Korn für Korn gesicherte Qualität

Automatisierte Bildanalyse zur Qualitätskontrolle von Getreide

Die Annahme von Getreide in Mühlen und Silobetrieben basiert auf strengen Qualitätskriterien. Dabei findet die Bestimmung der Zusammensetzung, die Besatzanalyse, gegenwärtig noch manuell statt. Das Forschungsprojekt „QualiKorn“ im Programm InnoNet des Bundesministeriums für Wirtschaft und Technologie hat das Ziel, diesen Vorgang zu automatisieren. Am Projekt arbeitet ein Team aus Forschungseinrichtungen, Industriebetrieben und Verbänden. Das Steinbeis-Transferzentrum Qualitätssicherung und Bildverarbeitung in Ilmenau gehört diesem Team an. Es stellt wichtige neuartige Gerätekomponenten wie Kameras, Steuerungen und Lichtquellen zur automatisierten Besatzanalyse bereit.

Bei der manuellen Besatzanalyse wird eine Probe entnommen und in einem Siebprozess zunächst grob nach Größen getrennt. Anschließend werden die Siebfraktionen von einem Labormitarbeiter visuell kontrolliert und der Besatz wird manuell aussortiert. Bei der Getreideanlieferung sind die Ergebnisse der Besatzanalyse entscheidend für Annahme oder Ablehnung einer Lieferung und die Höhe der Vergütung.

Das technische Grundprinzip für die automatisierte Besatzanalyse basiert auf der Bildaufnahme der einzelnen Körner und Bestandteile im freien Fall mit einer CCD-Farbzeilenkamera. Bei endlos gefördertem Messgut bieten Zeilenkameras den Vorteil der lückenlosen Bildaufnahme bei sehr hoher Auflösung in Zeilenrichtung und die Bereitstellung der zweiten Bilddimension durch den Vorschub. Bei der Farbbildaufnahme nehmen Farbzeilenkameras den Bereich des sichtbaren Lichtes in den drei Farbkanälen Rot, Grün und Blau (RGB) auf. Mit einer Dreizeilenkamera, bei der ein Strahlenteiler das Licht gleichzeitig auf drei Zeilen leitet, wird bestmögliche Farbauflösung und Dynamik erreicht.

Die dazu notwendige Beleuchtung besteht aus einer Kombination aus drei Lichtquellen, zwei werden als Auflicht-, eine als Durchlichtbeleuchtung benötigt. Eine kurze Belichtungszeit vermeidet Bewegungsunschärfe im freien Fall. Diese bedingt wiederum eine hohe Lichtstärke. Die Anforderungen an die Lichtquelle sind daher extrem hohe Lichtleistung, sehr gute Homogenität und definierte Spektrale Emission. Weitere Zieleigenschaften sind ein hoher Wirkungsgrad, eine lange Lebensdauer und kleines Volumen. Um diese Forderungen bestmöglich zu erfüllen wurde modernste LED-Technologie in Verbindung mit speziell angepasster Kühltechnik und neuartiger Projektionsoptik eingesetzt.

Mit der Bildaufnahme beginnt ein mehrstufiger Prozess der Erkennung der einzelnen Objekte. Die Segmentierung dient zur Trennung der zu klassifizierenden Objekte von leeren Bildinhalten (Hintergrund). Dieser Schritt reduziert den Datenfluss um rund 95 %, da alle Bereiche ohne relevante Informationen für die weitere Verarbeitung entfallen. Die Merkmalsextraktion bestimmt die einzelnen Merkmale. Für die Unterscheidung werden Farb-, Form- und Texturmerkmale der Objekte herangezogen. Die Kombination ergibt einen Merkmalsvektor aus rund 200 Merkmalswerten. Die Klassifikation erfolgt mit Hilfe des Verfahrens der Support Vektor Maschine (SVM). Unter Verwendung eines Datensatzes aus den 23 Objektklassen wurden für die vier zusammengefassten Hauptklassen Erkennungsraten von 81 % bis 99 % erzielt. Der Probendurchsatz liegt bei 50 g/Minute. Das Ergebnis liefert die Bilder aller Objekte, das Gewicht der Gesamtprobe, den Anteil des einwandfreien Weizens und die Statistik der Probenzusammensetzung. Die Daten werden in die Formulare der jeweiligen Betriebe übertragen und gesichert. Für die Umsetzung des Geräts nach der Projektlaufzeit entwickelte die designlab-weimar GmbH eine Konzeptstudie zum Aussehen.

Kontakt

Dr.-Ing. Peter Brückner | Katharina Anding | Martin Dambon |
Daniel Garten

Steinbeis-Transferzentrum Qualitätssicherung und Bildverarbeitung (Ilmenau)
su0156@stw.de

Seite teilen