| 主权项 |
1.一种在特质化产品的生产期间用以监视该产品 某个感官特性的方法,其中已撷取该特质化产品一 连串不只一个的多变量影像,各该影像系由一含有 若干图素元件的影像阵列构成,该等图素元件则具 有在至少三个用以定义该影像阵列之维数的波长 范围内的测定密度値;其中该方法系由下列各步骤 组成: 确认该特质化产品的某个感官特性; 产生一个感官特征向量; 利用一种回归法而使该感官特征向量与感官特性 相关连;和 产生该感官特征向量的输出。 2.如申请专利范围第1项所述之方法,其中特质化产 品的多变量影像在可见光谱内撷取。 3.如申请专利范围第2项所述之方法,其中影像阵列 的图素元件具有一般为红、绿和蓝之颜色的各种 变动密度。 4.如申请专利范围第1项所述之方法,其中特质化产 品的多变量影像系在近红外线光谱内撷取。 5.如申请专利范围第1项所述之方法,其中感官特征 向量系由所称至少三个波长范围各自的平均値组 成。 6.如申请专利范围第1项所述之方法,其中是将一个 以上的其它物理过程量测与感官特征向量中所含 的资讯结合,据以使该等物理过程量测与该感官特 性发生关连。 7.如申请专利范围第1项所述之方法,其中物理过程 量测是从下列构成之群组中选用的一种:芋片含水 量,芋片含油量,每十片芋片之芋片重量,团料水分 。 8.如申请专利范围第1项所述之方法,其中系将特质 化产品的一项以上声讯量测与感官特征向量中所 含的资讯结合,据以使声讯量测与感官特性发生关 连。 9.如申请专利范围第1项所述之方法,其中系将特质 化产品的一项以上声讯量测和一项以上的其它物 理过程量测与感官特征向量中所含的资讯结合,据 以使该等声讯量测和物理过程量测与该感官特性 发生关连。 10.如申请专利范围第6项所述之方法,其中是在产 生感官特性的输出之前先对物理过程量测执行回 归法。 11.如申请专利范围第8项所述之方法,其中是在产 生感官特性的输出之前先对声讯量测执行回归法 。 12.如申请专利范围第1项所述之方法,其中食品的 感官特性系从下列构成之群组中所选用者:气泡等 级(blister level),烘烤点(toast point),风味,质地,脆度( crispness),酥度(crunchiness),和最大断裂力。 13.如申请专利范围第1项所述之方法,其中系将一 种多变量统计投射法应用到影像阵列,使维数减低 到一个由少数计分向量所定义的低维数计分空间, 和从该低维数计分空间影像数据产生该感官特征 向量。 14.如申请专利范围第13项所述之方法,其中多变量 统计投射法系从下列构成之群组中所选用者:多向 主成分分析法(PCA),多向部份最小平方法(PLS),投射 追踪法(projection pursuit),独立成分分析法。 15.如申请专利范围第13项所述之方法,其中应用到 影像阵列的多变量统计投射法会将该影像阵列的 维数减低到一个t1-t2计分空间。 16.如申请专利范围第15项所述之方法,其中特征向 量是个第一负载向量t1。 17.如申请专利范围第15项所述之方法,其中是将t1-t 2计分图分成若干区块,再合计各区块内的密度値, 据以求取特征向量。 18.如申请专利范围第15项所述之方法,其中感官特 征向量的产生方式系由下列各步骤组成: 对一控制过程的影像阵列应用多变量统计投射法, 据以将维数减低到一个具有重要负载向量的低维 数计分空间; 沿着该重要负载向量所定义的方向投射t1-t2计分 空间,据以产生一投射向量;和 从该投射向量产生一直方图,据以定义出感官特征 向量。 19.如申请专利范围第15项所述之方法,其中感官特 征向量的产生方式系由下列各步骤组成: 对一控制过程的影像阵列应用多变量统计投射法, 据以将维数减低到一个具有重要负载向量的低维 数计分空间; 沿着该重要负载向量所定义的方向投射t1-t2计分 空间,据以产生一投射向量;和 从该投射向量产生一累积直方图,据以定义出感官 特征向量。 20.如申请专利范围第15项所述之方法,其中感官特 征向量的产生方式系由下列各步骤组成: 从二个个别特征Z1和Z2的t1-t2计分空间影像数据来 计算直方图元件之间的共变异数矩阵COV1和COV2; 从共变异数矩阵COV1和COV2来计算一个角矩阵; 将t1-t2计分空间影像数据置于角矩阵之上;和 计算一累积直方图,据以定义出特征向量。 21.如申请专利范围第15项所述之方法,其中感官特 征向量的产生方式系由下列各步骤组成: 从一控制过程的二个个别特征Z1和Z2的t1-t2计分空 间影像数据来计算直方图元件之间的共变异数矩 阵COV3和COV4; 将共变异数矩阵COV3和COV4相加并显示出和,作为第 一t1-t2计分空间的色码影像和显示(sum display); 选择一光罩,以描述在第一t1-t2计分空间中所称和 显示内与一产品区对应的区域; 将多变量影像投射到第一t1-t2计分空间和去除位 在所称区域之外的图素,据以产生纯产品影片; 对该等纯产品影像应用多变量统计投射法,据以将 该等纯产品影像的维数减低到一个第二t1-t2计分 空间; 从二个个别特征Z1和Z2的第二t1-t2计分空间来计算 直方图元件之间的共变异数矩阵COV5和COV6; 从共变异数矩阵COV5和COV6来计算一个角矩阵; 将第二t1-t2计分空间影像数据置于角矩阵之上;和 计算一累积直方图,据以定义出感官特征向量。 22.如申请专利范围第1项所述之方法,其中回归法 系从下列构成之群组中所选用者:主成分回归法( PCR);部份最小平方法(PLS);多变量线性回归法(MLR); 类神经网路法(ANN)。 23.如申请专利范围第1项所述之方法,其中输出系 被显示作为一色码影像,以供视觉监视过程的操作 条件。 24.一种在多变操作条件下监视食品过程的方法,其 中食品已曝露于一电磁辐射源,另已撷取一连串不 只一个在电磁光谱内的多变量影像,各该影像系由 一含有若干图素元件的影像阵列构成,各该图素元 件则具有电磁光谱内至少一个用以定义该影像阵 列至少三个维数之波长的密度値;此外也已对该影 像阵列应用多向主成分分析,据以将该影像阵列的 维数减低到一个t1-t2计分空间;其中该方法系由下 列各步骤组成: 从t1-t2计分空间产生一个感官特征向量; 执行一种回归法而使该感官特征向量与食品的一 感官特性发生关连;和 产生该感官特征向量的输出,以便连续监视及反馈 控制该过程的操作条件。 25.如申请专利范围第24项所述之方法,其中是将一 个以上的其它物理过程量测与感官特征向量中所 含的资讯结合,据以使该等物理过程量测与该感官 特性发生关连。 26.如申请专利范围第25项所述之方法,其中是在产 生感官特性的输出之前先对物理过程量测执行回 归法。 27.如申请专利范围第24项所述之方法,其中物理过 程量测是从下列构成之群组中选用的一种:芋片含 水量,芋片含油量,每十片之芋片重量,团料水分。 28.如申请专利范围第24项所述之方法,其中系将特 质化产品的一项以上声讯量测与感官特征向量中 所含的资讯结合,据以使声讯量测与感官特性发生 关连。 29.如申请专利范围第28项所述之方法,其中是在产 生感官特性的输出之前先对声讯量测执行回归法 。 30.如申请专利范围第24项所述之方法,其中系将特 质化产品的一项以上声讯量测和一项以上的其它 物理过程量测与感官特征向量中所含的资讯结合, 据以使该等声讯量测和物理过程量测与该感官特 性发生关连。 31.如申请专利范围第24项所述之方法,其中食品的 感官特性系从下列构成之群组中所选用者:气泡等 级,烘烤点,风味,质地,脆度,酥度,和最大断裂力。 32.一种在多变操作条件下监视食品过程的方法,其 中食品已曝露于一电磁辐射源,另已撷取一连串不 只一个在可见光谱内的多变量影像,各该影像系由 一含有若干图素元件的影像阵列构成,各该图素元 件则具有用以定义该影像阵列的三个维数,一般为 红、绿和蓝之颜色的密度値;此外也已对该影像阵 列应用多向主成分分析,据以将该影像阵列的维数 减低到一个第一t1-t2计分空间;又已用光罩将第一t 1-t2计分空间的一个区域掩蔽,以便把背景从该影 像阵列排除;再者还已将该等多变量影像投射到第 一t1-t2计分空间,并把位在该区域之外的图素去除, 以产生纯产品影像;另已对该等纯产品应用多向主 成分分析法,据以将该等纯产品影像的维数减低到 一个第二t1-t2计分空间;其中该方法系由下列各步 骤组成: 从第二t1-t2计分空间产生一个感官特征向量; 执行一种回归法而使该感官特征向量与食品的一 感官特性发生关连;和 产生该感官特征向量的输出,以便连续监视及反馈 控制该过程的操作条件。 33.如申请专利范围第32项所述之方法,其中是将一 个以上的其它物理过程量测与感官特征向量中所 含的资讯结合,据以使该等物理过程量测与该感官 特性发生关连。 34.如申请专利范围第32项所述之方法,其中物理过 程量测是从下列构成之群组中选用的一种:芋片含 水量,芋片含油量,每十片之芋片重量,团料水分。 35.如申请专利范围第32项所述之方法,其中系将特 质化产品的一项以上声讯量测与感官特征向量中 所含的资讯结合,据以使声讯量测与感官特性发生 关连。 36.如申请专利范围第32项所述之方法,其中系将特 质化产品的一项以上声讯量测和一项以上的其它 物理过程量测与感官特征向量中所含的资讯结合, 据以使该等声讯量测和物理过程量测与该感官特 性发生关连。 37.如申请专利范围第33项所述之方法,其中是在产 生感官特性的输出之前先对物理过程量测执行回 归法。 38.如申请专利范围第35项所述之方法,其中是在产 生感官特性的输出之前先对物理过程量测执行回 归法。 39.如申请专利范围第32项所述之方法,其中食品的 感官特性系从下列构成之群组中所选用者:气泡等 级,烘烤点,风味,质地,脆度,酥度,和最大断裂力。 40.一种在线上环境监视食品感官特性的方法,其中 该食品系曝露于一电磁辐射源,该方法则由下列各 步骤组成: 使具有至少一个感官特性的产品成像; 从影像析取背景特征; 从影像析取产品的任何涂布特征; 产生一个意欲感官特性的影像计分图; 利用统计回归而使该产品的感官特性与一训练样 本计分图发生关连;和 预测成像产品之感官特性的发生情形。 41.如申请专利范围第40项所述之方法,其中产品感 官特性系成像产品之产品感官特性的发生情形( occurrence),数量,变异(variance),特质(characteristic),等 级(level)或程度(degree)。 42.如申请专利范围第40项所述之方法,其中成像产 品之产品感官特征发生情形、浓度或等级的预测 是在整个影像的若干分段(subsection)范围内予以计 算。 43.如申请专利范围第40项所述之方法,其中发生情 形的预测系用于预测是否存有感官产品特征。 44.如申请专利范围第40项所述之方法,其中感官产 品特征系以下列构成之群组中的至少一种予以成 像:可见光谱成像,红外光谱成像,紫外光谱成像,可 闻声波检测(audible sound wave detection),不可闻声波检 测,质量频谱法和色谱法。 45.如申请专利范围第40项所述之方法,其中用于影 像处理的影像取得装置,电脑处理器及电脑程式系 用以使方法变成产品制程的线上实务。 46.如申请专利范围第40项所述之方法,另包括以闭 环控制(closed loop control)来自动调整线上制程。 47.如申请专利范围第40项所述之方法,另包括以产 品制程之可视化软体来提供品管影像,据以提供下 列构成之群组中的一个以上:过程监视,过程控制, 过程警示,或瑕疵品中止(aborting)。 48.如申请专利范围第40项所述之方法,其中特征产 品系被置于或未置于基床上。 49.如申请专利范围第48项所述之方法,其中预测的 特定基床深度系用于增大会受可变基床深度以及 与成像装置相隔距离影响之其它产品特征的量测 。 50.如申请专利范围第40项所述之方法,其中特定基 床深度模型系用于预测产品的基床深度。 51.如申请专利范围第40项所述之方法,其中是将一 个以上的其它物理过程量测与感官特征向量中所 含的资讯结合,据以使该等物理过程量测与该感官 特性发生关连。 52.如申请专利范围第51项所述之方法,其中是在产 生感官特性的输出之前先对物理过程量测执行回 归法。 53.如申请专利范围第40项所述之方法,其中物理过 程量测是从下列构成之群组中选用的一种:芋片含 水量,芋片含油量,每十片之芋片重量,团料水分。 54.如申请专利范围第40项所述之方法,其中系将特 质化产品的一项以上声讯量测与感官特征向量中 所含的资讯结合,据以使声讯量测与感官特性发生 关连。 55.如申请专利范围第54项所述之方法,其中是在产 生感官特性的输出之前先对声讯测执行回归法。 56.如申请专利范围第40项所述之方法,其中系将特 质化产品的一项以上声讯量测和一项以上的其它 物理过程量测与感官特征向量中所含的资讯结合, 据以使该等声讯量测和物理过程量测与该感官特 性发生关连。 57.如申请专利范围第40项所述之方法,其中食品的 感官特性系从下列构成之群组中所选用者:气泡等 级,烘烤点,风味,质地,脆度,酥度,和最大断裂力。 图式简单说明: 第一图系一图解图,显示出依本发明的一方法而整 合到一线上食品制造环境内的一较佳实施例; 第二图系一图解图,其中显示出依本发明的一方法 而让食品成像,析取影像特征,和进行统计回归以 确定涂料浓度的基本模型; 第三a和三b图所示者分别是产品调味料浓度对产 品平均颜色以及第一主成分负载向量之间关系的 图形说明; 第四A,四B和四C图所示者分别是依本发明的一方法 而对未涂布、低涂布和高涂布食品的三张个别的 影像; 第五图所示者系依本发明的一方法而选取一影像 计分图,和将其分成32x32区块以供用于开发各影像 之特征向量而建立的一维直方图; 第六及七图所示者系依本发明的一方法而根据向 量投射来产生一累积直方图,据以分割一影像计分 图的另一方式; 第八a和八b图所示者系依本发明的一方法而分别 对各个已分析未调味影像,低调味影像和高调味影 像取得之一维直方图和累积直方各点的视图; 第九图所示者系依本发明的一方法而经堆叠以便 确定共变异数之成像数据的计分图; 第十A及十B图所示者系依本发明的一方法而从样 本影像训练数据集和对应的实验室涂料浓度所获 得的二个色码图形共变异数图; 第十一图所示者系依本发明的一方法而具有以各 种角値为基础之32图格(bin)的图形色码角图,其系 根据成像产品之特性区段的相关连性而用于建立 一个累积直方图; 第十二A,十二B及十二C图所示者系依本发明的一方 法而分别置于一个分成32图格之色码角图上的未 调味、低调味及高调味产品的影像计分图; 第十三a和十三b图所示者系依本发明的一方法而 分别对第十二A,十二B及十二C图所示之三种产品样 本影像计分图所获得的直方图与累积直方图; 第十四图所示者系依本发明的一方法,在有关所取 样及建立模型的食品训练数据集与测试数据集方 面,显示出模型预测涂料浓度对该涂料浓度之实验 室分析的图解图; 第十五A及十五B图所示者系表示输送皮带与操作 人员手指的背景与异物图素,该等图素系依发明的 一方法而在分割(segmentation)步骤期间被去除; 第十六A到十六D图所示者分别是依本发明所实施 之方法3,4,5和6计算出的各直方图图格的估算涂料 浓度的视图; 第十七A到十七B图所示者系依本发明的一方法而 计算出,用以去除含有背景与异物等不合适图素之 产品光罩的图形影像; 第十八a及十八b图所示者分别是利用依本发明所 实施之方法6而获得的重新取样与平滑化的未调味 、低调味和高调味产品的累积调味浓度图解图; 第十九图系一色码图形显示,其显示出依本发明一 实施例而对食品计算出的调味浓度; 第二十图所示者系依本发明一实施例而采用小型 视窗策略,就产品C的三个样本影像所获得的涂料 分布图解图; 第二一A,二一B和二一C图所示者分别是依本发明一 实施例对10x10,20x20和32x32小型视窗尺寸加以计算之 彩色产品影像的不同部分; 第二二图所示者系依本发明一实施例而使用10x10, 20x20和32x32小型视窗尺寸所求出的涂料分布图解图 ; 第二三图系一色码产品影像,显示出依本发明一实 施例而在食品上呈现的涂布与未涂布的调味部分; 第二四图系一流程图,显示出本发明之产品特征确 认方法的实施过程; 第二五a及二五b图所示者系依本发明的一实施例, 与侦知之调味漏斗填充讯号做比较的调味浓度等 级对时间的视图; 第二六a及二六b图所示者系依本发明一实施例,使 调味位准偏差改变(受控变数)而对该调味位准引 起的开环回应; 第二七图所示者系依本发明一实施例,有关产品A 之预测调味位准,已观察未调味产品重量,调味料 进给速率,和倾斜闸使不良品转向之讯号的视图; 第二八图所示者系依本发明一实施例,有关产品B 之预测调味位准,已观察未调味产品重量,调味料 进给速率,和预测调味分布变异的视图; 第二九A到二九H图所示者系依本发明一实施例,具 有各种不同调味涂料且与第28图参照号码对应的 产品彩色影像; 第三十图所示者系依本发明一实施例,有关第29图 中影像5的调味分布图; 第三一图所示者系依本发明一实施例,有关调味位 准设定点、预测调味位准,未调味产品重量及调味 进给速率的视图; 第三二图系一图解图,显示出依本发明之方法而整 合到一蒸气锅炉内的火焰分析实施例; 第三三a及三三b图所示者系案例I经过一段时间之 液态燃料(A)流率与蒸气流率的图例; 第三四a及三四b图所示者系案例II经过一段时间之 液态燃料(B)流率与蒸气流率的图例; 第三五图系一连串的火焰影像,显示出使用主计分 影像而将原始火焰影像转变成一重建影像的情形; 第三六图系第三五图所示重建火焰影像之t1-t2计 分图的彩色平面影像; 第三七A及三七C图所示者系样本火焰影像,而第三 七B图所示者则为对应的t1-t2计分图,其中包括一个 所应用且在第三七B图中以绿色三角区域显示的光 罩; 第三八A及三八B图所示者分别为(60多个连续影像) 平均影像及对应的计分图; 第三九图所示者系第三八A图之火焰影像在t1-t2计 分空间中的平均计分图; 第四十A到四十I图所示者系案例I的一连串的特征 变数图,其中淡色线条代表过滤数値,暗色区则代 表原始数据数値; 第四一A到四一I图所示者系案例II的一连串的特征 变数图,其中淡色线条代表过滤数値,暗色区则代 表原始数据数値; 第四二图系一条状图,显示出案例I之PCA模型的预 测能力; 第四三图所示者系案例I之PCA模型第一成分的负载 图; 第四四图系一条状图,显示出案例II前半部数据之 PCA模型的预测能力; 第四五图所示者系案例II前半部数据之PCA模型第 一成分的负载图; 第四六图系一条状图,显示出案例II所有数据之PCA 模型的预测能力; 第四七图所示者系案例II所有数据之PCA模型第一 成分的负载图; 第四八图所示者系案例I及II之PCA模型的t1-t2计分 图; 第四九图所示者系预测蒸气流率对测定蒸气流率 的图例; 第五十a及五十b图所示者分别是案例I及II之蒸气 流率经过一段时间后的预测数値与测定数値的比 较图; 第五一A到五一I图所示者分别是具有各种调味涂 布程度之三种不同食品的彩色影像; 第五二图所示者系依本发明的一实施例,有关在一 零食品(芋片)之表面的气泡与烘烤点的彩色影像; 第五三A到五三D图所示者分别是具有二种不同调 味涂布程度及二种不同气泡与烘烤点等级(感官特 性)之零食品的影像; 第五四A到五四D图所示者分别是在已去除涂料资 讯时,关于具有二种不同调味涂布程度及二种不同 气泡与烘烤点等级(感官特性)之零食品的影像; 第五五A到五五F图所示者系依本发明之方法,用以 在各种与第三三a和三三b,以及第三四a和三四b图 相关者对应之情况下,作为本发明一实施例的蒸气 锅炉火焰的各组彩色影像; 第五六A到五六F图所示者分别是第五五图所示样 本影像的各组彩色计分图;和 第五七a到五七d图是预测对观察图,其中各图分别 代表气泡等级,烘烤点等级,风味特性,和最大断裂 力。 |
