1 |
1
곡물 시료가 정렬되는 시료 정렬부;광원을 포함하는 광원부;상기 광원부에서 곡물 시료에 조사(illumination)된 광원에 의해 상기 곡물 시료로부터 반사되어 나오는 반사광을 검출하는 반사광 검출부; 곡물 시료의 이미지를 촬영하는 이미지 촬영부;상기 이미지 촬영부에 의해 얻은 이미지로부터 곡물 시료 배아 부분의 면적(area), 둘레(perimeter), 단축(minor axis), 장축(major axis), 장단축 비율, 외곽선 비율(contour ratio) 및 원형도(roundness)로 이루어진 군으로부터 선택되는 하나 이상의 형상 특성 및 색 특성을 분석하는 이미지 분석부; 및상기 반사광 검출부 및 이미지 분석부로부터 얻은 데이터를 적용하여 곡물의 발아율을 예측하는 발아율 예측부를 포함하는 곡물의 발아율 예측 시스템
|
2 |
2
제 1 항에 있어서, 상기 곡물은 현미, 녹두, 수수, 율무, 콩, 보리, 차조, 옥수수, 밀 및 귀리로 구성된 군으로부터 선택되는 것인, 곡물의 발아율 예측 시스템
|
3 |
3
제 1 항에 있어서, 상기 광원은 자외선 파장범위를 갖는 광원, 가시광 파장범위를 갖는 광원 및 근적외선 파장범위를 갖는 광원으로 구성된 군으로부터 선택되는 하나 이상의 광원인 것인, 곡물의 발아율 예측 시스템
|
4 |
4
삭제
|
5 |
5
제 1 항에 있어서, 상기 색 특성은 곡물 시료 배아 부분의 Lab 색 공간 값인 것인, 곡물의 발아율 예측 시스템
|
6 |
6
제 1 항에 있어서, 상기 반사광 검출부 및 이미지 분석부로부터 얻은 데이터는 인공지능 학습 프로그램에 적용하여 곡물의 발아율을 예측하는 것인, 곡물의 발아율 예측 시스템
|
7 |
7
광원을 곡물 시료에 조사하는 광원 조사 단계;곡물 시료로부터 반사되어 나오는 반사광을 검출하는 반사광 검출 단계; 곡물 시료의 이미지로부터 형상 특성 및 색 특성을 분석하는 이미지 분석 단계; 및상기 반사광 검출 단계 및 이미지 분석 단계에서 얻은 데이터를 인공지능 학습 프로그램에 적용하여 곡물의 발아율을 예측하는 발아율 예측 단계를 포함하는 곡물의 발아율 예측 방법
|
8 |
8
제 7 항에 있어서, 상기 곡물은 현미, 녹두, 수수, 율무, 콩, 보리, 차조, 옥수수, 밀 및 귀리로 구성된 군으로부터 선택되는 것인, 곡물의 발아율 예측 방법
|