita sisältävät luokitteluyksiköt, jotka suorittavat yksilön luokittelun juova-analysaattorista saadun digitaalisen informaation perusteella. Näitä voi olla useita samanlaisia, mutta ainakin yhtä monta kuin anturin pyyhkäisyjuovassa esiintyvien yksilöiden suurin lukumäärä.
4. Pääprosessori, joka kerää luokitteluyksiköiltä saadut tulokset ja käsittelee näitä jatkotoimenpiteitä varten. Pääprosessori ilmoittaa myös luokitteluyksiköille ajankohtaiset luokkakriteerit.
5. Väylä, prosessorien keskinäistä ja juova-analysaattorin välistä kommunikointia varten.
6. Operointiyksikkö, jonka kautta ohjataan kojeiston toimintaa ja joka ilmoittaa siinä syntyneistä häiriöistä. Tänne voidaan syöttää myös manuaalisesti sellaisia luokittelukriteerejä, joita ei tarvitse hankkia anturin ohitse ajettujen mallikappaleiden avulla.
Keksinnön mukainen järjestelmä toimii seuraavasti: 67043
Kappaletavaran ohittaessa anturin 1 määrätyn levyisellä kulkuväylällä, anturi havaitsee sen kentässä olevat yksilöt, tehden säännöllisesti toistuvia pyyhkäisyjä kulkuväylän leveyssuunnassa. Seuraa-vassa yhtä tällaista pyyhkäisyä kulkuväylän laidasta laitaan kutsutaan pyyhkäisyjuovaksi tai vain juovaksi. Juovan alku- ja loppupisteet sekä sen ajallinen pituus sovitetaan tunnetuin tavoin anturin rakenteen sekä kappaletavaran leveyden ja kulkunopeuden mukaan. Ajallisesti juovan pituus on millisekunti-luokkaa, mutta myös pitkät aikavälit ovat mahdollisia.
Jokaisen juovan aikana anturi havaitsee sillä hetkellä juovalla olevien yksilöiden ajankohtaiset fysikaaliset ominaisuudet. Havaitseminen tapahtuu pisteittäin ja havaintopisteiden lukumäärä on anturin rakenteesta eli sen ns. erottelukyvystä riippuvainen. Anturi muuntaa tunnetuin tavoin juovan jokaisessa havaintopisteessä havaitun fysikaalisen tilan intensiteetin tätä vastaavaksi sähköiseksi signaaliksi. Jos esimerkiksi havainto perustuu yksilöiden mielivaltaisesti vaihtelevaan tummuus/vaaleus-sävyyn taustan vakiosävyyn verrattuna, anturi muodostaa juovan jokaisessa pisteessä tähän sävyeroon verrannollisen sähköisen signaalin. Tässä tapauksessa anturi voi olla esimerkiksi ns. valodiodikamera. Vastaavasti pyritään muillakin jatkuvasti ja juovittain pyyhkäisevillä anturijärjestelmillä aikaansaamaan kyseessä olevaan fysikaaliseen ilmiöön verrannollisia sähköisiä signaaleja.
Analysaattorissa 2 käsitellään anturista 1 tulevia signaaleja sähköisesti reaaliajassa ja jokaisella pyyhkäisyllä muodostetaan jokaisesta kuvakentässä olevasta kappaleesta N kpl binäärisiä tunnuslukuja juovan havaintopisteistä saadun tiedon perusteella. Näistä tunnusluvuista esimerkiksi kaksi ensimmäistä voivat ilmaista vksilön reunojen paikat juovalla. Muut tunnusluvut ilmaisevat reunojen välillä olevien ja samaan yksilöön kuuluvien havaintopisteiden fysikaalista tilaa joko huippu-, keski-, varianssi- tai muun tarkoituksenmukaisen arvon muodossa. Jokaista juova-analysaattorin muodostamaa N kpl binääristä tunnuslukua sisältävää tunnuslukuryhmää kutsutaan seuraavassa mittaustulokseksi.
Mittaustuloksen tunnusluvut muodostetaan erillisillä piirikorteilla. Tunnusluvut muodostetaan tunnetuin periaattein piirikorttien komponenttien ja näitten keskenäisten kytkentöjen tarkoituksenmukaisella valinnalla, esimerkiksi kondensaattorien integroituun varausmäärään 67043 ja näin saatuihin täsmällisiin hetkellisiin sähkösuureisiin perustuen. Mittaustuloksen tunnuslukujen järjestys ja näitten lähtöjärjes-tys seuraavaan käsittely-yksikköön määräytyy piirikorttien paikasta juova-analysaattorissa. Piirikortit ovat helposti vaihdettavissa, joten tunnuslukulaji voidaan nopeasti muuttaa tarpeen mukaan.
Juova-analysaattori aloittaa mittauksen muodostamalla ensiksi juovassa olevan yksilön etureunan tunnusluvun. Tämän jälkeen seuraa välipisteiden mittaus ja lopuksi saman yksilön takareunan mittaus. Juova-analysaattorin todettua, että myös takareuna on mitattu tapahtuu välittömästi mittaustuloksen siirto väylän 5 ns. lähtöpuskuriin ja samanaikaisesti juova-analysaattori asettaa väylään myös "mittaustulokset valmiit"-signaalin.
Koska keksinnön mukainen järjestelmä on oppiva, mittaustuloksien jatkokäsittely yllä olevasta tilanteesta voi tapahtua kahta eri tietä. Kyseessä olevat jatkotilanteet ovat opetusvaihe ja luokitusvai-he, joista ensimmäistä selitetään ensiksi.
Opetusvaihe
Tilanne "opetusvaihe" asetetaan operointiyksikön 6 avulla. Tämä tilanne merkitsee sitä, että anturin ohitse ajetaan määrätty erä malli-yksilöitä, joista saadaan mittaustuloksia yllä selitetyllä tavalla. Operointiyksikköön asetetaan myös malliyksiköiden lukumäärä jokaisessa samaan luokkaan kuuluvassa mallierässä sekä myös näitten malli-erien eli luokkien lukumäärä.
Mittaustuloksien ollessa valmiina väylän 5 lähtöpuskurissa ja tiedon tästä lähdettyä väylään yllä selitetyllä tavalla, pääprosessori 4 määrää mille luokitteluyksikölle 3 mittaustulokset siirtyvät. Tämä tapahtuu luokitteluyksiköiden ns. osoitteen perusteella. Luokittelu-yksiköiden tunnistamista varten jokaisella on oma binäärinen tunnuksensa eli osoitteensa. Järjestelmää käynnistettäessä pääprosessori 4 asettaa kaikkien luokitteluyksiköiden osoitteet muistiin. Kappaletavaran ensimmäisen yksilön tultua anturin kuva*kenttään, ja mittaustuloksen välittömästi siirryttyä edellä mainittuun väylän 5 lähtö-puskuriin, pääprosessori antaa luokittelutehtävän odotusjonon ensimmäiselle luokitteluyksikölle. Seuraavan kuvakenttään tulevan yksilön käsittely annetaan odotusjonon toiselle luokitteluyksikölle jne.
67043
Tehtävän vastaanottanut luokitteluyksikkö lukee ja tallettaa muistiinsa lähtöpuskurissa olevan mittaustuloksen sekä ilmoittaa väylän 5 kautta, että se on varannut yksilön. Vastaavaa tapahtuu muille saman hetken juovasta saatujen muiden kappaletavaran yksilöiden mittaustuloksille ja jokaiselle tällaiselle yksilölle samalla tavalla varatun luokitteluyksikön kohdalla.
Yksilön kulkiessa jatkuvasti anturin ohitse ja uusien juovien näin ollen jatkuvasti muodostuessa sekä vastaavien mittaustuloksien jatkuvasti siirtyessä väylän 5 lähtöpuskuriin, kukin luokitteluyksikkö 3 suoraan, ilman pääprosessorin 4 välitystä, poimii lähtöpuskurista juuri sille kuuluvat mittaustulokset. Tämä tapahtuu edellä mainittujen yksilön reunojen tunnuslukujen ja näitten jatkuvuuden perusteella. Edellytyksenä tällöin on, etteivät kappaletavaran yksilöt kosketa toisiaan, ja että taustan edustama intensiteetti riittävästi poikkeaa yksilöiden intensiteetistä. Tunnistaessaan yksilön omakseen kyseessä oleva luokitteluyksikkö jälleen ilmoittaa väylän 5 kautta, että se on tunnistanut yksilön, mittaustuloksien käsittelyä varten.
Mittaustuloksien näin siirtyessä kullekin luokitteluyksilölle ohituksen aikana tämä rekursiivisesti laskee ja tallettaa muistiinsa mittaustuloksien perusteella lasketut arvot. Tämä jatkuu, kunnes yksilö kokonaisuudessaan on ohittanut anturin, eikä sille kuuluvia mittaustuloksia enää muodostu, ts. silloin kun seuraavan juovan mittaustuloksien sarjassa ei enää ole kyseessä olevalle luokittelu-yksikölle kuuluvia mittaustuloksia. Todettuaan tämän luokitteluyksikkö jää odottamaan lupaa lähettää lasketut tulokset eteenpäin pääprosessorille.
Pääprosessori lähettää ajoittain kyselyn luokitteluyksiköille- Kun odottamassa oleva yksikkö saa kyselyn,se lähettää tulokset pääprosessorille väylää pitkin, ja luokitteluyksikkö palaa alkutilaansa. Tämän tapahduttua pääprosessori asettaa vapautuneen luokitteluyksikön viimeiseksi edellä mainittuun odotusjonoon odottamaan seuraavaa luokittelutehtävää. Näin tapahtuu jokaisen luokitteluyksikön kohdalla mittaustuloksien loputtua. Uuden yksilön tultua anturin juovaan pääprosessori toteaa, ettei mikään luokitteluyksikkö ole varannut tätä itselleen ja antaa tällöin tämän yksilön luokittelutehtävän odotusjonossa ensimmäisenä olevalle luokitteluyksikölle.
10 67043
Toiminnan jatkuessa selitetyllä tavalla, pääprosessori 4 rekisteröi tietoa antaneiden luokitteluyksilöiden lukumäärän. Tämän lukumäärän ollessa yhtä suuri kuin operointiyksikköön 6 asetettu lukumäärä, pääprosessori 4 ei enää ota vastaan tietoja luokitteluyksiköiltä, vaan katsoo, että malliyksikköerä on ohittanut anturin. Luokittelu-yksiköiltä saatujen keskiarvojen perusteella pääprosessori 4 ryhtyy nyt laskemaan ns. luokkavektorit eli ne lopulliset binääriset tunnusluvut, jotka mittaustuloksien kautta saadun tilastollisen aineiston pohjalta parhaiten kuvaavat kyseessä olevaa luokkaa. Näitä luokka-vektoreita voidaan myös kutsua luokkakriteereiksi ja ovat lajiltaan täsmälleen samat kuin juova-analysaattorin 2 antamat lajit eli edellisen esimerkin mukaan huippuarvo, keskiarvo ja varianssi jne. Pääprosessorin todettua, että operointiyksikköön 6 asetettu malliyksi-löiden lukumäärää on käytetty myös luokkavektorien laskemisen pohjana, se siirtää lopputuloksen lähtörekisteriinsä.
Vastaava toiminta tapahtuu seuraavan luokan luokkavektorien muodostamiseksi tähän luokkaan kuuluvien malliyksilöiden pohjalta. Ennen uuden luokan malliyksilöiden käsittelyä järjestelmä asettuu alkutilaan, joten malliyksilöerät voidaan siis sijoittaa peräkkäin kulkuväylälle.
Pääprosessorin 4 todettua, että operointiyksikköön 6 asetettujen luokkien lukumäärä on saavutettu käsittelyssä ja näin ollen vastaava luokkavektorimäärä laskettu ja siirretty sen lähtörekisteriin, kaikki luokkavektorit siirtyvät jokaisen luokitteluyksikön 3 refe-renssimuistiin. Tämän tapahduttua järjestelmä on valmiina varsinaiseen luokitteluun ts. opetusvaihe on suoritettu.
Tarpeen vaatiessa voidaan mainittuja luokkavektoreita vastaavat tunnusluvut myös siirtää operointiyksikön 6 avulla suoraan luokittelu-yksikköjen 3 referenssimuistiin, ilman malliyksilöiden ja näitten perusteella yllä selitetyllä tavalla saatujen luokkavektorien käyttöä.
Luokitusvaihe
Tilanne "luokitusvaihe" asetetaan operointiyksikön 6 avulla. Tämä tilanne merkitsee sitä, että anturin ohitse ajetaan varsinainen luokiteltava kappaletavara, jossa yksilöiden lukumäärä ja sijainti kulkuväylällä on mielivaltainen. Ainoa edellytys on, etteivät yksilöt kosketa toinen toistaan.
11 67043 Käsittely-yksikköjen toiminta ja vuorovaikutus tapahtuvat tässä vaiheessa täsmälleen samojen periaatteiden mukaan kuin opetusvaiheessa. Ainoa poikkeus on, että pääprosessori 4 ei tässä vaiheessa laske mainittuja luokkavektoreita, koska kappaletavaran koostumus on nyt laadultaan satunnainen ja sen luokittelua varten tarvittavat kriteerit saatettu opetusvaiheessa luokitteluyksikköjen referenssimuistiin. Näin ollen luokitteluyksiköt, luettuaan ja talletettuaan väylän 5 lähtöpuskurista saadut yhden ja saman yksilön mittaustulokset sekä laskettuaan näitten perusteella kyseessä olevalle yksilölle kuuluvat keskiarvot vastaavassa binäärisessä muodossa, pystyvät itse määräämään yksilön luokan, vertaamalla mainittuja keskiarvoja referenssi-muistissa olevien luokitusvektorien vastaaviin binäärisiin tunnuslukuihin .
Luokittelun tapahduttua tieto luokasta siirtyy luokitteluyksikön 3 lähtörekisteriin ja tästä edelleen väylän 5 kautta pääprosessoriin 4 opetusvaiheessa selitetyllä tavalla. Tämän jälkeen luokitteluyk-sikkö palaa alkutilaansa ja asettuu pääprosessorin määräämään odotus jonoon edellisen mukaisesti.
Saatuaan tiedon yksilön luokasta tälle yksilölle tilapäisesti varatulta luokitteluyksiköltä, pääprosessori 4 suorittaa käskyn jatkotoimenpiteitä varten. Tällainen toimenpide voi olla esimerkiksi yksilön poistaminen kappaletavaran kulkuväylältä sen saavuttua määrättyyn kohtaan.
Edellisessä on selitetty keksinnön mukaisen luokittelijan periaatteellinen toiminta. Varsinaisena etuna tunnettuun tekniikan tasoon verrattuna on se, että kappaletavaran jokaiselle ja sen kulkuväylällä mielivaltaisesti sijoitetulle yksilölle on mittauksen ajaksi varattu oma luokitteluyksikkönsä, joka talletettuaan malliyksilöiden avulla saadut luokittelukriteerit itse pystyy suorittamaan tarvittavan luokittelun ollessaan tämän jälkeen vapaana suorittamaan seuraavan mielivaltaisesti sijoitetun yksilön luokittelun.
Keksinnön mukaisen luokitusmenetelmän tarkoituksenmukaisuus ja luotettavuus ©n todettu rakennetulla prototyypillä. Tätä prototyyppiä kuvataan seuraavassa viittaamalla kuvioihin 2 ja 3.
Kuviossa 2 on analysaattorikytkennän tarkempi lohkokaavio. Kamerasta 67043 tulevat analysaattoriin signaalit 13, 14, 15 ja 16. Näiden merkitys selviää kuviosta 3. VIDEO-signaali on sensorista saatava kohteen valointensiteettiin verrannollinen analogiasignaali.KAPPALE-signaali määrää näytteenottotaajuuden.PYYHKÄISY- signaali ilmaisee milloin pyyh-käisy on päällä, ts. signaali on '0' pyyhkäisyjen välillä. KAPPALE-signaali ilmaisee, milloin kuvassa on kappale. Signaalin leikkaustaso on aseteltavissa sinänsä tunnetulla tavalla.
Lohkossa 7 kameran videosignaali vahvistetaan (20) . Kappaleen alku- ja loppureunan kohdalla muodostetaan pulssit 18 ja 19. Signaali 17 on puskuroitu kamerasta tuleva KAPPALE-signaali, joka lähetetään luokit-teluyksiköille.
Lohko 8 tahdistaa analysaattorin kameran kelloon 15. Signaali 22 ilmoittaa luokitteluyksiköille, milloin pyyhkäisy on päällä.
Lohko 9 ilmaisee, missä kohtaa pyyhkäisyaluetta oli kappaleen alku- ja loppureuna. Nämä arvot talletetaan puskureihin odottamaan lukua dataväylälle 5.
Lohko 10 integroi kappaleen keskimääräisen vaaleuden videosignaalista 20. Signaali 17 ilmoittaa integrointiajan. Analogisesti muodostettu integraali muunnetaan digitaalimuotoon ja talletetaan puskuriin odottamaan lukua väylälle.
Lohko 11 mittaa videosignaalin huippuarvon kunkin kappaleen kohdalla ja muuttaa sen digitaalimuotoon. Tulos talletetaan puskuriin.
Lohko 12 laskee videosignaalin varianssin jokaiselle kappaleelle analogisesti. Digitaalimuotoon muunnettu varianssi talletetaan lähtöpusku-riin.
Tämänhetkisessä prototyypissä on edellä luetellut tunnuslukukuloh-kot (lohkot 9-12) . Kuten kuviosta 2 selviää, voidaan analysaattoriin lisätä muita analysoinnin kannalta mahdollisesti merkittäviä tunnus-lukulohkoja.
Kun kunkin lohkon tunnusluku on valmiina puskurissa, lähettää lohko tiedon tästä ohjauslogiikalle 27 (signaaleilla 23-26). Kun ohjaus-logiikka on saanut tiedon kaikilta lohkoilta, se generoi luokittelu- 13 67043 yksiköille datojen lukupulssit 28 ja avaa vuorotellen kunkin lähtö- puskurin dataväylään 5.
Käytännön kokeissa on kappaletavaran kulkuväylässä käytetty pyörivää telaa, jonka kierroslukua voidaan portaattomasti säätää kehänopeuk-sien 0-5 m/s välillä. Telan halkaisija on 350 mm ja sen pituus 1200 mm.
Telan mustaksi maalattuun pintaan kiinnitetään havaittavat koeyksi-löt mielivaltaisiin kohtiin.
Koska luokittelijan tarve ensisijaisesti pohjautuu kalkkikivimurskeen lajitteluun, on prototyyppijärjestelmä ensimmäisessä ja menossa olevassa koevaiheessa sovittu kappaletavaran yksilöiden tummuus/vaaleus-sävyeroon luokittelun aikaansaamiseksi. Näin ollen tässä vaiheessa käytetään anturina valodiodikameraa Reticon LC 100, joka noin 2 m:n etäisyydellä telasta ja sijoitettuna sen (=kulkuväylän) keskiviivalle havaitsee telan sopivasti valaistuun pintaan kiinnitetyt koekappaleet. Kameran pyyhkäisyaika eli juovan ajallinen pituus ja palautus- aika .ovat erikseen säädettävissä. Näiden yhteenlaskettu minimiaika on n. 1 ms.
Juova-analysaattorin muodostama tunnuslukumäärä on N=5 kpl, jotka kullekin juovassa olevalle koeyksilölle ilmaisevat tämän pinnan valo-intensiteetin telan mustaan taustaan nähden. Prototyyppijärjestelmässä siis mitataan kameran havaintokentällä esiintyvän heijastuneen valon intensiteetti taustan vastaavan intensiteetin ollessa referenssinä. Kamerasta saadaan sähköisiä signaaleja. Juova-analysaattorissa signaalit muunnetaan mainittuihin binäärisiin tunnuslukuihin, jotka mittaustuloksena esittävät kameran juovassa olevan jokaisen koeyksilön etureunan paikkaa, takareunan paikkaa, intensiteetin huippuarvoa, intensiteetin keskiarvoa ja intensiteetin varianssia. Nämä tunnusluvut muodostetaan sitä mukaa kun ne saapuvat kamerasta pyyh-käisyn aikana ts. reaaliajassa.
Luokitteluyksikcitä on 3 kpl, jotka kukin voidaan ohjelmoida kahden luokan erottamista varten.
Koska prototyyppi on vastavalmistunut,sillä ei toistaiseksi ole eh ditty suorittaa järjestelmällisiä kokeita kvantitatiivisien tulok sien esittämiseksi sen tarkoituksenmukaisuudesta. Seuraavassa esite- tään kuitenkin muutamia kvalitatiivisia esimerkkejä tähänastisista tuloksista.
67043
Esimerkki 1
Prototyyppijärjestelmän kyky muodostaa siinä huomioonotetun kahden luokan luokkakriteerejä visuaalisesti ilmeisimmässä tapauksessa, kokeltiin valkoisella kalkkikivellä ja huomattavasti tummemmalla jätekivellä. Kaikki kivet otettiin satunnaisesti niistä siiloista, jonne ne tuotannossa silmin ja käsin suoritetun lajittelun tuloksena oli siirretty. Suoritettiin kaksi ajoa, joista toinen vain kalkkikivellä ja toinen vain jätekivellä järjestelmän ollessa opetustilassa.
Kummassakin ajossa sijoitettiin luokitteluyksikköjen lukumäärään sopivan kivierän yksilöt telan mielivaltaisiin kohtiin. Telaa valaistiin kahdella halogeenivalaisimella.
Todettiin, että molempien kivilajien luokkakriteerit olivat siirtyneet kaikkien luokitteluyksikköjen referenssimuistiin yhden kierroksen aikana eli . siinä ajassa jolloin kivierät kokonai suudessaan olivat ohittaneet anturin ts. reaaliajassa.
Todettiin myös, että tässä selvässä tapauksessa pelkästään heijastuneen valon intensiteetin keskiarvo riitti haluttujen luokkakriteerien muodostamiseksi ts. pelkällä keskiarvolla päästiin saamaan tunnistus-tarkkuutteen kuin visuaalisesti tehdyssä luokituksessa. Huippuja varianssiarvojen vaihtelu antoi kuitenkin aihetta olettamukseen, että koneellisesti suoritettu luokitus johtaa tarkempaan erotteluun.
Esimerkki 2
Esimerkin 1 mukaan muodostetut luokkakriteerit säilytettiin luokitteluyksikköjen referenssimuistissa ja telaan sijoitettiin uusi erä samoista siiloista satunnaisesti otettuja kiviä. Tällä kertaa kalkki-ja jätekivet ajettiin yhteisesti samassa ajassa järjestelmän ollessa luokitustilassa.
Todettiin, että luokittelu tapahtui reaaliajassa ja että hyväksyttyjen kivien eli kalkkikivien laatu oli tasaisempi kuin käsipoiminnal-la aikaansaatu laatu. Hylättyjen kivien lukumäärä oli ts. suhteellisesti suurempi. Todettiin myös, että tämän tuloksen aikaansaamiseksi riitti pelkkä keskiarvo.
67043 15
Esimerkki 3 Järjestelmän kyvyn toteamiseksi toisessa ääritapauksessa ts. jolloin yksilöt ovat kaikki "valkoiset", mutta käyttölaadultaan erilaiset, suoritettiin kaksi esim. l:n mukaista ajoa, joista toinen puhtaalla kalkkikivellä ja toinen puhtaalla wollastoniittikivellä. Molemmat kivilajit ovat "valkoiset" eikä tottumaton silmä voi niitä helposti erottaa toisistaan.
Todettiin, että luokkakriteerit olivat siirtyneet esimerkin 1 mukaisesti. Todettiin myös, ettei pelkkä keskiarvo riitä halutun luokan määrittelemiseksi.
Esimerkki 4
Esimerkin 3 mukaan muodostetut luokkakriteerit säilytettiin luokitte-luyksikköjen referenssimuistissa ja uusi erä kalkki- ja wollasto-niittikiveä ajettiin yhteisesti esimerkin 2 mukaisesti.
Todettiin, että koneellisessa luokituksessa päästiin tasaisempaan laatuun kuin saman erän visuaalisessa luokituksessa. Todettiin myös, että varianssiarvolla oli ratkaiseva merkitys kivilajien luokittelussa haluttujen käyttöominaisuuksien rikastamiseksi.
Claims (5)
1. Menetelmä yhdensuuntaisessa liiketilassa olevien kappaleiden tunnistamiseksi ja luokittelemiseksi fysikaalisen ominaisuuden perusteella, jotka kappaleet ovat satunnaisesti jakautuneet sekä ovat jatkuvassa yhdensuuntaisessa liiketilassa taustaa vasten, jonka vastaava fysikaalinen ominaisuus eroaa riittävästi tunnistettavista kappaleista, jotta kappaleiden ääriviivat voitaisiin tunnistaa, jolloin kappaleiden kulkutietä havaitaan anturilla (1), joka pyyhkäisee kulkutietä poikittain sekä reaaliajassa luovuttaa pyykäisyjuovan jokaisessa anturin erottelukyvyn määräämässä pisteessä siinä havaittuun fysikaaliseen suureeseen verrannollisen analogisen sähkösignaalin, jolloin mainitut sähkö-signaalit muutetaan digitaaliseen muotoon sekä käsitellään jatkuvasti reaaliajassa analysaattorilla (2), joukolla mikroproses-soreita (3), pääprosessorilla (4) sekä ohjausyksiköllä (6), tunnettu seuraavien vaiheiden yhdistelmästä, että analysaattorissa (2) muodostetaan jokaiselle pyyhkäisyjuovaan tulevalle peräkkäiselle kappaleelle tunnuslukuryhmä, joka käsittää joukon binäärisiä tunnuslukuja, jotka edustavat pyyhkäisy juovassa olevan kappaleen reunoja sekä muita valittuja luo-kitussuureita, jotka suureet on valittu etukäteen mainitun fysikaalisen ominaisuuden perusteella; että kunkin kappaleen digitaaliset luokitussuureet käsitellään rekursiivisesti reaaliajassa kappaleelle osoitetussa vastaavassa mikroprosessorissa (3) kappaleen kulkiessa anturin pyyhkäisyjuovan läpi, jolloin kukin mikroprosessori on varattu määrätylle kappaleelle läpikulun ajaksi riippumatta kappaleen sijainnista, ja käsittelyä varten valitaan se tunnuslukuryhmä, joka vastaa kyseistä kappaletta reunojen sijainnin tunnuslukujen perusteella; että kukin kappale luokitellaan sen läpikulun jälkeen vertaamalla kappaleelle osoitetun mikroprosessorin (3) antamia tuloksia samaan mikroprosessoriin varastoituihin luokituskriteereihin sekä annetaan luokitustulos pääprosessorille edelleenkäsittelyä varten, jolloin mainitut kriteerit on annettu kullekin mikroprosessorille (3) pääprosessorilta (4); ja että kappaleen läpikulun sekä reaaliajassa tapahtuneen luokituksen jälkeen vastaava mikroprosessori vapautetaan jonottamaan pääprosessorin (4) valvonnassa osoitusta luokituksen suorittamiseksi uudelle mielivaltaisesti sijaitsevalle, anturin (1) pyyhkäisyjuovaan saapuneelle kappaleelle. 17 67043
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että mainitut tunnuslukuryhmät kukin käsittävät tunnuslukuja, jotka edustavat pyyhkäisyjuovassa olevan kappaleen kyseisen fysikaalisen ominaisuuden intensiteetin huippua, keskiarvoa tai varianssia, samoin kuin kappaleen reunojen sijaintia.
3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnet-t u siitä, että kun binääriset tunnusluvut on muodostettu, ne siirretään välittömästi kyseiselle mikroprosessorille (3), joka on varattu kappaleelle tämän läpikulun ajaksi.
4. Jonkin edellä olevan patenttivaatimuksen mukainen menetelmä, jossa luokituskriteerit saadaan opettamalla mikroprosessoreita (3), tunnettu siitä, että mielivaltaisesti järjestettyjen, ennakolta valittujen vertailukappaleiden erä kuljetetaan anturin (1) ohi, muodostetaan havaintotuloksia mikroprosessoreissa (3) sekä siirretään mainitut tulokset pääprosessorille (4) yhteisten luoki-tuskriteerien muodostamista varten, jonka jälkeen menetelmä suoritetaan patenttivaatimuksen 1 mukaisesti.
5. Laite patenttivaatimuksen 1 mukaisen menetelmän suorittamista varten, joka laite käsittää kappaleiden kulkuväylää pyyhkäisevän, luokittelun perustaksi otetulle fysikaaliselle ominaisuudelle sopivan anturin (1), joka muodostaa havaittua fysikaalista suuretta vastaavan muuttuvan sähkösignaalin, tunnettu yhdistelmästä, johon kuuluvat analysaattori (2), joka on sovitettu muuttamaan muuttuva sähkösignaali tunnuslukuryhmäksi anturin pyyhkäisyjuovassa olevalle kullekin kappaleelle, jolloin jokainen tunnuslukuryhmä käsittää N tunnuslukua, jotka edustavat pyyh-käisyjuovassa olevan kappaleen reunojen paikkoja samoin kuin kappaleen muita valittuja ominaisuuksia; joukko mikroprosessoreita (3) kappaleiden luokituksen suorittamiseksi binäärisignaalin perusteella, jolloin kukin mikroprosessori (3) on sovitettu suorittamaan luokitusoperaatio rekursiivisena prosessina tietyn luokiteltavan kappaleen informaation perusteella, joka informaatio tunnistetaan reunojen sijaintia edustavien tunnuslukujen avulla; sekä pääprosessori (4), joka on sovitettu vastaanottamaan tietoja eri mikroprosessoreilta (3) sekä ohjaamaan mikroprosessoreita niin, että kukin mikroprosessori, välittömästi yhden kappaleen luokituksen suorittamisen jälkeen, vapautetaan sekä sen jälkeen 67043 18 osoitetaan luokitusta varten seuraavalle, pyyhkäisyjuovaan tulevalle, kulkuväylälle mielivaltaisesti sijaitsevalle kappaleelle.
Priority Applications (15)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI792621A FI67043C (fi) | 1979-08-22 | 1979-08-22 | Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse |
NO802398A NO802398L (no) | 1979-08-22 | 1980-08-11 | Fremgangsmaate og anordning til aa klassifisere stykkformet gods i bevegelse |
EP80302828A EP0025284A1 (en) | 1979-08-22 | 1980-08-15 | A method and apparatus for the classification of articles which are in a state of motion |
ZA00805081A ZA805081B (en) | 1979-08-22 | 1980-08-19 | A method and apparatus for the clasification of piece goods which are in a state of motion |
AU61589/80A AU6158980A (en) | 1979-08-22 | 1980-08-20 | Piece goods classification |
GR62711A GR69604B (fi) | 1979-08-22 | 1980-08-20 | |
MX183629A MX147872A (es) | 1979-08-22 | 1980-08-21 | Mejoras en metodo y aparato para la clasificacion de mercancias por piezas que estan en movimiento |
JP11410580A JPS5633068A (en) | 1979-08-22 | 1980-08-21 | Method and device for classifying piece under moving condition |
BR8005313A BR8005313A (pt) | 1979-08-22 | 1980-08-21 | Processo para identificacao e classificacao, a base de uma propriedade fisica, de pecas de mercadoria e aparelho para a realizacao do processo |
CA000358779A CA1144652A (en) | 1979-08-22 | 1980-08-21 | Method and apparatus for the classification of piece goods which are in a state of motion |
DD80223439A DD152870A1 (de) | 1979-08-22 | 1980-08-21 | Verfahren und vorrichtung zum klassieren in bewegung befindlichen stueckgutes |
ES494895A ES8104924A1 (es) | 1979-08-22 | 1980-08-22 | Metodo y aparato para la clasificacion de mercancias por piezas que estan en estado de movimiento |
PL22636880A PL226368A1 (fi) | 1979-08-22 | 1980-08-22 | |
DK362980A DK362980A (da) | 1979-08-22 | 1980-08-22 | Fremgangsmaade og apparat til klassificering af stykvarer som er i en bevaegelsestilstand |
US06/518,974 US4514816A (en) | 1979-08-22 | 1983-08-01 | Method and apparatus for the classification of piece goods which are in a state of motion |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI792621A FI67043C (fi) | 1979-08-22 | 1979-08-22 | Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse |
FI792621 | 1979-08-22 |
Publications (3)
Publication Number | Publication Date |
---|---|
FI792621A FI792621A (fi) | 1981-02-23 |
FI67043B FI67043B (fi) | 1984-09-28 |
FI67043C true FI67043C (fi) | 1985-01-10 |
Family
ID=8512848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI792621A FI67043C (fi) | 1979-08-22 | 1979-08-22 | Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse |
Country Status (15)
Country | Link |
---|---|
US (1) | US4514816A (fi) |
EP (1) | EP0025284A1 (fi) |
JP (1) | JPS5633068A (fi) |
AU (1) | AU6158980A (fi) |
BR (1) | BR8005313A (fi) |
CA (1) | CA1144652A (fi) |
DD (1) | DD152870A1 (fi) |
DK (1) | DK362980A (fi) |
ES (1) | ES8104924A1 (fi) |
FI (1) | FI67043C (fi) |
GR (1) | GR69604B (fi) |
MX (1) | MX147872A (fi) |
NO (1) | NO802398L (fi) |
PL (1) | PL226368A1 (fi) |
ZA (1) | ZA805081B (fi) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1205622B (it) * | 1982-12-21 | 1989-03-23 | Illycaffe Spa | Procedimento per effettuare una selezione in un materiale granuliforme e macchina per attuare il procedimento |
US4672553A (en) * | 1983-02-03 | 1987-06-09 | Goody Products, Inc. | Order processing method and apparatus |
US4627007A (en) * | 1984-02-29 | 1986-12-02 | Swift & Company | System for processing poultry carcasses |
SE8401410L (sv) * | 1984-03-14 | 1985-09-15 | Svenska Traeforskningsinst | Sett att meta storleksfordelning |
US4661913A (en) * | 1984-09-11 | 1987-04-28 | Becton, Dickinson And Company | Apparatus and method for the detection and classification of articles using flow cytometry techniques |
US4807163A (en) * | 1985-07-30 | 1989-02-21 | Gibbons Robert D | Method and apparatus for digital analysis of multiple component visible fields |
DK155274C (da) * | 1986-05-30 | 1989-07-31 | Stormax Int As | Apparat til kontrol af traeemne |
US4987539A (en) * | 1987-08-05 | 1991-01-22 | Stanford University | Apparatus and method for multidimensional characterization of objects in real time |
US4926350A (en) * | 1987-09-14 | 1990-05-15 | Metriguard, Inc. | Non-destructive testing methods for lumber |
FR2624608A1 (fr) * | 1987-12-11 | 1989-06-16 | Tech Bois Ameublement Centre | Dispositif de detection automatique de defauts dans un lot heterogene d'objets |
US5085325A (en) * | 1988-03-08 | 1992-02-04 | Simco/Ramic Corporation | Color sorting system and method |
US4975863A (en) * | 1988-06-16 | 1990-12-04 | Louisiana State University And Agricultural And Mechanical College | System and process for grain examination |
FR2709472B1 (fr) * | 1993-09-01 | 1996-02-23 | Paradigma | Procédé et dispositif pour contrôler des produits;, notamment plaquettes pharmaceutiques, en cours de transfert et machine ainsi équipée. |
EP0818028B1 (de) * | 1995-03-31 | 1999-06-16 | Fraunhofer-Gesellschaft Zur Förderung Der Angewandten Forschung E.V. | Verfahren zur grobklassifizierung von objekten |
US5703784A (en) * | 1995-10-30 | 1997-12-30 | The United States Of America As Represented By The Secretary Of Agriculture | Machine vision apparatus and method for sorting objects |
GB2401703B (en) * | 2000-06-30 | 2005-01-19 | Royal Mail Group Plc | Image processing |
US7996333B2 (en) * | 2001-04-13 | 2011-08-09 | United States Postal Service | Manifest delivery system and method |
US20040133528A1 (en) * | 2002-04-15 | 2004-07-08 | Peter Furka | Manifest delivery system and method |
JP3950832B2 (ja) * | 2002-10-08 | 2007-08-01 | ファナック株式会社 | ロボット制御装置 |
CA2438951A1 (en) * | 2003-08-29 | 2005-02-28 | Bob Richards | Feeder system and method |
CA2780202C (en) | 2012-06-19 | 2014-11-18 | Centre De Recherche Industrielle Du Quebec | Method and system for detecting the quality of debarking at the surface of a wooden log |
CO2021015534A1 (es) * | 2021-11-18 | 2023-05-19 | Hochschild Mining Holdings Ltd | Método y sistema de clasificación automática de rocas según sus minerales |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1152407A (en) * | 1968-02-02 | 1969-05-21 | Sphere Invest Ltd | Photometric Sorting Apparatus |
US3700866A (en) * | 1970-10-28 | 1972-10-24 | Texas Instruments Inc | Synthesized cascaded processor system |
US3747755A (en) * | 1971-12-27 | 1973-07-24 | Massachusetts Inst Technology | Apparatus for determining diffuse and specular reflections of infrared radiation from a sample to classify that sample |
US3845286A (en) * | 1973-02-05 | 1974-10-29 | Ibm | Manufacturing control system for processing workpieces |
JPS5628650B2 (fi) * | 1973-06-18 | 1981-07-03 | ||
US4195346A (en) * | 1976-03-25 | 1980-03-25 | Schroder Staffan H | Method and apparatus for sorting and classifying timber |
US4170306A (en) * | 1976-05-19 | 1979-10-09 | Ultra-Sort Corp. | Control apparatus for sorting products |
US4143770A (en) * | 1976-06-23 | 1979-03-13 | Hoffmann-La Roche Inc. | Method and apparatus for color recognition and defect detection of objects such as capsules |
GB1580441A (en) * | 1976-08-19 | 1980-12-03 | Ass Eng Ltd | Data processing |
US4132314A (en) * | 1977-06-13 | 1979-01-02 | Joerg Walter VON Beckmann | Electronic size and color sorter |
US4166541A (en) * | 1977-08-30 | 1979-09-04 | E. I. Du Pont De Nemours And Company | Binary patterned web inspection |
US4237539A (en) * | 1977-11-21 | 1980-12-02 | E. I. Du Pont De Nemours And Company | On-line web inspection system |
DE2903625A1 (de) * | 1978-02-03 | 1979-08-09 | Rush Presbyterian St Luke | Vorrichtung zur automatischen blutanalyse |
US4344539A (en) * | 1978-05-05 | 1982-08-17 | Lockett James F | Universal sorting apparatus |
-
1979
- 1979-08-22 FI FI792621A patent/FI67043C/fi not_active IP Right Cessation
-
1980
- 1980-08-11 NO NO802398A patent/NO802398L/no unknown
- 1980-08-15 EP EP80302828A patent/EP0025284A1/en not_active Withdrawn
- 1980-08-19 ZA ZA00805081A patent/ZA805081B/xx unknown
- 1980-08-20 GR GR62711A patent/GR69604B/el unknown
- 1980-08-20 AU AU61589/80A patent/AU6158980A/en not_active Abandoned
- 1980-08-21 CA CA000358779A patent/CA1144652A/en not_active Expired
- 1980-08-21 MX MX183629A patent/MX147872A/es unknown
- 1980-08-21 DD DD80223439A patent/DD152870A1/de unknown
- 1980-08-21 BR BR8005313A patent/BR8005313A/pt unknown
- 1980-08-21 JP JP11410580A patent/JPS5633068A/ja active Granted
- 1980-08-22 ES ES494895A patent/ES8104924A1/es not_active Expired
- 1980-08-22 DK DK362980A patent/DK362980A/da not_active Application Discontinuation
- 1980-08-22 PL PL22636880A patent/PL226368A1/xx unknown
-
1983
- 1983-08-01 US US06/518,974 patent/US4514816A/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
DK362980A (da) | 1981-02-23 |
ZA805081B (en) | 1981-09-30 |
CA1144652A (en) | 1983-04-12 |
JPS625674B2 (fi) | 1987-02-05 |
JPS5633068A (en) | 1981-04-03 |
EP0025284A1 (en) | 1981-03-18 |
NO802398L (no) | 1981-02-23 |
DD152870A1 (de) | 1981-12-09 |
PL226368A1 (fi) | 1981-05-22 |
MX147872A (es) | 1983-01-25 |
BR8005313A (pt) | 1981-03-04 |
US4514816A (en) | 1985-04-30 |
ES494895A0 (es) | 1981-06-01 |
FI792621A (fi) | 1981-02-23 |
AU6158980A (en) | 1981-04-09 |
ES8104924A1 (es) | 1981-06-01 |
GR69604B (fi) | 1982-07-05 |
FI67043B (fi) | 1984-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI67043C (fi) | Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse | |
Urbach et al. | Automatic detection of sub-km craters in high resolution planetary images | |
US4446481A (en) | Automatic product inspection system | |
Lee et al. | Automatic extraction of characters in complex scene images | |
JPH01199139A (ja) | 対象物の透明度のコントラストにより対象物を検査する方法に用いる回路 | |
CN110188609B (zh) | 一种杂草种子的检测方法 | |
Sharma et al. | Grain quality detection by using image processing for public distribution | |
CN105184765A (zh) | 检查设备、检查方法和程序 | |
CN104913797A (zh) | 指针式仪表的读数识别方法及系统 | |
CN102246186A (zh) | 物品识别方法和系统 | |
CN112588609B (zh) | 煤矸分选方法、装置及电子设备 | |
US5548691A (en) | Printing and print inspection apparatus | |
CN109064449B (zh) | 一种桥梁表面病害的检测方法 | |
CN106251333A (zh) | 元件反件检测方法和系统 | |
CA2051053A1 (en) | High resolution parts handling system | |
JP4405918B2 (ja) | 郵便物仕分け機で単一の郵便封筒と重なり合った郵便封筒を検出する方法 | |
CN104596877A (zh) | 一种烟叶中含梗率的无损检测方法和装置 | |
CN114332058A (zh) | 基于神经网络的血清质量识别方法、装置、设备及介质 | |
JPH05164677A (ja) | 粒状性物体の粒度分布測定方法 | |
EP0087442A1 (en) | Image analysis system | |
CN117129390A (zh) | 一种基于线阵摄像的降雨粒子实时监测系统及方法 | |
JP7345776B2 (ja) | 農産物の選別装置 | |
CN107192723B (zh) | 使用x射线的被检查对象物的判定装置以及判定方法 | |
JP2001076291A (ja) | 通行量測定システム | |
JPH0560537A (ja) | スルーホール検査装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM | Patent lapsed |
Owner name: OY PARTEK AB |