机器视觉 |
|
| 按行业筛选 |
|
|
| 按产品筛选 |
|
|
| |
查看本类全部文章 |
| |
|
|
|
啤酒饮料的色彩测量与控制 |
|
newmaker |
|
颜色是产品外观的一个重要部份,它可以使人联系想到产品的新鲜度、营养价值、质量的好坏等等,再加上对颜色的喜好,就形成了顾客对产品颜色的偏好。对于不同产品,颜色要求会有所不同,例如:同样是啤酒的浊度,新鲜扎啤(draft beer)与瓶装啤酒对此就有不同要求,后者的悬浮物则会被认为是不新鲜或变质了。
目前,用传统方法测量透明或半透的液体,存在一定困难,主要是因为传统方法得到的数据都是纯液体的颜色,而与目视状况完全没有直接联系。最明显的例子就是清晰度或霾度(Haze)——无法从颜色的数字中看出。所以传统的测量方式只能满足液体质量上的鉴定。而对于浊度的测量,我们必须使用与“影像”—目视结果有直接关联的测量方式。事实上,最直观的测量方式莫过于看到什么,就给出那部份颜色的数据。所以,以影像撷取方法测量透明或半透液体及瓶装颜色的测量方法,是最能与目测感觉联系在一起的。同时,给出的数据按影像/样品上相对应的位置,与读取的面积大小,一一显示出来,令人一目了然。此外,只要样品不太大,标准样品与对比样品可同时成像,或对多个样品一次成像。此举除简化操作外,还能消除系统重现的偏差,这也是测色仪无法提供的。最后,附有准确颜色数据的图像,还可录入“电子样品”,这是产品信息化的重要一步。DigiEye 数慧眼颜色成像系统
这是一种新的测量方法,可直接以影像进行测量:
将液体用玻璃容器直接放置入密封的影像撷取箱里进行拍摄,箱内附有D65日光光源(或其他标准光源)。摄像机的影像要预先进行颜色校正,以获得良好的准确度与重现性。在进行影像撷取时,箱体内不允许有任何外界光线进入,以确保影像颜色的准确性。同时,通过使用专业的彩色显示器,以及独特的技术进行进一步校正屏幕颜色,使之能模仿真实的颜色。
当影像被撷取并储存时,除影像本身被数字化外,其中每一像素都附有被校正过的颜色数据。所以,当图像文件案被打开,每一点或每一组的颜色都可以被读取。这些数字化的颜色,都可以被永久保存。所以,利用影像来读取颜色,不单只可解决测色仪所不能测量的颜色,同时还记录样品的影像,及被测量的部位,成为可被数字化储存起来的“电子样品”。
用互联网传递电子样品,有助于对产品的沟通。若再加上用各种属性标记样品,日后产品可凭各种属性轻易地被查找出来。“电子样品”可以在样品制做、储存、传递、沟通及质量管理上,节省大量成本并提升效率,是“产品信息化”的重要元素。
应用实例
不同的测量目的决定了不同的测量方法、所用的容器以及影像撷取的角度等。以下我们以不同的测量目的为例,提供一些实际测量方法的范例。* 透明或半透液体本身的颜色
以俯视垂直方式撷取影像,获得液体在不同深度的颜色的变化。
透明液体,本身随着深度而颜色加深,如酒类饮料。所以,可用一个具梯阶式不同深度的容器,来得出不同深度下的液体颜色。
对于果汁类的半透明液体,除颜色外,还需要了解其遮盖力;所以,除梯阶式多层深度容器外,也可在单一适当深度的玻璃容器底部,放置黑白卡,藉测量黑白卡位置的颜色对比,可得到半透液体的遮盖力数据。
* 模拟饮料倒于杯子后的颜色测量
侧视图像,可得出容器+液体的整体效果,模拟从顾客的角度观察饮料颜色;或研究群众对饮料颜色的爱好,以改进饮料颜色或浊度。
* 瓶装饮料
对于这类的应用,一般顾客是受到整体包装的吸引。反而液体很少被转移到其他容器而直接被使用掉。
在这些情况下,容器本身的颜色便很容易影响到整体颜色。有些容器虽然是透明,但所带有的色调却很容易影响到整体颜色(液体+瓶子),使得看起来有明显的差异,容易使顾客联想到液体的质量问题。所以,在高档饮料市场,货架上不同批次瓶装颜色的一致性,其重要性要较一般产品突出很多。此外,连同瓶子上包装纸的颜色,亦可一并作整体的颜色品管检验。
小结
DigiEye数慧眼颜色成像系统,已被国外一些大学、国际品牌公司及食品研究机构作为对食品、饮料及酒类商品的各种研究。原因是:
一、 市面上尽管有些液体的测色仪或专用于某类产品的测色仪,但究其使用的广泛性及操作的便捷性,稍显逊色。
二、 对不平均及复杂颜色,DigiEye系统能提供比传统测色仪更佳的测量重现性。
三、 DigiEye系统所测到的,是直接从影像所得到的颜色数据,它们更能代表人眼判色的结果。所以适合被应用于:
* 一般光照环境中,而并非传统测色仪那种封闭、人眼根本接触不到的光照环境。
* 用数字解读出人群对液体透明度及颜色喜好的偏向。
* 用最新的影像技术,连接到人们直接目视观察到的颜色测量。
* 以影像技术,对液体商品如啤酒、葡萄酒、威士忌、冰茶及冰淇淋,测量其透明度及颜色。(end)
|
|
文章内容仅供参考
(投稿)
(如果您是本文作者,请点击此处)
(9/14/2013) |
对 机器视觉 有何见解?请到 机器视觉论坛 畅所欲言吧!
|