[go: up one dir, main page]

WO2015155389A1 - Sistema y procedimiento automatizado de clasificación de atunes congelados por especie - Google Patents

Sistema y procedimiento automatizado de clasificación de atunes congelados por especie Download PDF

Info

Publication number
WO2015155389A1
WO2015155389A1 PCT/ES2015/070188 ES2015070188W WO2015155389A1 WO 2015155389 A1 WO2015155389 A1 WO 2015155389A1 ES 2015070188 W ES2015070188 W ES 2015070188W WO 2015155389 A1 WO2015155389 A1 WO 2015155389A1
Authority
WO
WIPO (PCT)
Prior art keywords
tuna
laser beam
species
conveyor belt
image
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.)
Ceased
Application number
PCT/ES2015/070188
Other languages
English (en)
French (fr)
Inventor
Joaquín Gracia Salvador
Iñaki MINIÑO ARBILLA
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TECNOLOGIA MARINA XIMO SL
Original Assignee
TECNOLOGIA MARINA XIMO SL
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by TECNOLOGIA MARINA XIMO SL filed Critical TECNOLOGIA MARINA XIMO SL
Publication of WO2015155389A1 publication Critical patent/WO2015155389A1/es
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • 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
    • B07C5/04—Sorting according to size
    • B07C5/10—Sorting according to size measured by light-responsive means
    • 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
    • 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
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0081—Sorting of food items

Definitions

  • the present invention falls within the field of automatic classification systems for frozen tunas through the use of artificial vision.
  • the present invention proposes an automatic system that allows the separation of more important commercially frozen tuna species, depending on their species, size / weight or by specimens that present deformities that prevent its subsequent commercialization or specific processing.
  • patent documents US2008137104-A1, EP2559336-A1, CH701341 -A2, WO2012008843-A1 and US4934537-A disclose the use of artificial vision techniques to automatically identify fish.
  • cameras and lighting means are used to obtain images, which are analyzed and different parameters of the fish are obtained, such as biomass, dimensions of the fish (length, thickness), weight and defects or diseases.
  • the fish are driven by conveyor belts, or they move freely in the water, when the Identification and classification.
  • none of them carries out an identification of the tuna species, only with simpler parameters to identify such as weight, volume and deformities.
  • Patent document CN102749361 -A discloses an automatic method to identify the species of tuna, based on fish chopping, heating of the fish and analysis of the emitted gas, this being a complex, expensive and destructive method, since it requires chopped fish No methods of identifying tuna species by artificial vision techniques are known, given the enormous similarity between the species.
  • the present invention presents a solution that overcomes the limitations described above, being the first artificial vision system capable of identifying the specific species of frozen tunas.
  • it allows a separation by size and deformities.
  • separation by species the current process is carried out manually under the subjective criteria of the operators.
  • the eye and the human brain are able to distinguish, naturally and automatically, the specimens of a species of tuna and differentiate them from those of others.
  • the present invention is able to automatically identify these differences. For this, various studies of the biology of the species in which the different characteristics of shape and color that they may have were analyzed, in addition to studying their evolution throughout their growth, due to the possibility that significant changes occur in any of the morphological parameters.
  • frozen tunas have foreign elements attached, such as brine and frost, or they may have physical damage and deformities that make it difficult to identify the species of tuna.
  • the present invention allows detecting the presence of foreign elements (brine, frost, physical damage, etc.) adhered to the surface of the fish by acquiring and processing 3D images of the separated specimens to prevent these foreign elements from deceiving the system and produce an error in the identification of the species.
  • the separation by sizes currently in some processing plants the specimens are separated manually or by mechanical screening processes only in a few sizes. All those specimens with a weight greater than 20 kilograms are classified as of the same category, due to the impossibility of manipulating them manually due to the weight.
  • the present invention allows an automatic classification with a greater number of categories for sizes due to the differences in performance between them, also allowing the size discrimination to be variable and configurable in real time, depending on the specific needs.
  • the end user can dynamically determine (each time he wishes to configure the system) the size ranges that define each of the categories or sizes in which he wants to separate the received copies. Thanks to the high resolution of the images with which the vision system works, the present invention is able to differentiate tuna specimens by sizes very precisely (> 98%), improving the classification systems by traditional sizes.
  • the present invention allows automatic separation of those specimens that have certain deformities, configurable by the user. Because tunas have large differences between specimens of the same species and size, these deformities must be very evident, such as the absence of a part of tuna or a deformity that affects an important surface of the fish. The present invention allows to automatically remove from the production chain those elements that have previously been considered of insufficient quality (because they are small in size, due to beating or lacking parts).
  • a first aspect of the present invention relates to an automated method of classification of frozen tunas by species, where frozen tunas access a scanning area by a conveyor belt separated some distance from each other.
  • the procedure includes:
  • the laser beam is preferably perpendicular to the conveyor belt, to avoid aberrations in the laser line upon impact on the tuna.
  • the laser beam is red, and preferably with a wavelength of 660 nm.
  • the captured images are preferably filtered to detect only the color range used by the laser beam.
  • the three-dimensional images are taken frontally as the conveyor belt moves in an upper and angled position.
  • the areas that have volume corresponding to the tuna can be identified and the flat areas corresponding to the conveyor belt removed.
  • the geometric parameters can be related to each other and weighted according to their representativeness for the definition of the species.
  • the images are captured in a cabin protected from outside light and without lighting.
  • the capture of three-dimensional images is preferably carried out by means of two 3D cameras, arranged on each side of the conveyor belt, in an upper and angled position.
  • the method also estimates, from the three-dimensional point cloud, the volume and weight of tuna. It can also detect deformities present in tuna caused by friction, blows or crushing.
  • the method detects the passage of a tuna through the scanning area to start the image capture process.
  • a second aspect of the present invention relates to an automated classification system for frozen tunas by species, where frozen tunas access a scanning area by a conveyor belt separated some distance from each other.
  • the system comprises a scanning module with:
  • At least one laser emitter responsible for emitting a laser beam on the tuna as it passes through the scanning area
  • - image capture means configured to capture three-dimensional images of the laser beam projected on the tuna as it passes through the scanning area
  • - data processing means configured to:
  • At least one laser emitter is preferably arranged in such an orientation that the laser beam is perpendicular to the conveyor belt.
  • the scanning module comprises two laser emitters arranged on each side of the conveyor belt and whose laser beam is perpendicular to the conveyor belt and coincident.
  • the image capture means are arranged frontally to the conveyor belt in an upper and angled position.
  • the image capture means preferably comprise two 3D cameras arranged at each side of the conveyor belt, in an upper and angled position.
  • the scanning module may comprise an outer shell and protective bands in the tuna inlet and outlet area that define a cabin protected from outside light and without lighting in which images are captured.
  • the scanning module can comprise presence sensing means responsible for detecting the passage of a tuna through the scanning area and thus activating the image capture means to initiate the image capture process.
  • the present invention has been developed based on artificial vision technology, incorporating laser elements for continuous process at high speeds on conveyor belt.
  • the main advantages of the invention are:
  • Improvement of the business organization Provides a very accurate estimate of the time to devote to each process, which allows informed decision making in real time.
  • Automation of process information management All information generated by the system is recorded in memory, allowing:
  • Figure 1 shows, in side and plan view, the different parts of a manual processing line according to the state of the art.
  • FIG. 2 shows, in side and plan view, the processing line with classification automatic tuna according to the present invention.
  • FIG. 3 shows schematically the different modules distributed in the tuna processing line with automatic classification.
  • Figure 4 shows the passage of a tuna (schematically represented by a rod-shaped solid) through the scanning module.
  • Figure 5 shows a general flow chart of the process carried out in the tuna processing line with automatic classification.
  • Figure 6 shows the obtaining of some specific parameters of tuna used to determine its species.
  • Figure 7 shows the gross tuna profile obtained by the image collection means.
  • Figure 8 shows the three-dimensional point cloud obtained after the tuna scanning process.
  • the present invention relates to an automated frozen tuna classification system. This classification is carried out in an industrial frozen tuna processing plant.
  • Figure 1 shows, in side and plan view, the different parts of a manual processing line, according to the state of the art, where operators located on the distribution belt and responsible for performing the manual classification of frozen fish are seen, distributing it in different containers depending on the size, species and deformities found in tuna.
  • FIG. 2 shows, in side and plan view, the processing line with automatic classification (already without operators) of tuna according to the present invention.
  • the frozen tunas 1 are loaded to a tuna receiving module 10, a tuna accumulator tank with variable capacity, depending on the application, with a hopper bottom that can optionally be coupled to a canyon lift and a flat drum Rotary, and that allows collecting, orienting and distancing the tuna specimens and directing them towards the exit mouth, which flows into the band of the next module, the scanning module 20.
  • an accumulator exit belt is shown 12, an adjustable hatch or hatch 14 and an accelerated and turned tape 16 that allow the separated tunas 1 to be directed at a certain distance towards the scanning module 20, so that it can carry out the individual analysis of the separated tunas 1 from each other.
  • the tuna specimens are automatically oriented and aligned through the adjustable output gate 14 and are deposited one by one on a conveyor belt 22 that directs the tuna to the optical inspection section where the different artificial vision devices that allow 3D scanning of tuna.
  • the scanning module 20 is the core of the invention. It is a complete detection and analysis system using artificial vision elements and microprocessor processing units, capable of capturing images of tunas 1 that move along a scanning conveyor belt 22 and process, in real time, the data obtained , sending the necessary action instructions to the classification system.
  • the scanning module 20 comprises laser liner means and 3-dimensional image capture means. To obtain homogeneous lighting conditions, the scanning module preferably uses an enclosure where image capture occurs to isolate the module from external lighting conditions. Therefore, the inspection area is preferably a closed cabin (not shown in Figure 2, to simplify the figure), a "dark chamber" protected from outside light and possible splashes of water and other elements that may disturb the inspection.
  • the scanning module 20 could also include diffuse lighting means, for example fluorescent lighting where the lighting system is powered by a high frequency electronic ballast to ensure uniformity of the light along the image captured by the cameras.
  • the scanning module 20 allows the species to be determined from among the target species. In addition, it also allows to determine the size and calculate the weight from the dimensions of the specimen and the presence of significant deformations (crushing). After inspecting and analyzing each specimen, it communicates to a classified module 30 the category of the specimen, so that it can direct the tuna to the appropriate container in each case by means of automatic actuation of electro-pneumatic gates.
  • the sorting module 30 comprises a transport system by means of conveyor belts 32 of food rough rubber.
  • the sorting module 30 is based on a set of electro-pneumatic gates or diverters 34 for the diversion of the tunas towards a collection module 40, formed by a plurality of containers 42 located on one side and at the end of the classification section of the transport system.
  • the classification can be carried out in different ways, for example pneumatically, in that case controlled by elements integrated in an electro-pneumatic frame included as part of the sorting module 30.
  • An information module 50 implemented for example by means of a large electronic panel installed on the wall or on a support in the upper intermediate part of the sorting tape, shows in real time all the relevant information corresponding to the content of each of the containers 42. This information will indicate to the truck operator the need for container removal, its contents, process speed, number of lots, alarms, etc. You can also indicate the date, time and time elapsed since the beginning of the inspection of the lot. Said module, which obtains the information of the scanning module 20, can also automatically generate customized reports 52 tailored to the user, allowing the generation of reports remotely via "webserver", whereby reports 52 can be viewed from any connected equipment to your network
  • FIG 3 shows schematically the different modules distributed in the tuna processing line with automatic classification, the core of the invention being the one corresponding to the scanning module 20.
  • Figure 4 shows in detail the elements of the scanning module 20 and the passage of a tuna 1 (schematically represented in the figure as a parallelepiped-shaped solid) through the inspection area. Tuna is detected by presence sensing means (for example, by means of ultrasound detectors arranged on the sides of the conveyor belt 22, not shown in the figure).
  • the laser emitter 24 is arranged so that the laser beam 28 is substantially perpendicular to the conveyor belt 22 (aberrations in the laser line occur on impacting on the tuna when moving away from the perpendicular orientation).
  • the image capture means 26 used are two equal cameras that are arranged frontally to the march of the conveyor belt 22, in an upper and angled position (preferably at an angle of about 45 e with respect to the conveyor belt 22) for the capture of the laser beam 28 on the tuna 1.
  • the system is preferably composed of two laser beam emitters 24 that emit two laser beams perpendicular to the scanning tape, one on each side thereof. Said laser emitters 24 are aligned so that only one laser line can be seen when taking an image. The fact of using two lasers and cameras is to catch as much of the area of the fish that is left against the tape.
  • FIG. 5 shows the general flow chart of the tuna scanning and sorting process
  • the general application of the system starts 100 and the process begins, the tuna conveyor belt is activated, laser lasers and optical sensors are switched on.
  • the tuna passes through an area where presence detecting means (preferably ultrasound) are found that are activated 102 at the passage of the tuna providing a signal that marks the beginning of the process.
  • presence detecting means preferably ultrasound
  • the image collection means 26 begins with the reading or scanning of the tuna 104.
  • the tuna 1 circulates through a laser beam 28 of wavelength 660 nm. It has been proven that the system obtains the best results when working on this wavelength of 660 nm, although other similar or other wavelengths such as 540nm (green color) could be used, although in this case worse results would be obtained.
  • Tuna finishes passing through the area where the ultrasonic sensors are located, which after a programmable "t1" time mark the end of the tuna scanning process 106.
  • the image capture means 26 stops scanning and processing the captured data 1 10 is performed:
  • the algorithm analyzes this cloud of points by breaking it down into a plurality of parameters that define the biometry of a tuna and therefore its species, such as:
  • Length the distance between the beginning of the fish and the end (without considering the tail) is calculated. To have a more robust calculation, polynomial approaches are used to detect the beginning and end of the fish.
  • volume vs. length 3 ratio this parameter provides more information.
  • the application collects that data, calculates the weight through the volume and saves that data in a storage buffer.
  • the fish crosses an area where another ultrasonic sensor is located that indicates that the tuna is in the classified zone and with the activation of said sensor 1 12 the application writes the data previously obtained and calculated in the PLC 1 16.
  • the PLC manages that information and determines in which container it should classify said tuna.
  • the tuna continues on its way through the sorting belt by activating and deactivating the ultrasonic sorting sensors that are in its way and when the PLC detects that the sensor corresponding to the container in which the tuna must be placed is activated, sends a gate opening order 1 18.
  • the gate opens 120 through a pneumatic cylinder and waits for a programmable "t2" time until the tuna has fallen into the container. After that time "t2" the door closes. - With the opening of the door, the PLC writes the data on an information screen 122 indicating that there are "n + 1" tunas in said container with a total net weight of container of "m + x" kilos. Being:
  • n number of tunas already in that container.
  • x the weight of the tuna you just classified.
  • n the sum of the weight of the "n" tunas.
  • Figure 7 shows the gross profile 27 of the tuna obtained by both chambers.
  • the upper image shows a "normal" gross profile (frost-free image) and the lower image shows a 27 'profile with the laser beam more blurred by the uncorrected frost effect (frost image). Although in the lower image the frost effect is not appreciated in a very relevant way, the calculation made with the lower image would be very inaccurate.
  • This figure shows one of the 2000 images per second that the camera can make. From all these raw images, the processing is performed and the 3D point cloud is constructed.
  • Figure 8 shows the three-dimensional point cloud 29 obtained after scanning.
  • the scanning process for tuna 104 is explained in detail below:
  • the scanning process begins with the activation 102 of the presence sensors that detect the passage of tuna 1 through the scanning module 20, in the scanning area.
  • - Tuna 1 passes through a laser beam 28 with a determined wavelength (660 nm, in the preferred embodiment) at an approximate speed of 1 m / s.
  • the image capture means 26 commonly 3D cameras, collect in a region of interest (ROI - Region of Interest) previously defined, the activation or deactivation of a series of pixels that will then be processed by the optical sensor itself generating with that data a three-dimensional point cloud 29.
  • ROI region of interest
  • the pixels are activated when they detect the red beam of the laser 28 and the image collection means 26 are provided with a series of filters that prevent detection outside the range of colors other than the chosen 660 nm.
  • the optical sensor reads or captures a small part of the fish each time defined by the region of interest, which has the width of the laser line (around 1 mm) and the length corresponding to the corresponding width of the conveyor belt.
  • the optical sensor makes the composition of the cloud of points that would determine the biometry of tuna and that will be subsequently processed by the algorithm.
  • the end of data collection by the optical sensor is marked by the end of detection of tuna 106 by the ultrasonic sensors plus a programmable "t1" time delay.
  • the optical sensors activate pixels in function of the reading of the red beam of the laser, therefore they will also activate pixels of the conveyor belt 22 in the area of the region of interest and, therefore, everything that is not tuna must be eliminated.
  • the algorithm preprocess is able to identify the zones that have volume of the flat zones, these being the ones that correspond to the tape. This same preprocess also eliminates possible sources of noise that may interfere with the overall volume.
  • Tuna does not always come perfectly aligned, so you have to establish what its axis is and align the points of the cloud.
  • the system can process the tunas it receives up to an angle of ⁇ 30 e of deviation.
  • the tuna can come both from the front and from the tail and the pre-process will always guide it from the front so that the algorithm is clear that the relationships it is making are consistent.
  • the algorithm process with the previously defined parameters that define tuna biometrics.
  • the algorithm decomposes the cloud of points 29 into measures and relationships (the defined parameters) that, through a decision tree and a comparison with curves and patterns, decide the species and the certainty that it has to hit with said sample. This last point is very important because it allows discarding copies that the machine recognizes with a low degree of success.
  • the definition of what is considered acceptable or unacceptable is programmable by the user.
  • two 3D CMOS cameras are preferably used, to cover almost the entire fish, specially developed for laser triangulation systems with high triangulation rates, with a high sensitivity CMOS sensor and combined with a robust algorithm for the determination of the line.
  • Each camera has a GigE interface that allows the acquisition of profiles in
  • CMOS complementary metal-oxide-semiconductor
  • CMOS complementary metal-oxide-semiconductor
  • the output of the 3D camera is the line position and the qualification information for each line position value.
  • Another feature of the system is that it operates in real time, that is, from the end of the capture of the point cloud until the decision is made. of species, weight and certainty and this is written 1 16 in the PLC can not pass more than 1 second.
  • a wire programming of the different functions has been carried out that take full advantage of each and every processor core by assigning each task or sub-task to a core that is reserved exclusively for this job, always ensuring There is free processing capacity.
  • this programming by threads allows the nuclei to have the capacity to collaborate, that is, when a nucleus has finished its work and finds that There is another core processing information, this free core can help the busy core to perform part of the processes and thus increase the speed of the response.
  • the present invention further corrects additional problems encountered in the tuna scanning phase:
  • the system allows to minimize noise and distortions from sunlight, laser brightness in balderas (structural elements of the conveyor belts made of stainless steel and prevent the fish from falling out of the belt while helping to its focus on the path they travel) and other elements.
  • the system has:
  • a defective part is one that presents significant deformations on its natural form.
  • it may present surface marks produced by the container that contains it or by other adjacent pieces of fish . These marks can be flat (if these are caused by the walls of the container), or bends inwards (caused by other tunas).
  • the defect is considered as a mark if the flat surface or maximum depth is greater than a certain percentage of the total area of the tuna. Normally 10% is considered, so any piece that has more than 10% of its surface affected, adding up all types of defects, will be considered as defective.
  • the system analyzes the number of tuna surfaces that are crushed and the total accumulated area that is crushed per piece scanned, comparing it with the total area of the tuna and if this crushing exceeds 10% (user adjustable parameter ) considers the piece to be deformed and gives the appropriate signal to the selection actuators.

Landscapes

  • Length Measuring Devices By Optical Means (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)

Abstract

Sistema y procedimiento automatizado de clasificación de atunes congelados por especie, que acceden a una zona de escaneado por una cinta transportadora (22). El sistema comprende: - al menos un emisor láser (24) encargado de emitir un haz láser (28) sobre el atún (1); - medios de captación de imágenes (26) para capturar imágenes tridimensionales del haz láser (28) proyectado sobre el atún (1); - medios de procesamiento de datos para: • detectar el haz láser (28) en cada imagen; • obtener el perfil bruto (27) del atún a partir del haz láser (28) detectado; • generar, a partir de los perfiles brutos (27) obtenidos, una nube de puntos tridimensional (29) del atún; • descomponer la nube de puntos tridimensional (29) en parámetros geométricos que corresponden a medidas y relaciones que definen la biometría del atún y su especie; • estimar la especie del atún mediante un árbol de decisión y una comparativa de los parámetros geométricos del atún con una serie de medidas y relaciones patrones.

Description

Sistema y procedimiento automatizado de clasificación de atunes congelados por especie
Campo de la invención
La presente invención se engloba dentro del campo de los sistemas de clasificación automática de atunes congelados mediante el uso de visión artificial.
Antecedentes de la invención
En la actualidad diversas pesquerías traen sus atunes congelados llegando a las instalaciones portuarias, frigoríficos de almacenamiento intermedio o fábricas de conserva a granel, bien en bodegas de buques factoría, mercantes o en el interior de contenedores frigoríficos transportados por camiones. Los ejemplares de peces de diferentes tamaños (tallas) y especies, generalmente están mezclados en estos contenedores, y un porcentaje indeterminado de ejemplares presentan diferentes anomalías de calidad, debidas a rozamientos, golpes y, sobre todo, a aplastamientos.
Con el fin de optimizar los actuales procesos de producción (separaciones por especies, tallas y ejemplares con deformidades) que se realizan en estos momentos de manera manual, y para aportar un valor añadido al producto, ya que se podría certificar su calidad y aumentar el beneficio de las empresas y consecuentemente de toda la cadena de valor, la presente invención propone un sistema automático que permite la separación de especies de atún congelado comercialmente más importantes, en función de su especie, talla/peso o por ejemplares que presenten deformidades que impidan su posterior comercialización o procesado específico.
Aunque las aplicaciones de la visión artificial no son nuevas en su aplicación para el procesado de pescado, no se conocen desarrollos específicos capaces de analizar las especies de atunes. Así, por ejemplo, los documentos de patente US2008137104-A1 , EP2559336-A1 , CH701341 -A2, WO2012008843-A1 y US4934537-A divulgan el uso de técnicas de visión artificial para realizar una identificación de peces de manera automática. En ellos se emplean cámaras y medios de iluminación para obtener imágenes, las cuales son analizadas y se obtienen distintos parámetros del pez, tales como biomasa, dimensiones del pez (longitud, grosor), peso y defectos o enfermedades. En la mayoría de los casos los peces son conducidos por cintas transportadoras, o bien se mueven libremente en el agua, cuando se realiza la identificación y clasificación. Sin embargo, en ninguno de ellos se lleva a cabo una identificación de la especie de atún, únicamente de parámetros más sencillos de identificar como son el peso, el volumen y las deformidades. De hecho, la identificación de la especie de atún es una labor extremadamente dificultosa, que se lleva a cabo de manera manual por inspección visual de operarios. En el documento de patente CN102749361 -A se divulga un método automático para identificar la especie de atún, basado en el troceado del pez, calentamiento del mismo y análisis del gas emitido, siendo éste un método complejo, costoso y destructivo, ya que exige el troceado del pez. No se conocen métodos de identificación de especies de túnidos mediante técnicas de visión artificial, dada la enorme similitud entre las especies.
No se conocen métodos de identificación automática de especies de túnidos que no impliquen la destrucción del ejemplar. Por tanto, en la actualidad, no se conocen métodos automáticos de identificación de túnidos que puedan emplearse en un contexto productivo donde se necesite una respuesta en tiempo real.
Además, las invenciones conocidas en los anteriores documentos de patente no permiten solucionar las necesidades existentes en una planta industrial de procesado de atunes congelados debido a no cumplir con los requerimientos de rendimiento por ton/h, no alcanzar unos mínimos porcentajes de efectividad o no poder cumplir con las condiciones ambientales de trabajo (muchas veces por debajo de los 0e C) con los consiguientes problemas técnicos y de operativa. Es por ello que todavía se hace el trabajo de selección de manera manual con la merma en la productividad que ello supone. Asimismo ese trabajo manual no se puede emplear para la selección de todas las especies de túnidos comerciales pues en algunas tallas las especies presentan tanta similitud que solo un sistema capaz de captar diferencias mínimas puede hacer esa selección. La presente invención resuelve dichos problemas.
Descripción de la invención
La presente invención presenta una solución que supera las limitaciones anteriormente descritas, siendo el primer sistema de visión artificial capaz de identificar las especies concretas de los atunes congelados. Además de realizar una separación de los atunes por especie, permite realizar una separación por tamaño y por deformidades. Con respecto a la separación por especies, el actual proceso se realiza manualmente bajo criterio subjetivo de los operarios. El ojo y el cerebro humano son capaces de distinguir, de forma natural y automática, los ejemplares de una especie de atún y diferenciarlos de los propios de otras. La presente invención es capaz de identificar de manera automática estas diferencias. Para ello se han realizado diversos estudios de la biología de las especies en las que se analizaron las diversas características de forma y color que pueden llegar a tener, además de estudiar la evolución de las mismas a lo largo de su crecimiento, debido a la posibilidad de que se produzcan cambios significativos en alguno de los parámetros morfológicos. Como dificultad adicional a la de trabajar con seres vivos con notables diferencias intraespecíficas, los atunes congelados llevan adheridos en su superficie elementos extraños, tales como salmuera y escarcha, o pueden tener daños físicos y deformidades que dificulten la identificación de la especie de atún. La presente invención permite detectar la presencia de elementos extraños (salmuera, escarcha, daños físicos, etc.) adheridos a la superficie de los peces mediante la adquisición y el procesado de imágenes 3D de los ejemplares separados para evitar que estos elementos extraños engañen al sistema y produzca un error en la identificación de la especie. Con respecto a la separación por tamaños, actualmente en algunas plantas de procesado los ejemplares se separan manualmente o por procesos mecánicos de criba únicamente en pocas tallas. Todos aquellos ejemplares con un peso superior a 20 kilogramos se catalogan como de una misma categoría, debido a la imposibilidad de manipularlos manualmente debido al peso. La presente invención permite realizar una clasificación automática con un mayor número categorías para tallas debido a las diferencias de rendimiento entre las mismas, permitiendo además que la discriminación por tallas pueda ser variable y configurable en tiempo real, en función de las necesidades concretas. El usuario final puede determinar de forma dinámica (cada vez que desee configurar el sistema) los rangos de tamaño que definan cada una de las categorías o tallas en las que quiera separar los ejemplares recibidos. Gracias a la alta resolución de las imágenes con las que trabaja el sistema de visión, la presente invención es capaz de diferenciar los ejemplares de atunes por tamaños de forma muy precisa (>98%), mejorando los sistemas de clasificación por tallas tradicionales. Además, ofrece no solo un informe final con las piezas de atunes de cada una de las categorías de tallas previamente fijadas, sino que también ofrece la posibilidad de conocer los kilogramos reales de cada uno de atunes (sin necesidad de pesarlos uno a uno mediante báscula) y consecuentemente la totalidad de la partida analizada. Otro asunto capaz de resolver la presente invención es que al estar todo el sistema controlado por un ordenador se puede demandar con suma precisión que se prepare un contenedor con un número determinado de piezas o con un peso determinado en kilogramos, algo que actualmente es difícil de hacer debido a la operativa de tratamiento de los peces en una planta industrial.
Con respecto a la separación de ejemplares con deformidades, hay que tener en cuenta que durante los procesos previos a la recepción de los peces algunos ejemplares sufren daños, debidos a la manipulación y transporte (roces y golpes) o a aplastamientos por sobrepeso debido a una acumulación excesiva previa a la congelación (o rotura de la cadena de frío). La presente invención permite realizar una separación automática de aquellos ejemplares que presenten determinadas deformidades, de forma configurable por el usuario. Debido a que los atunes presentan grandes diferencias entre ejemplares de la misma especie y talla, estas deformidades deben ser muy evidentes, como por ejemplo, la ausencia de una parte de atún o bien una deformidad que afecte a una superficie importante del pescado. La presente invención permite sacar automáticamente de la cadena de producción aquellos elementos que previamente se han considerado de calidad insuficiente (por ser de pequeña talla, por presentar golpeos o carecer de partes).
Un primer aspecto de la presente invención se refiere a un procedimiento automatizado de clasificación de atunes congelados por especie, donde los atunes congelados acceden a una zona de escaneado por una cinta transportadora separados a cierta distancia unos de otros. El procedimiento comprende:
- emitir un haz láser (o un haz láser doble coincidente mediante sendos emisores láser debidamente orientados a cada lado de la cinta transportadora) sobre el atún a su paso por la zona de escaneado;
- capturar imágenes tridimensionales del haz láser proyectado sobre el atún a su paso por la zona de escaneado;
- detectar el haz láser en cada imagen capturada;
- obtener el perfil bruto del atún en cada imagen capturada a partir del haz láser detectado;
- generar, a partir de los perfiles brutos obtenidos en las distintas imágenes capturadas, una nube de puntos tridimensional del atún;
- descomponer la nube de puntos tridimensional en una pluralidad de parámetros geométricos que corresponden a una serie de medidas y relaciones que definen la biometría del atún y su especie;
- estimar la especie del atún mediante un árbol de decisión y una comparativa de los parámetros geométricos del atún con una serie de medidas y relaciones patrones.
El haz láser es preferentemente perpendicular a la cinta transportadora, para evitar aberraciones en la línea láser al impactar sobre el atún. En una realización particular el haz láser es de color rojo, y preferentemente con una longitud de onda de 660 nm.
Para la detección del haz láser las imágenes capturadas son preferiblemente filtradas para detectar únicamente el rango de color empleado por el haz láser. En una realización preferida las imágenes tridimensionales son tomadas frontalmente a la marcha de la cinta transportadora en una posición superior y angulada.
Para la obtención del perfil bruto del atún en cada imagen se pueden identificar las zonas que tienen volumen que corresponden al atún y eliminar las zonas planas que corresponden con la cinta transportadora.
Para la obtención del perfil bruto del atún en cada imagen se puede utilizar únicamente la línea central del haz láser de mayor intensidad de color, eliminando el resto del haz láser de menor intensidad debida a la difusión del haz láser sobre la escarcha del atún congelado.
Los parámetros geométricos pueden estar relacionados entre sí y ponderados en función de su representatividad para la definición de la especie. En una realización preferida las imágenes son capturadas en un habitáculo protegido de la luz exterior y sin iluminación.
La captura de las imágenes tridimensionales se realiza preferentemente mediante dos cámaras 3D, dispuestas a cada lado de la cinta transportadora, en una posición superior y angulada. El método también estima, a partir de la nube de puntos tridimensional, el volumen y el peso del atún. También puede detectar las deformidades presentes en el atún producidas por rozamientos, golpes o aplastamientos. El método detecta el paso de un atún por la zona de escaneado para iniciar el proceso de captura de imágenes.
Un segundo aspecto de la presente invención se refiere a un sistema automatizado de clasificación de atunes congelados por especie, donde los atunes congelados acceden a una zona de escaneado por una cinta transportadora separados a cierta distancia unos de otros. El sistema comprende un módulo de escaneado con:
- al menos un emisor láser encargado de emitir un haz láser sobre el atún a su paso por la zona de escaneado;
- medios de captación de imágenes configurados para capturar imágenes tridimensionales del haz láser proyectado sobre el atún a su paso por la zona de escaneado;
- medios de procesamiento de datos configurados para:
• detectar el haz láser en cada imagen capturada;
• obtener el perfil bruto del atún en cada imagen capturada a partir del haz láser detectado;
· generar, a partir de los perfiles brutos obtenidos en las distintas imágenes capturadas, una nube de puntos tridimensional del atún;
• descomponer la nube de puntos tridimensional en una pluralidad de parámetros geométricos que corresponden a una serie de medidas y relaciones que definen la biometría del atún y su especie;
· estimar la especie del atún mediante un árbol de decisión y una comparativa de los parámetros geométricos del atún con una serie de medidas y relaciones patrones.
Al menos un emisor láser se dispone preferiblemente con una orientación tal que el haz láser es perpendicular a la cinta transportadora. En una realización preferida el módulo de escaneado comprende dos emisores láser dispuestos a cada lado de la cinta transportadora y cuyos haz láser son perpendiculares a la cinta transportadora y coincidentes. Los medios de captación de imágenes se disponen frontalmente a la marcha de la cinta transportadora en una posición superior y angulada. Los medios de captación de imágenes comprenden preferiblemente dos cámaras 3D dispuestas a cada lado de la cinta transportadora, en una posición superior y angulada.
El módulo de escaneado puede comprender una carcasa exterior y unas bandas de protección en la zona de entrada y salida de los atunes que definen un habitáculo protegido de la luz exterior y sin iluminación en el que las imágenes son capturadas.
El módulo de escaneado puede comprender medios sensores de presencia encargados de detectar el paso de un atún por la zona de escaneado y así activar los medios de captación de imágenes para iniciar el proceso de captura de imágenes.
La presente invención se ha desarrollado en base a tecnología de visión artificial, incorporando elementos láser para el proceso en continuo a altas velocidades sobre cinta transportadora. Las principales ventajas que aporta la invención son:
- Mayor precisión en la clasificación por especies, por tallas y detección de ejemplares con deformidades: Estas mejoras suponen un elevado incremento en el precio del producto, a la vez que mejora la confianza por parte de los clientes. Permite también un control exhaustivo de la calidad del producto de los proveedores.
Obtención de un mayor rendimiento económico por la materia prima: El pescado es un bien escaso y es necesario optimizar sus procesos de comercialización. La automatización del proceso de clasificación supone una elevada disminución en costes, disminuyendo la mano de obra poco cualificada que interviene en el proceso de clasificado.
Aumento de la capacidad de procesado de la planta industrial: Al obtener una mayor velocidad en el proceso de clasificación (mayor número de kilogramos por hora tratados) se consigue optimizar los tiempos en servir los pedidos, así como los espacios destinados al almacenaje de recepción, en los cuales los atunes están menos tiempo, pudiéndolos destinar a nuevas líneas de procesado u otros servicios.
Mejora de la organización empresarial: Proporciona una estimación muy precisa de los tiempos a dedicar a cada proceso, lo que permite una toma informada de decisiones en tiempo real. Automatización de la gestión de la información del proceso: Toda la información generada por el sistema queda registrada en memoria, permitiendo:
• Generar una base de datos de archivos históricos.
• Generar automáticamente informes personalizados de los procesos realizados.
• Posibilidad de generar etiquetas codificadas (de unidad, de lotes, etc.).
Implantación de un estándar de calidad: El sistema puede garantizar la calidad del producto que procesa gracias a su:
- Alta precisión en la detección y separación automática por especies.
- Alta precisión en la detección y separación automática por tallas, cumpliendo así con la legislación sobre la comercialización de tallas mínimas.
- Alta precisión en la detección y separación automática de ejemplares que presenten deformidades.
Posibilidad de requerir al sistema de producción un número concreto de piezas de una especie y un tamaño determinado (ej. 1000 atunes listados de entre 3 y 5 kilogramos) o un peso de contenedor o de ejemplares concretos. Algo que hasta ahora es muy difícil de conseguir debido a la operativa de trabajo en las plantas industriales.
Breve descripción de los dibujos
A continuación se pasa a describir de manera muy breve una serie de dibujos que ayudan a comprender mejor la invención y que se relacionan expresamente con una realización de dicha invención que se presenta como un ejemplo no limitativo de ésta.
La Figura 1 muestra, en vista lateral y planta, las diferentes partes de una línea de procesado manual de acuerdo con el estado del arte.
La Figura 2 muestra, en vista lateral y planta, la línea de procesado con clasificación automática del atún de acuerdo a la presente invención.
La Figura 3 muestra de manera esquemática los distintos módulos distribuidos en la línea de procesado de atunes con clasificación automática.
La Figura 4 muestra el paso de un atún (representado de manera esquemática por un sólido en forma de barra) por el módulo de escaneado.
La Figura 5 muestra un diagrama de flujo general del proceso llevado a cabo en la línea de procesado de atunes con clasificación automática.
La Figura 6 muestra la obtención de algunos parámetros concretos del atún empleados para determinar su especie. La Figura 7 muestra el perfil bruto del atún obtenido por los medios de captación de imágenes.
La Figura 8 muestra la nube de puntos tridimensional obtenida tras el proceso de escaneado del atún.
Descripción detallada de la invención
La presente invención se refiere a un sistema automatizado de clasificación de atunes congelados. Dicha clasificación se lleva a cabo en una planta industrial de procesado de atunes congelados.
La Figura 1 muestra, en vista lateral y planta, las diferentes partes de una línea de procesado manual, de acuerdo con el estado del arte, donde se aprecian operarios situados en la cinta repartidora y encargados de realizar la clasificación manual del pescado congelado, distribuyéndolo en diferentes contenedores en función del tamaño, la especie y las deformidades encontradas en el atún.
La Figura 2 muestra, en vista lateral y planta, la línea de procesado con clasificación automática (ya sin operarios) del atún de acuerdo a la presente invención. Los atunes congelados 1 se cargan a un módulo de recepción 10 de atunes, un depósito acumulador de atunes con capacidad variable, en función de la aplicación, con fondo en forma de tolva que opcionalmente puede estar acoplado a un elevador de canjilones y a un tambor plano rotatorio, y que permite recoger, orientar y distanciar a los ejemplares de atunes y dirigirlos hacia la boca de salida, que desemboca en la banda del siguiente módulo, el módulo de escaneado 20. En la Figura 2 se muestra una cinta de salida del acumulador 12, una trampilla o compuerta de salida regulable 14 y una cinta de aceleración y volteado 16 que permiten dirigir los atunes 1 separados a cierta distancia hacia el módulo de escaneado 20, para que éste pueda llevar a cabo el análisis individual de los atunes 1 separados unos de otros. Los ejemplares de atunes son orientados y alineados automáticamente a través de la compuerta de salida regulable 14 y se depositan uno a uno en una banda transportadora 22 que dirige el atún a la sección de inspección óptica donde se encuentran los distintos dispositivos de visión artificial que permiten el escaneado 3D del atún.
El módulo de escaneado 20 es el núcleo de la invención. Se trata de un sistema completo de detección y análisis mediante elementos de visión artificial y unidades de procesado mediante microprocesadores, capaz de capturar imágenes de los atunes 1 que se desplazan por una banda transportadora de escaneado 22 y procesar, en tiempo real, los datos obtenidos, enviando las instrucciones de acción necesarias al sistema de clasificación. El módulo de escaneado 20 comprende medios trazadores de líneas mediante láser y medios de captura de imágenes en 3 dimensiones. Para obtener unas condiciones de iluminación homogéneas, el módulo de escaneado utiliza preferentemente un cerramiento donde se produce la captura de imágenes para aislar el módulo de las condiciones de iluminación externas. Por tanto, la zona de inspección es preferentemente un habitáculo cerrado (no mostrado en la Figura 2, por simplificar la figura), una "cámara oscura" protegida de la luz exterior y de las posibles salpicaduras de agua y otros elementos que puedan perturbar la inspección. Aunque el módulo de escaneado 20 podría también incluir unos medios de iluminación difusa, por ejemplo iluminación fluorescente donde el sistema de iluminación es alimentado por una reactancia electrónica de alta frecuencia para garantizar uniformidad de la luz a lo largo de la imagen capturada por las cámaras. El módulo de escaneado 20 permite determinar la especie de entre las especies objetivo. Además, permite también determinar la talla y calcular del peso a partir de las dimensiones del ejemplar y la presencia de deformaciones importantes (aplastamientos). Tras inspeccionar y analizar cada ejemplar, comunica a un módulo de clasificado 30 la categoría del ejemplar, para que éste pueda dirigir el atún al contenedor apropiado en cada caso mediante accionamiento automático de compuertas electro-neumáticas.
El módulo de clasificado 30 comprende un sistema de transporte mediante bandas transportadoras 32 de goma rugosa alimentaria. En una realización preferida el módulo de clasificado 30 está basado en un conjunto de compuertas o desviadores electro-neumáticos 34 para el desvío de los atunes hacia un módulo de recogida 40, formado por una pluralidad de contenedores 42 situados en un lateral y al final de la sección de clasificación del sistema de transporte. La clasificación puede realizarse de diferentes formas, por ejemplo de manera neumática, en ese caso controlada por elementos integrados en un cuadro electro-neumático incluido como parte del módulo de clasificado 30.
Un módulo de información 50, implementado por ejemplo mediante un panel electrónico de gran tamaño instalado en la pared o sobre soporte en la parte intermedia superior de la cinta clasificadora, muestra en tiempo real toda la información relevante correspondiente al contenido de cada uno de los contenedores 42. Esta información indicará al operador de carretilla la necesidad de retirada de contenedores, su contenido, la velocidad del proceso, número de lotes, alarmas, etc. Así mismo puede indicar fecha, hora y tiempo transcurrido desde el comienzo de la inspección del lote. Dicho módulo, que obtiene la información del módulo de escaneado 20, puede también generar automáticamente informes 52 personalizados a medida del usuario, permitiendo la generación de informes en remoto vía "webserver", por lo que los informes 52 pueden ser visualizados desde cualquier equipo conectado a su red.
La Figura 3 muestra de manera esquemática los distintos módulos distribuidos en la línea de procesado de atunes con clasificación automática, siendo el núcleo de la invención el correspondiente al módulo de escaneado 20. La Figura 4 muestra en detalle los elementos del módulo de escaneado 20 y el paso de un atún 1 (representado de manera esquemática en la figura como un sólido con forma de paralelepípedo) por la zona de inspección. El atún es detectado por unos medios sensores de presencia (por ejemplo, mediante unos detectores de ultrasonidos dispuestos en los laterales de la cinta transportadora 22, no representados en la figura). El emisor láser 24 se dispone de forma que el haz láser 28 es sustancialmente perpendicular a la cinta transportadora 22 (al alejarse de la orientación perpendicular se producen aberraciones en la línea láser al impactar sobre el atún). Los medios de captación de imágenes 26 empleados son dos cámaras iguales que se disponen frontalmente a la marcha de la cinta transportadora 22, en una posición superior y angulada (preferentemente en ángulo de torno a unos 45e con respecto a la cinta transportadora 22) para la captación del haz láser 28 sobre el atún 1 . El sistema se compone preferentemente de dos emisores de haz de láser 24 que emiten dos haces láser perpendiculares a la cinta de escaneado, uno a cada lado de la misma. Dichos emisores láser 24 están alineados de manera que al tomar una imagen solo se aprecia una línea láser. El hecho de usar dos láseres y cámaras es para llegar a captar la mayor proporción posible de la zona del pescado que queda contra la cinta.
La Figura 5 muestra el diagrama de flujo general del proceso de escaneado y clasificado de atunes:
En primer lugar, se inicia 100 la aplicación general del sistema y comienza el proceso, poniéndose a funcionar la cinta transportadora de atunes, encendido de láseres y sensores ópticos.
El atún pasa por una zona donde se encuentran medios detectores de presencia (preferentemente de ultrasonidos) que se activan 102 al paso del atún proporcionando una señal que marca el inicio del proceso.
- Con la señal anterior los medios de captación de imágenes 26 comienzan con la lectura o escaneado del atún 104. El atún 1 circula a través de un haz de láser 28 de longitud de onda 660 nm. Se ha comprobado que el sistema obtiene los mejores resultados cuando se trabaja en esta longitud de onda de 660 nm, si bien se podrían usar otras longitudes de onda similares u otras tan alejadas como puede ser los 540nm (color verde), aunque en este caso se obtendrían peores resultados. El atún termina de pasar por la zona donde se encuentran los sensores de ultrasonidos, los cuales al cabo de un tiempo "t1 " programable marcan el fin del proceso de escaneado del atún 106.
Los medios de captación de imágenes 26 dejan de escanear y se realiza un procesamiento de los datos capturados 1 10:
• Se tratan los datos de píxeles activados/desactivados, generando con todos los datos recogidos una nube de puntos tridimensional.
• Una aplicación desarrollada específicamente para este sistema recoge la nube de puntos desde los sensores ópticos y se la entrega al algoritmo de procesado.
El algoritmo analiza esta nube de puntos descomponiéndola en una pluralidad de parámetros que definen la biometría de un atún y por tanto su especie, como por ejemplo:
Volumen.
Longitud: se calcula la distancia entre el principio del pescado y el final (sin considerar la cola). Para tener un cálculo más robusto, se utiliza aproximaciones por polinomios para detectar el inicio y fin del pescado.
- Anchura máxima.
- Altura máxima.
Ratio anchura máxima vs altura máxima.
Ratio volumen vs longitud.
Ratio volumen vs longitud3: este parámetro aporta más información.
Ratio altura máxima vs longitud.
Relación entre la distancia del inicio del pescado a la zona de máxima altura con respeto a la longitud del pescado.
- MaxDsegment: Como se muestra en la Figura 6, distancia máxima entre el perfil del pescado y la recta trazada entre el punto de diámetro máximo (P1 ) y el punto de diámetro del 20% (P2). - Ratio de la ubicación del punto anterior respeto a la longitud del pescado.
- Ratio de las longitud L1 vs L2 (ver Figura 6).
- Pendiente de la parte inicial del pescado.
- Pendiente de la parte final del pescado.
Estos parámetros están relacionados entre sí y se encuentran ponderados en función de su representatividad, extraída a través de estudios biomorfológicos realizados. Por ejemplo, para la determinación de las especies el ratio de la longitud L1 Vs L2 del pescado y el diámetro tienen el doble de importancia que el ratio altura máxima vs longitud.
• El algoritmo realiza su labor y devuelve a la aplicación los datos de volumen, especie y grado de confianza en el acierto de la especie.
• La aplicación recoge esos datos, calcula el peso a través del volumen y guarda esos datos en un buffer de almacenamiento.
El pez atraviesa una zona donde se encuentra otro sensor de ultrasonidos que indica que el atún se encuentra en la zona de clasificado y con la activación de dicho sensor 1 12 la aplicación escribe los datos anteriormente obtenidos y calculados en el PLC 1 16. El PLC gestiona esa información y determina en qué contenedor debe clasificar dicho atún.
El atún sigue su camino a través de la cinta de clasificado activando y desactivando los sensores ultrasónicos de clasificado que se encuentra a su camino y cuando el PLC detecta que se ha activado el sensor correspondiente al contenedor en el cual hay que colocar el atún manda una orden de apertura de compuerta 1 18.
La compuerta se abre 120 a través de un cilindro neumático y espera abierta un tiempo "t2" programable hasta que el atún ha caído en el contenedor. Pasado ese tiempo "t2" la puerta se cierra. - Con la apertura de la puerta el PLC escribe el dato en una pantalla de información 122 indicando que hay "n+1 " atunes en dicho contenedor con un peso total neto de contenedor de "m+x" kilos. Siendo:
n: número de atunes que ya había en dicho contenedor.
x: el peso del atún que acaba de clasificar.
m: el sumatorio del peso de los "n" atunes.
Finaliza el proceso 124.
La Figura 7 muestra el perfil bruto 27 del atún obtenido por ambas cámaras. La imagen superior muestra un perfil bruto "normal" (imagen sin escarcha) y la imagen inferior muestra un perfil 27' con el haz de láser más difuminado por el efecto escarcha sin corregir (imagen con escarcha). Aunque en la imagen inferior el efecto escarcha no se aprecia de forma muy relevante, el cálculo realizado con la imagen inferior sería muy inexacto. Esta figura muestra una de las 2000 imágenes por segundo que puede realizar la cámara. A partir de todas esas imágenes en bruto se realiza el procesado y se construye la nube de puntos 3D.
La Figura 8 muestra la nube de puntos tridimensional 29 obtenida tras el escaneado. A continuación se explica en detalle el proceso de escaneado del atún 104:
- El proceso de escaneado comienza con la activación 102 de los sensores de presencia que detectan el paso del atún 1 por el módulo de escaneado 20, en la zona de escaneado.
- La activación de estos sensores de presencia indican a los medios de captación de imágenes 26 del módulo de escaneado 20 que deben empezar a recoger datos.
- El atún 1 atraviesa un haz láser 28 con longitud de onda determinada (660 nm, en la realización preferida) a una velocidad aproximada de 1 m/s.
- Los medios de captación de imágenes 26, comúnmente cámaras 3D, recogen en una región de interés (ROI - Región Of Interest) previamente definida, la activación o desactivación de una serie de píxeles que después procesará el propio sensor óptico generando con esos datos una nube de puntos tridimensional 29. - Los píxeles se activan cuando detectan el haz rojo del láser 28 y los medios de captación de imágenes 26 están dotados de una serie de filtros que impiden la detección fuera del rango de colores distintos al elegido de los 660 nm.
- Los medios de captación de imágenes realizan hasta 2000 lecturas por segundo y están preparados para la captación de atunes de hasta 1 ,5 metros de longitud. En cada lectura se detecta el perfil bruto 27 del atún (imagen superior de la Figura 7).
- El sensor óptico lee o capta cada vez una parte pequeña del pescado definida por la región de interés, que tiene el ancho de la línea láser (en torno a 1 mm) y el largo correspondiente al ancho correspondiente de la cinta transportadora.
Con las 2000 lecturas de esta zona de interés que puede llegar a realizar por segundo, el sensor óptico hace la composición de la nube de puntos que determinaría la biometría del atún y que posteriormente será procesada por el algoritmo.
- El fin de la toma de datos por el sensor óptico lo marca el fin de detección de atún 106 por parte de los sensores de ultrasonidos más un retardo de tiempo "t1 " programable.
En cuanto al procesado de las imágenes, hay que distinguir dos partes:
1 . El pre-procesado de las imágenes de nubes de puntos obtenidas. La nube de puntos obtenida necesita de los siguientes pre-procesos para su tratamiento posterior en el algoritmo:
a) Eliminado del fondo. Los sensores ópticos activan píxeles en función de la lectura del haz rojo del láser, por lo tanto activaran también píxeles de la cinta transportadora 22 en el área de la región de interés y, por tanto, hay que eliminar todo lo que no sea atún. A partir de la nube de puntos generada el preproceso del algoritmo es capaz de identificar las zonas que tienen volumen de las zonas planas, siendo estas las que se corresponden con la cinta. Este mismo preproceso también elimina eventuales fuentes de ruido que puedan interferir en el volumen general.
b) El atún no siempre viene perfectamente alineado, por lo que hay que establecer cuál es su eje y alinear los puntos de la nube. El sistema puede procesar los atunes que recibe hasta con un ángulo de ±30e de desviación. c) El atún puede venir tanto de frente como de cola y el pre-proceso lo orientará siempre de frente de manera que el algoritmo tenga claro que las relaciones que está haciendo son coherentes. 2. El proceso del algoritmo con los parámetros previamente definidos que definen la biometría del atún. El algoritmo descompone la nube de puntos 29 en medidas y relaciones (los parámetros definidos) que a través de un árbol de decisión y de una comparativa con curvas y patrones decide la especie y la certeza que tiene de acertar con dicha muestra. Este último punto es muy importante pues permite descartar los ejemplares que la máquina reconozca con un grado de acierto bajo. La definición de lo que se considera aceptable o no aceptable es programable por el usuario.
En cuanto a los sensores ópticos utilizados, se emplean preferentemente dos cámaras 3D CMOS, para cubrir casi todo el pez, especialmente desarrolladas para los sistemas de triangulación láser con altas tasas de triangulación, con un sensor CMOS de alta sensibilidad y combinado con un algoritmo robusto para la determinación de la línea.
Cada cámara dispone de una interfaz GigE que permite la adquisición de perfiles en
3D sin capturadores de pantalla. El sensor CMOS permite una alta resolución, con un tamaño de píxel muy reducido (5.5 μηι x 5.5 μηι). En las aplicaciones de triangulación láser, la salida de la cámara 3D es la posición de la línea y la información de calificación para cada valor de posición de línea.
Otra característica del sistema, tal y como puede verse en la explicación del diagrama de flujo general de la Figura 5, es que opera en tiempo real, es decir, desde que se termina la captura de la nube de puntos hasta que se toma la decisión de especie, peso y certeza y esta se escribe 1 16 en el PLC no pueden pasar más de 1 segundo. Para conseguir esto se ha llevado a cabo una programación por hilos de las diferentes funciones que aprovechan al máximo todos y cada uno de los núcleos de procesador asignando cada tarea o sub-tarea a un núcleo que está reservado en exclusiva para este trabajo, asegurando siempre que hay capacidad de procesado libre.
Asimismo, esta programación por hilos permite a los núcleos tener capacidad de colaboración, es decir, cuando un núcleo ha terminado su trabajo y se encuentra que hay otro núcleo procesando información, este núcleo libre puede ayudar al núcleo ocupado a realizar parte de los procesos y aumentar así la rapidez de la respuesta.
La presente invención corrige además problemas adicionales encontrados en la fase de escaneado de los atunes:
1 . Escarcha: Los atunes llegan al módulo de escaneado 20 congelados y, por tanto, muchos de ellos vienen con cierta cantidad de escarcha. Esto produce un efecto de dispersión del haz de láser. Este efecto se corrige haciendo que los sensores ópticos sean capaces de procesar el haz de láser utilizando solo la línea central de mayor intensidad de color y permitiendo la lectura correcta de los píxeles sin distorsión que son utilizados en la generación de la nube de puntos. El láser se difumina pudiendo causar confusión en la cámara sobre la imagen que toma. Las ópticas usadas detectan la zona de mayor luminosidad (la zona central) y eliminan la parte de menor intensidad que es debida a la difusión del haz de láser sobre la escarcha. Por tanto, el cálculo se limita a la línea central emitida por el láser y se descartan las otras líneas de puntos del resto de su ancho de emisión.
2. Ruido: El sistema permite minimizar ruidos y distorsiones procedentes de la luz solar, brillos del láser en balderas (elementos estructurales de las cintas trasportadoras elaborados en acero inoxidable y que impiden la caída de los peces fuera de la cinta a la vez que ayudan a su centrado en el trayecto que recorren) y otros elementos. Para ello el sistema dispone de:
a. La correcta encapsulación del módulo de escaneado 20 con una carcasa exterior y unas bandas de protección en la zona de entrada y salida de los atunes. Además estos elementos en su interior deben ser mates para evitar reflejos.
b. Introducción de una serie de filtros que solamente permiten la lectura en la banda de 660nm descartando cualquier otra fuente lumínica de color. 3. Colores haz de láser: Se emplea un haz de láser preferentemente de color rojo, con una longitud de onda de 660nm, ya que el color rojo ha demostrado ser el color óptimo para la identificación de los pixeles activados y el que da un resultado más consistente en la lectura. 4.- Ángulos y distancias en sensores ópticos. La posición relativa de los elementos con respecto al paso de los atunes es importante para obtener un óptimo escaneado del atún 1 , tal y como se muestra en la Figura 4. A partir de los parámetros geométricos obtenidos en el escaneado del atún, la presente invención permite detectar, además de la especie y el volumen, las deformidades presentes en el atún.
De manera general, se considera que una pieza defectuosa es aquella que presenta deformaciones significativas sobre su forma natural._Durante la congelación y/o manipulación del pescado, éste puede presentar marcas superficiales producidas por el recipiente que lo contiene o por otras piezas de pescado adyacentes. Estas marcas pueden ser planas (si estas están provocadas por las paredes del contenedor), o bien curvas hacia adentro (provocadas por otros atunes). El defecto se considera como marca si la superficie plana o profundidad máxima es mayor de un porcentaje determinado de la superficie total del atún. Normalmente se considera el 10%, por lo que cualquier pieza que tenga afectada más del 10% de su superficie, sumando todos los tipos de defecto, será considerada como defectuosa. De esta forma, el sistema analiza por pieza escaneada el número de superficies del atún que están aplastadas y la superficie total acumulada que se encuentra aplastada, comparándolo con el área total del atún y si este aplastamiento supera el 10% (parámetro ajustable por el usuario) considera que la pieza es deforme y da la señal adecuada a los actuadores de selección.

Claims

REIVINDICACIONES
1 . Procedimiento automatizado de clasificación de atunes congelados por especie, donde los atunes (1 ) congelados acceden a una zona de escaneado por una cinta transportadora (22) separados a cierta distancia unos de otros, caracterizado por que comprende:
- emitir un haz láser (28) sobre el atún (1 ) a su paso por la zona de escaneado;
- capturar imágenes tridimensionales del haz láser (28) proyectado sobre el atún (1 ) a su paso por la zona de escaneado;
- detectar el haz láser (28) en cada imagen capturada;
- obtener el perfil bruto (27) del atún en cada imagen capturada a partir del haz láser (28) detectado;
- generar, a partir de los perfiles brutos (27) obtenidos en las distintas imágenes capturadas, una nube de puntos tridimensional (29) del atún;
- descomponer la nube de puntos tridimensional (29) en una pluralidad de parámetros geométricos que corresponden a una serie de medidas y relaciones que definen la biometría del atún y su especie;
- estimar la especie del atún mediante un árbol de decisión y una comparativa de los parámetros geométricos del atún con una serie de medidas y relaciones patrones.
2. Procedimiento según la reivindicación 1 , caracterizado por que el haz láser (28) es perpendicular a la cinta transportadora (22).
3. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que el haz láser (28) es de color rojo.
4. Procedimiento según la reivindicación anterior, caracterizado por que la longitud de onda del haz láser (28) es de 660 nm.
5. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que para la detección del haz láser (28) las imágenes capturadas son filtradas para detectar únicamente el rango de color empleado por el haz láser (28).
6. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que las imágenes tridimensionales son tomadas frontalmente a la marcha de la cinta transportadora (22) en una posición superior y angulada.
7. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que para la obtención del perfil bruto (27) del atún en cada imagen se identifican las zonas que tienen volumen que corresponden al atún, y se eliminan las zonas planas que corresponden con la cinta transportadora (22).
8. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que para la obtención del perfil bruto (27) del atún en cada imagen se utiliza únicamente la línea central del haz láser (28) de mayor intensidad de color, eliminando el resto del haz láser (28) de menor intensidad debida a la difusión del haz láser sobre la escarcha del atún (1 ) congelado.
9. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que los parámetros geométricos están relacionados entre sí y se encuentran ponderados en función de su representatividad para la definición de la especie.
10. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que las imágenes son capturadas en un habitáculo protegido de la luz exterior y sin iluminación.
1 1 . Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por que la captura de las imágenes tridimensionales se realiza mediante dos cámaras 3D (26) dispuestas a cada lado de la cinta transportadora (22), en una posición superior y angulada.
12. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por comprende estimar, a partir de la nube de puntos tridimensional (29), el volumen y el peso del atún.
13. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por comprende detectar las deformidades presentes en el atún (1 ) producidas por rozamientos, golpes o aplastamientos.
14. Procedimiento según cualquiera de las reivindicaciones anteriores, caracterizado por comprende detectar el paso de un atún (1 ) por la zona de escaneado para iniciar el proceso de captura de imágenes.
15. Sistema automatizado de clasificación de atunes congelados por especie, donde los atunes (1 ) congelados acceden a una zona de escaneado por una cinta transportadora (22) separados a cierta distancia unos de otros, caracterizado por que comprende un módulo de escaneado (20) con:
- al menos un emisor láser (24) encargado de emitir un haz láser (28) sobre el atún (1 ) a su paso por la zona de escaneado;
- medios de captación de imágenes (26) configurados para capturar imágenes tridimensionales del haz láser (28) proyectado sobre el atún (1 ) a su paso por la zona de escaneado;
- medios de procesamiento de datos configurados para:
· detectar el haz láser (28) en cada imagen capturada;
• obtener el perfil bruto (27) del atún en cada imagen capturada a partir del haz láser (28) detectado;
• generar, a partir de los perfiles brutos (27) obtenidos en las distintas imágenes capturadas, una nube de puntos tridimensional (29) del atún;
· descomponer la nube de puntos tridimensional (29) en una pluralidad de parámetros geométricos que corresponden a una serie de medidas y relaciones que definen la biometría del atún y su especie;
• estimar la especie del atún mediante un árbol de decisión y una comparativa de los parámetros geométricos del atún con una serie de medidas y relaciones patrones.
16. Sistema según la reivindicación 15, caracterizado por que al menos un emisor láser (24) se dispone con una orientación tal que el haz láser (28) es perpendicular a la cinta transportadora (22).
17. Sistema según cualquiera de las reivindicaciones 15 a 16, caracterizado por que el módulo de escaneado (20) comprende dos emisores láser (24) dispuestos a cada lado de la cinta transportadora (22) y cuyos haz láser (28) son perpendiculares a la cinta transportadora (22) y coincidentes.
18. Sistema según cualquiera de las reivindicaciones 15 a 17, caracterizado por que el al menos emisor láser (24) emite un haz láser (28) de color rojo.
19. Sistema según la reivindicación anterior, caracterizado por que la longitud de onda del haz láser (28) es de 660 nm.
20. Sistema según cualquiera de las reivindicaciones 15 a 19, caracterizado por que para la detección del haz láser (28) los medios de procesamiento de datos están configurados para filtrar las imágenes capturadas para detectar únicamente el rango de color empleado por el haz láser (28).
21 . Sistema según cualquiera de las reivindicaciones 15 a 20, caracterizado por que los medios de captación de imágenes (26) se disponen frontalmente a la marcha de la cinta transportadora (22) en una posición superior y angulada.
22. Sistema según cualquiera de las reivindicaciones 15 a 21 , caracterizado por que para la obtención del perfil bruto (27) del atún en cada imagen los medios de procesamiento de datos están configurados para identificar las zonas que tienen volumen que corresponden al atún, y eliminar las zonas planas que corresponden con la cinta transportadora (22).
23. Sistema según cualquiera de las reivindicaciones 15 a 22, caracterizado por que para la obtención del perfil bruto (27) del atún en cada los imagen medios de procesamiento de datos están configurados para utilizar únicamente la línea central del haz láser (28) de mayor intensidad de color, eliminando el resto del haz láser (28) de menor intensidad debida a la difusión del haz láser sobre la escarcha del atún (1 ) congelado.
24. Sistema según cualquiera de las reivindicaciones 15 a 23, caracterizado por que los parámetros geométricos están relacionados entre sí y se encuentran ponderados en función de su representatividad para la definición de la especie.
25. Sistema según cualquiera de las reivindicaciones 15 a 24, caracterizado por que el módulo de escaneado (20) comprende una carcasa exterior y unas bandas de protección en la zona de entrada y salida de los atunes que definen un habitáculo protegido de la luz exterior y sin iluminación en el que las imágenes son capturadas.
26. Sistema según cualquiera de las reivindicaciones 15 a 25, caracterizado por que los medios de captación de imágenes (26) comprenden dos cámaras 3D (26) dispuestas a cada lado de la cinta transportadora (22), en una posición superior y angulada.
27. Sistema según cualquiera de las reivindicaciones 15 a 26, caracterizado por que los medios de procesamiento de datos están configurados para estimar, a partir de la nube de puntos tridimensional (29), el volumen y el peso del atún.
28. Sistema según cualquiera de las reivindicaciones 15 a 27, caracterizado por que los medios de procesamiento de datos están configurados para detectar, a partir de los parámetros geométricos, las deformidades presentes en el atún (1 ) producidas por rozamientos, golpes o aplastamientos.
29. Sistema según cualquiera de las reivindicaciones 15 a 28, caracterizado por que el módulo de escaneado (20) comprende medios sensores de presencia encargados de detectar el paso de un atún (1 ) por la zona de escaneado y así activar los medios de captación de imágenes (26) para iniciar el proceso de captura de imágenes.
PCT/ES2015/070188 2014-04-09 2015-03-18 Sistema y procedimiento automatizado de clasificación de atunes congelados por especie Ceased WO2015155389A1 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ES201430527A ES2478420B1 (es) 2014-04-09 2014-04-09 Sistema y procedimiento automatizado de clasificación de atunes congelados por especie
ESP201430527 2014-04-09

Publications (1)

Publication Number Publication Date
WO2015155389A1 true WO2015155389A1 (es) 2015-10-15

Family

ID=51177619

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/ES2015/070188 Ceased WO2015155389A1 (es) 2014-04-09 2015-03-18 Sistema y procedimiento automatizado de clasificación de atunes congelados por especie

Country Status (2)

Country Link
ES (1) ES2478420B1 (es)
WO (1) WO2015155389A1 (es)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107138432A (zh) * 2017-04-05 2017-09-08 杭州迦智科技有限公司 非刚性物体分拣方法和装置
DE102016107687A1 (de) * 2016-04-26 2017-10-26 Nordischer Maschinenbau Rud. Baader Gmbh + Co. Kg Verfahren und Vorrichtung zur Erkennung der Bauch-/Rückenlage von mittels einer Fördereinrichtung geförderten Fischen
CN113070243A (zh) * 2021-03-15 2021-07-06 杭州思看科技有限公司 三维扫描数据的检测方法、装置、系统和电子装置
CN113657842A (zh) * 2021-10-14 2021-11-16 南通天成包装有限公司 一种工业胶带储备管理方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NO20220528A1 (en) * 2022-05-09 2023-11-10 Optimar As System and method for estimating weight of biomass
ES2992449B2 (es) * 2023-06-08 2025-04-21 Tecnologia Marina Ximo Sl Equipo y procedimiento automático de pelado de atunes
DE102024110736A1 (de) * 2024-04-17 2025-10-23 Nienstedt Gmbh Verfahren zum Einbringen von Lebensmittelblöcken in eine Lebensmittelverarbeitung und Verarbeitungslinie oder Vorrichtung zum Durchführen eines solchen Verfahrens

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0331390A2 (en) * 1988-02-29 1989-09-06 Grove Telecommunications Ltd. Fish sorting machine
NL9000457A (nl) * 1990-02-26 1991-09-16 Rijksinstituut Voor Visserijon Werkwijze en inrichting voor het bepalen van het volume van een voorwerp op een vlakke ondergrond.
JPH04323537A (ja) * 1991-04-23 1992-11-12 Hitachi Plant Eng & Constr Co Ltd 魚類の選別方法及びその装置
WO1994009920A1 (en) * 1992-10-23 1994-05-11 The Minister Of Agriculture Fisheries And Food In Her Britannic Majesty's Government Of The United Kingdom Of Great Britain And Northern Ireland Fish sorting machine

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0331390A2 (en) * 1988-02-29 1989-09-06 Grove Telecommunications Ltd. Fish sorting machine
NL9000457A (nl) * 1990-02-26 1991-09-16 Rijksinstituut Voor Visserijon Werkwijze en inrichting voor het bepalen van het volume van een voorwerp op een vlakke ondergrond.
JPH04323537A (ja) * 1991-04-23 1992-11-12 Hitachi Plant Eng & Constr Co Ltd 魚類の選別方法及びその装置
WO1994009920A1 (en) * 1992-10-23 1994-05-11 The Minister Of Agriculture Fisheries And Food In Her Britannic Majesty's Government Of The United Kingdom Of Great Britain And Northern Ireland Fish sorting machine

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016107687A1 (de) * 2016-04-26 2017-10-26 Nordischer Maschinenbau Rud. Baader Gmbh + Co. Kg Verfahren und Vorrichtung zur Erkennung der Bauch-/Rückenlage von mittels einer Fördereinrichtung geförderten Fischen
US10709144B2 (en) 2016-04-26 2020-07-14 Nordischer Maschinenbau Rud. Baader Gmbh + Co. Kg Method and device for detecting the prone/supine position of fish conveyed by means of a conveying device
CN107138432A (zh) * 2017-04-05 2017-09-08 杭州迦智科技有限公司 非刚性物体分拣方法和装置
CN107138432B (zh) * 2017-04-05 2020-03-13 杭州迦智科技有限公司 非刚性物体分拣方法和装置
CN113070243A (zh) * 2021-03-15 2021-07-06 杭州思看科技有限公司 三维扫描数据的检测方法、装置、系统和电子装置
CN113657842A (zh) * 2021-10-14 2021-11-16 南通天成包装有限公司 一种工业胶带储备管理方法及系统
CN113657842B (zh) * 2021-10-14 2022-03-15 南通天成包装有限公司 一种工业胶带储备管理方法及系统

Also Published As

Publication number Publication date
ES2478420A1 (es) 2014-07-21
ES2478420B1 (es) 2015-06-02

Similar Documents

Publication Publication Date Title
WO2015155389A1 (es) Sistema y procedimiento automatizado de clasificación de atunes congelados por especie
CN101678405B (zh) 柑橘类腐果自动筛分系统
CA3092996C (en) Systems and methods for imaging seeds using multiple cameras
JP6152845B2 (ja) 光学式粒状物選別機
ES3004941T3 (en) Apparatus for detecting matter
JP6590907B2 (ja) 莢果選別システム、莢果選別装置及び莢果選別方法
RU2564599C2 (ru) Способ классификации предметов, найденных в партии семян, и его соответствующее применение для производства семян
US9424635B2 (en) Method and device for individual grain sorting of objects from bulk materials
US7039220B2 (en) Methods and apparatus for the dimensional measurement of livestock using a single camera
ES2940563T3 (es) Método y aparato para detectar materia
JP6037125B2 (ja) 光学式粒状物選別機
AU2016242468B2 (en) A novel color based optical grading system with multi reflectance and multi-angle views
ES2715690T3 (es) Método para clasificar
KR20080104000A (ko) 곡물 낟알의 광학 측정 장치 및 측정 방법
US20180218215A1 (en) Method for Imaging a Corn Ear and Apparatus for Implementing Such Method
JP2025500758A (ja) 材料識別装置及び方法
CA2564648A1 (en) Apparatus and method for inspecting a stream of matter by light scattering inside the matter
CN115201929A (zh) 用于检查罐的设备和方法
US11672270B2 (en) Pepper de-stemming methods and apparatus
ES2701096T3 (es) Aparato y método para rastreo con visión
JP6997495B1 (ja) ピスタチオ選別装置
Cho et al. Development of automatic sorting system for green pepper using machine vision
ES2523390B2 (es) Procedimiento automático para determinar la compacidad de un racimo de uva en modo continuo, sobre una cinta transportadora sita en bodega
WO2023199102A1 (en) Scanning of objects
WO2023198900A1 (en) Scanning of objects

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15776967

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A SENT 02.02.17)

122 Ep: pct application non-entry in european phase

Ref document number: 15776967

Country of ref document: EP

Kind code of ref document: A1