{"id":380,"date":"2023-02-07T10:53:18","date_gmt":"2023-02-07T10:53:18","guid":{"rendered":"https:\/\/kunkel-systems.de\/?p=380"},"modified":"2025-03-28T09:48:38","modified_gmt":"2025-03-28T09:48:38","slug":"online-getreide-monitoring-mit-der-besatzmaschine","status":"publish","type":"post","link":"https:\/\/kunkel-systems.de\/?p=380","title":{"rendered":"Online Getreide-Monitoring mit der Besatzmaschine"},"content":{"rendered":"\n
\n
\n
\n
Sie k\u00f6nnen hier <\/strong>den ganzen Artikel als PDF herunterladen:<\/a>Herunterladen<\/a><\/div>\n<\/div>\n<\/div>\n\n\n\n

<\/p>\n<\/div><\/div>\n\n\n\n

Die Besatzmaschine<\/a> ist seit 2019 im Einsatz und wurde als Laborger\u00e4t urspr\u00fcnglich zur Fr\u00fcherkennung von Dunkelfleckigkeit und der Besatz-Untersuchung von Durumweizen entwickelt.<\/p>\n\n\n\n

Das System wurde st\u00e4ndig weiterentwickelt, technisch verbessert und in praktischen Anwendungsf\u00e4llen erprobt.<\/p>\n\n\n\n

So wurde z.B. die Erkennung von Weizen in Hafer umgesetzt, es erfolgte eine optische Trennung von Soja und Raps und es war uns sogar m\u00f6glich, auch ganz andere Produkte wie z.B. Kunststoff-Pellets mit dem System zu untersuchen und die Hand-Analysen zu ersetzen. Die Besatzmaschine kann im Labor optische Ver\u00e4nderungen und Besonderheiten am Grundprodukt erkennen. Man sch\u00fcttet lediglich eine Probe in den Trichter, eine Vibrorinne bef\u00f6rdert das Produkt, das dann von einer Industriekamera im freien Fall erfasst wird. Die Objekte werden separiert und mit der eigenes entwickelten Software in \u201eBesatzklassen\u201c und \u201eFehlerklassen\u201c einteilt. Kern der Untersuchung sind Parameter, die Aussagen \u00fcber die optische Zusammensetzung eines Objektes treffen und somit menschliche Analysen ersetzen k\u00f6nnen.<\/p>\n\n\n\n

So ist es z.B. m\u00f6glich, Abweichungen in der Gr\u00f6\u00dfe, farbliche Texturen oder auch Form-Ver\u00e4nderung zu bestimmen. Abweichungen der Gr\u00f6\u00dfe sind n\u00fctzlich, um Bruchkorn oder Schmachtkorn zu bestimmen, die Texturen-Suche ist hingegen f\u00fcr die Detektion von Dunkelfleckigkeit vorgesehen. Farbver\u00e4nderungen am ganzen Objekt k\u00f6nnen durch Fremdbesatz, Krankheiten und Pilzbefall entstehen. Mit dem Algorithmus zur Pr\u00fcfung der Rundheit kann ein charakteristisch rundes Soja-oder Senf-Korn gut von anderen K\u00f6rnern abgegrenzt werden. Weil alle Getreideobjekte mit einem sehr hellen Licht durchleuchtet werden, ist es m\u00f6glich \u00fcber den Gelbwert Aussagen zur Mehligkeit oder Glasigkeit zu treffen.<\/p>\n\n\n\n

Diese Werte werden wiederum statistisch erfasst und mit zwei oder drei einstellbaren Grenzwerten in mehlig, halbglasig und glasig unterteilt. Die Ergebnisse wurden mit den manuell ermittelten Ergebnissen aus der Laborkontrolle verglichen und eingestellt. Die Besatz-Maschine wurde dabei von Anfang an auf gr\u00f6\u00dftm\u00f6gliche Flexibilit\u00e4t und Vielseitigkeit ausgelegt. S\u00e4mtliche \u201eKornklassen\u201c und Produkte k\u00f6nnen vom Anwender frei definiert werden.<\/p>\n\n\n\n

Die Besatzmaschine wird am Anfang auf menschliche Labormethoden kalibriert, \u00fcbernimmt aber dann die weitere Kontrolle vollautomatisch und kann die Fehlerklassen eigenst\u00e4ndig bewerten und einordnen.<\/p>\n\n\n\n

Mittlerweile ist eine gro\u00dfe Datenbank vorhanden, mit der verschiedenste Anwendungsf\u00e4lle abgedeckt sind. Ein Produkt <\/em>besteht aus mehreren Kornklassen, die wiederum eine oder mehrere Methoden der digitalen Bildverarbeitung beinhalten k\u00f6nnen. Die Klassen k\u00f6nnen wiederum kombiniert werden, um die Genauigkeit der Erkennung weiter zu verbessern.<\/p>\n\n\n\n

Der Vorgang der digitalen Bildverarbeitung ist dabei immer gleich und durch den Algorithmus ist eine hohe Reproduzierbarkeit gegeben.<\/p>\n\n\n\n