一群の種子の均一性を調べる装置
一群に含まれる植物の種子の色特性、サイズ特性および形状特性の均一性を、ＨＳＩ（色相、飽和度、彩度）カラー・モデルの色相と、場合によっては飽和度とを利用して非破壊的に分析することによって調べるための方法および装置である。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、一群（ｂａｔｃｈ）の植物の種子の色特性、サイズ特性および形状特性の均一性を調べる方法および装置に関する。
【背景技術】
【０００２】
種子は、（製剤の形態になった）殺虫剤で処理して害虫（菌類、昆虫など）から保護されるよう処理することがしばしばある。処理した植物の種子のサイズ、色分布、形状は、その種子の品質に影響を与える可能性がある。処理がどれほどうまくいったかの評価は、目視分析または化学的分析によってなされることがしばしばある。
【０００３】
化学的分析は破壊的な方法（手作業でのサンプルの調製、処理した種子からの化学物質の抽出が含まれる）であり、現場から離れた実験室で実施されることがしばしばあって１日〜数日かかる可能性がある。
【０００４】
目視分析は、主観的な解釈という問題が発生する可能性があるため、一般に一貫性がない。
【０００５】
従来技術では、１個の種子に関して色、サイズおよび形状を検出できる方法および装置が知られているが、そのような方法および装置では分光器が使用されるため、高価になりがちである。
【発明の開示】
【課題を解決するための手段】
【０００６】
今や目視分析の困難を解決する方法および装置が利用可能になった。実際、この方法および装置により、異なる処理法の比較、タイプの異なる殺虫製剤の比較、１つの処理法における装置パラメータの異なる設定値（例えば希釈度、連続流式の種子処理機械の性能、一群の処理のための装置内で種子処理製品に付着させるためのパラメータの設定値、底部を回転させる速度、霧状化の程度、群ごとの種子の品質、製品の付着と混合のタイミング）の比較が可能になる。
【０００７】
本発明の特別な１つの利点は、分光器なしで植物の種子を処理する場所に持ち運ぶことができるため、サンプルを送って別の場所で分析してもらうよりも結果が迅速に得られることである。さらに、分析は単一の種子に対して行なわれ、分析後に種子が破壊されていることがない。それに加え、一度設定した分析ツールは携帯可能なツールであり、自動的に分析がなされるため、それを操作するのに高度な技能は必要とされない。
【０００８】
したがって本発明の第１の態様では、一群（ｂａｔｃｈ）に含まれる種子の色特性、サイズ特性および形状特性の均一性を調べる方法であって、
（ａ）それぞれの種子（１）を、その種子の色とは異なる波長の色を持つ所定の領域（２）に配置するステップと、
（ｂ）その所定の領域のカラーのディジタル画像を取得できる位置にそれぞれの所定の領域を移動させるステップと、
（ｃ）そのディジタル画像を取得している間、その所定の領域に可視光を照射するステップと、
（ｄ）その所定の領域のディジタル画像をカメラ（５）で撮影するステップと、
（ｅ）撮影したその画像を処理することにより、ＨＳＩ（Ｈｕｅ：色相、Ｓａｔｕｒａｔｉｏｎ：飽和度、Ｉｎｔｅｎｓｉｔｙ：彩度）カラー・モデルの色相と、場合によっては飽和度とに変換してその所定の領域内の物体（セグメント化によってそれぞれの所定の領域に離散した物体が存在していることが好ましい）を同定するステップと、
（ｆ）それぞれの物体について、ＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状および色を調べるステップと、
（ｇ）各物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べるステップと、
（ｈ）（ｇ）の条件を満たしている各物体について、色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を明らかにするステップと、
（ｉ）この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズおよび形状を報告するステップと、を備える方法が提供される。
【０００９】
本発明の第２の特徴では、一群に含まれる種子の特性、サイズ特性および形状特性の均一性を調べる装置であって、
（ｉ）着色された所定の領域をディジタル画像取得位置に移動させる手段（３）と、
（ｉｉ）その所定の領域に照射する可視光源（４）と、
（ｉｉｉ）カラーのディジタル画像（４）を取得するためのカメラ（５）と、
（ｉｖ）プロセッサ（６）であって、このプロセッサが、取得した画像をＨＳＩ（色相、飽和度、彩度）カラー・モデルの色相と、場合によっては飽和度とに変換して所定の領域内の物体（セグメント化によってそれぞれの所定の領域に離散した物体が存在していることが好ましい）を同定し、それぞれの物体について、好ましくはＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状、色を明らかにし、各物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べ、各物体について、好ましくは色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を調べ、この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズ、形状を報告できるようにされているプロセッサと、を備える装置が提供される。
【発明を実施するための最良の形態】
【００１０】
本発明を以下に詳細に説明する。
【００１１】
製剤は、殺虫剤（例えば殺昆虫剤、殺菌剤）のほかに、界面活性剤、増粘剤、凍結防止剤、および染料を含んでいる。染料（または着色剤）を用いると、処理後の種子が着色される。したがって処理後の種子の色と色の均一性は、処理がいかにうまくいったかの１つの指標となりうる。さらに、種子に付着した着色剤の量は、種子に付着した殺虫剤の量（殺虫剤ローディング）に関する１つの指標であるため、本発明はその指標にもなりうる。
【００１２】
さらに、いくつかの種子処理法は、種子をいろいろな材料（例えば充填剤）で整形してそれぞれの種子を標準的な形状とサイズにする操作を含んでいる。本発明は、そのような処理の均一性および有効性を調べるのにも適している。
【００１３】
本発明ではあらゆる種子を利用することができる。好ましい一実施態様では、種子の選択が、アルファルファ、リンゴ、バナナ、大麦、インゲン豆、ブロッコリー、ヒマ、柑橘類、クローバー、ココナツ、コーヒー、トウモロコシ、綿、キュウリ、ベイマツ、ユーカリ、テーダマツ、アマ、メロン、オート麦、オリーブ、ヤシ、エンドウ豆、ピーナツ、コショウ、ポプラ、ラジアタ・パイン、菜種、稲、ライ麦、モロコシ、サザン・パイン、大豆、イチゴ、テンサイ、サトウキビ、ヒマワリ、モミジバフウ、茶、タバコ、トマト、ライ小麦、芝、小麦、シロイヌナズナの種子からなるグループの中からなされる。
【００１４】
より好ましい一実施態様では、種子の選択が、綿、トウモロコシ、大豆、菜種、稲、大麦、ライ麦、オート麦、ライ小麦、小麦の種子からなるグループの中からなされる。
【００１５】
よりいっそう好ましい一実施態様では、種子は、トウモロコシまたは小麦の種子である。
【００１６】
本発明は特に測色分析に基づいているため、当業者であれば、異なる測定での結果を比較できるようにするために、本発明の実施の前にいくつかの較正ステップ（例えば測光較正、位置測定較正）を完了しておくべきことが理解できよう。特に、測光較正では、色測定を規格化するため、白色をバランスさせることと、彩度の範囲をセンサーの感度の最大値の約８０％に設定することが必要とされる。さらに、例えばサイズの測定を絶対値で報告するため、画素間の距離を実際の距離（単位はミリメートル）と相関させねばならない。
【００１７】
また、画像処理がそのカメラによってはなされず、そのカメラによって捕らえられた（または捕獲された）実際のデータに対してプロセッサが画像分析を実行する構成にすべきである。
【００１８】
本発明は、ヒトの目が見ることのできる電磁波（可視光）の波長、すなわち３８０〜７８０ｎｍ好ましくは４００〜７００ｎｍで実施する。
【００１９】
プロセッサによる画像分析で種子を同定できるようにするため、種子の色および所定の領域の色は、ＨＳＩカラー・モデルの異なったセグメントに現われることが重要である。
【００２０】
ＨＳＩカラー・モデルを利用して種子の画像を処理することの利点は、よりよいセグメント化が実現されることである。ＨＳＩモデルでは、例えば赤い種子を緑色になった所定の領域の上で使用すると有効であることがわかっている。
【００２１】
所定の領域とは、着色された種子が置かれていて、画像分析によって種子を同定するのに適した背景を提供する領域である。所定の領域のサイズは、種子がその内部に収まるようなサイズでなければならない。
【００２２】
一群に含まれる種子の数は、処理の均一性を分析できるかどうかを知る上で十分な数にすることができる。一般に、少なくとも３０個の種子が必要とされ、その場合にはオペレータが本発明を開始するときにこの数をプロセッサに入力することで、３０個の種子が検出されるとそれ以上は分析が必要ないことをそのプロセッサがわかるようにする。
【００２３】
画像取得位置に種子を移動させる手段としては、適切な任意の手段が可能である。所定の領域内でカメラを種子に対して移動させる手段と、所定の領域内で静止しているカメラのほうに種子を移動させる手段がある。移動は手動も自動でもよい。いずれにせよ、移動中に種子が壊れないことが重要である。好ましい一実施例では、カメラが静止していて、種子をカメラのほうに移動させる。
【００２４】
ディジタル画像の取得は、種子がカメラの視野の中にある限り、手動で行なったり、あるいはディジタル画像の取得を自動化し、例えば電子センサによってトリガーすること、または画像分析を利用することができる。
【００２５】
光源は常置式のものが好ましく、カメラが種子の平坦な画像を取得するような強度と方向でなければならない。さらに、光源は、その光源からの光がカメラに直接入らず、種子から反射した後（図３を参照）にだけ（種子から出る光だけ）カメラに入るように配置せねばならない。疑わしいことがまったくないようにするため、カメラは透過光（すなわち光源からの直接光）をまったく受け取らない。
【００２６】
３８０〜７８０ｎｍ、好ましくは４００〜７００ｎｍの波長をカバーする広い範囲の光を出す任意の光源を使用することができる。例えば、発光ダイオードおよび熱光源がある。このような光源は、例えばヴォルピ（Ｖｏｌｐｉ）株式会社（スイス国、８９５２ シュリーレン（Ｓｃｈｌｉｅｒｅｎ）、ヴィーゼンシュトラーセ（Ｗｉｅｓｅｎｔｒａｓｓｅ）３３）やＲＶＳＩ／ＮＥＲ社（アメリカ合衆国、０３２８１、ニューハンプシャー州、シイン・ブリッジ、ロードウィアー（ＲｏａｄＷｅａｒｅ）１５）から容易に入手できる。光源は所定の領域から離して配置し、その所定の領域が連続的に照射されるとともに、周囲光のいかなる影響も取り除くようにすることが好ましい。
【００２７】
適切なカメラの例は、１−ＣＣＤセンサーの付いた一次元もしくは二次元のカラーＣＣＤカメラである。あるいは、３色（赤、緑、青）フィルタの付いた３−ＣＣＤセンサー・カメラもしくはＢ／Ｗ ＣＣＤカメラも利用できる。このようなＣＣＤカメラは容易に入手できる。例えばイメージ−プロセシング・プロダクツのローカル・ディストリビュータから入手できるソニー、ジェイ、バスラーのカメラがある。図５に、二次元ＣＣＤカメラで得られた画像を示す。
【００２８】
一実施例では、テレセントリック光学系を利用して種子のシャープさを向上させる。
【００２９】
本発明で画像の分析に利用するプロセッサとしては適切な任意のプロセッサ装置が可能であり、例えばファイア−ワイヤまたはＰＣＩバスでカメラに接続できるコンピュータがある。別のプロセッサを利用して結果を提示することもできるが、同じプロセッサで画像の分析と報告書の作成とを行なうことが好ましい。
【００３０】
種子から出る光を分散させないことも本発明に含まれる。
【００３１】
画像分析を利用して画像の取得を自動化する場合には、本発明の好ましい一実施例では、ＣＣＤカメラが１／３０秒ごとに画像を取得または捕獲し、画像データをプロセッサに送り、そこで画像が分析されてその画像に所定の領域全体が含まれているかどうかが調べられる。本発明のこの部分は、自動検出として知られている（図４を参照のこと）。分析した画像が所定の領域ではなかったり、所定の領域のほんの一部だったりする場合には、画像がそれ以上分析されることはない。自動検出は、一般に、本発明を開始する前にオペレータが同定した所定の領域の色および分析する種子の色とに基づき、ＲＧＢカラー・モデルを用いて実施された後、（所定の領域のサイズに対応する画素数に基づいて）興味の対象となる領域（ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ：ＲＯＩ）がプロセッサで分析されて所定の領域および種子の色に関するパラメータが満たされているかどうかがチェックされる。一般に、所定の領域の色は、それぞれの所定の領域を画像取得位置に移動させる手段の背景と対照的な色にする。適切な色は、例えば所定の領域が緑だと背景は白になろう。
【００３２】
取得した画像に所定の領域全体が含まれていると、その画像のＲＧＢモデルをＨＳＩカラー・モデルの色相と、場合によっては飽和度とに変換する操作を、手動で、または自動で行なう（色変換ステップ）。このような変換のアルゴリズムは公知である（例えば、このような分析の背景に関しては、Ａｎｉｌ Ｋ． Ｊａｉｎの『ディジタル画像処理の基礎』（プレンティス・ホール、１９８９年）；Ａ． ＢｏｖｉｋとＪ． Ｇｉｂｓｏｎの『画像とビデオの処理ハンドブック』（アカデミック出版、サン・ディエゴ、２０００年）の中のＡｌａｎ Ｃ． ＢｏｖｉｋとＭｉｔａ Ｄ． Ｄｅｓａｉによる「基本的二値画像処理」；Ｍ． Ｓｏｎｋａ、Ｖ． Ｈｌａｖａｃ、Ｒ． Ｂｏｙｌｅ、『画像処理、分析、コンピュータ・ビジョン』（インターナショナル・トムソン出版、パシフィック・グレイヴ、カリフォルニア州、１９９８年）；Ｒ．Ｃ． ＧｏｎｚａｌｅｓとＲ．Ｅ． Ｗｏｏｄｓ、『ディジタル画像処理』（アディソン・ウェズレー社、１９９３年）；Ｂ． Ｊａｅｈｎｅ、『ディジタル画像処理』（シュプリンガー・フェアラーク社、ベルリン、ハイデルベルク、１９９７年）を参照のこと）。さらに、このような変換を実施するための書籍は、マトロックス・エレクトロニクス・システムズ社（カナダ国、Ｈ９Ｐ ２Ｔ４、ドルヴァル・ケベック、サン−レジス大通り１０５５）やコグネックス社（アメリカ合衆国、マサチューセッツ州 ０１７６０−２０５９、ナティック、ワン・ヴィジョン・ドライヴ）といった会社から入手することができる。
【００３３】
その後、色相層を利用して画像をセグメント化する（しきい値化とＢＬＯＢ分析が含まれる）。しきい値化のしきい値は、所定の領域がどのような色であるかによって異なる。次に二値画像をＢＬＯＢ分析によって処理する。ＢＬＯＢ分析は、４隣接トポロジーを利用して実施することが好ましい。当業者であれば、このような分析にどのアルゴリズムを用いるかが理解できよう。
【００３４】
ＢＬＯＢ分析の一部であると同定されたが種子ではない物体は除外される。それは例えば、物体が、物体内の最も離れた２つの点の間の画素距離や物体の面積に関して種子のサイズの範囲や形状の範囲を満たしていない場合や、物体が所定の領域の境界に接触している場合は除外される。
【００３５】
プロセッサは、ＢＬＯＢ分析の間に、この群に関してオペレータが指示した種子のサイズの範囲および／または種子の形状に基づいて種子を同定する。画像内で同定された物体が種子に関して指示された範囲よりも大きかったり小さかったりする場合には、その物体は種子とは見なされず、特徴が抽出されることはない。あるいは物体の特徴が抽出された後、その物体が種子であるかないかをこの段階で確認することができる。
【００３６】
その後、残っている物体が種子と見なされる。
【００３７】
所定の１つの領域において本発明により２つ以上の物体（種子）が種子のサイズまたは形状の特徴を満たしていることが明らかになった場合には、それが対応する数の種子であると見なされることが最終の報告に記載される。しかし所定の領域１つにつき１個の種子が配置されることが好ましい。
【００３８】
さらに、同じ１つの所定の領域に２個以上の種子が存在していてその種子が互いに接触している場合には、ＢＬＯＢ分析によって除外すること、または特別なアルゴリズム（例えばウォーターシェッド（Ｗａｔｅｒｓｈｅｄ）などのＢＬＯＢ分離アルゴリズム）によって分離し、群に含めることができる。
【００３９】
好ましい一実施態様では、種子が同定されて所定の領域（または背景）と区別されるようにするため、種子を所定の領域の内部に配置し、その所定の領域の境界とは接触しないようにすべきである。そのため離散した物体をステップ（ｅ）で同定することができる。
【００４０】
画像内で物体が同定されると、その物体（種子）のサイズおよび形状を分析によって明らかにすることができる。サイズは、例えばその物体の面積（実際には平方ミリメートルに変換）、またはその物体内の２つの点の最大距離（実際にはミリメートルに変換）に基づいて明らかにすることができる。形状の評価は、例えば、種子の輪郭線上の２つの点の最大距離を取り囲む円の半径と、種子の輪郭線上の２つの点の最小距離を取り囲む円の半径の比に基づいて行なうことができる。
【００４１】
物体（種子）の色および色分布は、例えば、色相層と場合によっては飽和度層とに関する平均値、および標準偏差を計算することによって明らかになる。一実施例では、色をよりよく測定するため、一般に物体の境界から１〜５画素を除去する。これは、解像度のレベルによって異なることになろう。歪度（３次）、尖度（４次）などの統計的積率がより大きいと、より詳しい色分布を得ることもできる。
【００４２】
種子の色が赤である場合には、各画素の個々の色相値をシフトさせた後に平均および色分布を計算することで、色相空間のモジュロ特性を回避する。
【００４３】
所定の領域の数は、本発明の開始時にプロセッサに入力する。そのためプロセッサは、対応する数の画像分析が実施されると、同じ所定の領域（または種子）に関して画像分析を繰り返さないことをオペレータに通知する。種子をさらに分析する場合には、オペレータが所定の領域内の種子を交換し、測定を継続する。
【００４４】
望む数の種子または所定の領域が取得されて分析されると、プロセッサは画像取得を停止し、その群の種子の色、色分布、サイズおよび形状に関する統計値（例えば平均値、標準偏差、最小値および最大値）を計算する。統計値は、１次元ヒストグラム（図６を参照）または２次元のグラフ（色と色分布）の形式で表現することができる。同様に、それぞれの種子の特徴も得られる。
【００４５】
ヒストグラムは、この群の均一性に関する直接的な１つの指標となる。プロットされた範囲が狭いほど、処理がより均一である。
【００４６】
本発明の１つの利点は、一群に含まれる種子を別の一群に含まれる種子と定性的に比較できることである。例えば図７に、異なる処理を行なった小麦と異なるタイプの製剤に関する色の評価を示してある。
【００４７】
データは、当業者が１つのバッチに含まれる種子の均一性を評価できるのであれば、任意の形式で表現することができる。
【００４８】
本発明では、（彩度とは独立な）ＲＧＢカラー・モデルの２次元色サブ空間も利用している。このサブ空間では、種子の色分布の重心および標準偏差が、定量化された色値として計算される。
【００４９】
種子の他の特徴（例えば質感）も本発明で明らかにすることができる。
【００５０】
本発明の特別な１つの利点は、オペレータが、画像分析を行なうために一群の種子を選択し、本発明が正しく較正されていることを確認し、種子のタイプ（例えば種子のサイズ範囲および／または色）を入力し、この一群内の種子の数を入力し、本発明を開始したままその場を離れ、他の仕事に再び従事し、しばらくあとに結果の検討に戻れることである。
【図面の簡単な説明】
【００５１】
【図１】本発明による装置の図である。
【図２】本発明の一実施態様による画像分析ステップと計算ステップのフロー・チャートである。
【図３】可視光源の図である。
【図４】所定の領域を検出（自動検出）するための本発明による画像分析法の概略図である。
【図５】処理するためにカメラに捕らえられた種子の画像である。
【図６ａ】一群に含まれる種子の色の均一性に関する報告である。
【図６ｂ】一群に含まれる種子のサイズの均一性に関する報告である。
【図６ｃ】一群に含まれる種子の形状の均一性に関する報告である。
【図７】小麦の種子をさまざまな方法で処理したときの（色相に基づいた）色の比較報告である。
【技術分野】
【０００１】
本発明は、一群（ｂａｔｃｈ）の植物の種子の色特性、サイズ特性および形状特性の均一性を調べる方法および装置に関する。
【背景技術】
【０００２】
種子は、（製剤の形態になった）殺虫剤で処理して害虫（菌類、昆虫など）から保護されるよう処理することがしばしばある。処理した植物の種子のサイズ、色分布、形状は、その種子の品質に影響を与える可能性がある。処理がどれほどうまくいったかの評価は、目視分析または化学的分析によってなされることがしばしばある。
【０００３】
化学的分析は破壊的な方法（手作業でのサンプルの調製、処理した種子からの化学物質の抽出が含まれる）であり、現場から離れた実験室で実施されることがしばしばあって１日〜数日かかる可能性がある。
【０００４】
目視分析は、主観的な解釈という問題が発生する可能性があるため、一般に一貫性がない。
【０００５】
従来技術では、１個の種子に関して色、サイズおよび形状を検出できる方法および装置が知られているが、そのような方法および装置では分光器が使用されるため、高価になりがちである。
【発明の開示】
【課題を解決するための手段】
【０００６】
今や目視分析の困難を解決する方法および装置が利用可能になった。実際、この方法および装置により、異なる処理法の比較、タイプの異なる殺虫製剤の比較、１つの処理法における装置パラメータの異なる設定値（例えば希釈度、連続流式の種子処理機械の性能、一群の処理のための装置内で種子処理製品に付着させるためのパラメータの設定値、底部を回転させる速度、霧状化の程度、群ごとの種子の品質、製品の付着と混合のタイミング）の比較が可能になる。
【０００７】
本発明の特別な１つの利点は、分光器なしで植物の種子を処理する場所に持ち運ぶことができるため、サンプルを送って別の場所で分析してもらうよりも結果が迅速に得られることである。さらに、分析は単一の種子に対して行なわれ、分析後に種子が破壊されていることがない。それに加え、一度設定した分析ツールは携帯可能なツールであり、自動的に分析がなされるため、それを操作するのに高度な技能は必要とされない。
【０００８】
したがって本発明の第１の態様では、一群（ｂａｔｃｈ）に含まれる種子の色特性、サイズ特性および形状特性の均一性を調べる方法であって、
（ａ）それぞれの種子（１）を、その種子の色とは異なる波長の色を持つ所定の領域（２）に配置するステップと、
（ｂ）その所定の領域のカラーのディジタル画像を取得できる位置にそれぞれの所定の領域を移動させるステップと、
（ｃ）そのディジタル画像を取得している間、その所定の領域に可視光を照射するステップと、
（ｄ）その所定の領域のディジタル画像をカメラ（５）で撮影するステップと、
（ｅ）撮影したその画像を処理することにより、ＨＳＩ（Ｈｕｅ：色相、Ｓａｔｕｒａｔｉｏｎ：飽和度、Ｉｎｔｅｎｓｉｔｙ：彩度）カラー・モデルの色相と、場合によっては飽和度とに変換してその所定の領域内の物体（セグメント化によってそれぞれの所定の領域に離散した物体が存在していることが好ましい）を同定するステップと、
（ｆ）それぞれの物体について、ＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状および色を調べるステップと、
（ｇ）各物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べるステップと、
（ｈ）（ｇ）の条件を満たしている各物体について、色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を明らかにするステップと、
（ｉ）この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズおよび形状を報告するステップと、を備える方法が提供される。
【０００９】
本発明の第２の特徴では、一群に含まれる種子の特性、サイズ特性および形状特性の均一性を調べる装置であって、
（ｉ）着色された所定の領域をディジタル画像取得位置に移動させる手段（３）と、
（ｉｉ）その所定の領域に照射する可視光源（４）と、
（ｉｉｉ）カラーのディジタル画像（４）を取得するためのカメラ（５）と、
（ｉｖ）プロセッサ（６）であって、このプロセッサが、取得した画像をＨＳＩ（色相、飽和度、彩度）カラー・モデルの色相と、場合によっては飽和度とに変換して所定の領域内の物体（セグメント化によってそれぞれの所定の領域に離散した物体が存在していることが好ましい）を同定し、それぞれの物体について、好ましくはＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状、色を明らかにし、各物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べ、各物体について、好ましくは色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を調べ、この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズ、形状を報告できるようにされているプロセッサと、を備える装置が提供される。
【発明を実施するための最良の形態】
【００１０】
本発明を以下に詳細に説明する。
【００１１】
製剤は、殺虫剤（例えば殺昆虫剤、殺菌剤）のほかに、界面活性剤、増粘剤、凍結防止剤、および染料を含んでいる。染料（または着色剤）を用いると、処理後の種子が着色される。したがって処理後の種子の色と色の均一性は、処理がいかにうまくいったかの１つの指標となりうる。さらに、種子に付着した着色剤の量は、種子に付着した殺虫剤の量（殺虫剤ローディング）に関する１つの指標であるため、本発明はその指標にもなりうる。
【００１２】
さらに、いくつかの種子処理法は、種子をいろいろな材料（例えば充填剤）で整形してそれぞれの種子を標準的な形状とサイズにする操作を含んでいる。本発明は、そのような処理の均一性および有効性を調べるのにも適している。
【００１３】
本発明ではあらゆる種子を利用することができる。好ましい一実施態様では、種子の選択が、アルファルファ、リンゴ、バナナ、大麦、インゲン豆、ブロッコリー、ヒマ、柑橘類、クローバー、ココナツ、コーヒー、トウモロコシ、綿、キュウリ、ベイマツ、ユーカリ、テーダマツ、アマ、メロン、オート麦、オリーブ、ヤシ、エンドウ豆、ピーナツ、コショウ、ポプラ、ラジアタ・パイン、菜種、稲、ライ麦、モロコシ、サザン・パイン、大豆、イチゴ、テンサイ、サトウキビ、ヒマワリ、モミジバフウ、茶、タバコ、トマト、ライ小麦、芝、小麦、シロイヌナズナの種子からなるグループの中からなされる。
【００１４】
より好ましい一実施態様では、種子の選択が、綿、トウモロコシ、大豆、菜種、稲、大麦、ライ麦、オート麦、ライ小麦、小麦の種子からなるグループの中からなされる。
【００１５】
よりいっそう好ましい一実施態様では、種子は、トウモロコシまたは小麦の種子である。
【００１６】
本発明は特に測色分析に基づいているため、当業者であれば、異なる測定での結果を比較できるようにするために、本発明の実施の前にいくつかの較正ステップ（例えば測光較正、位置測定較正）を完了しておくべきことが理解できよう。特に、測光較正では、色測定を規格化するため、白色をバランスさせることと、彩度の範囲をセンサーの感度の最大値の約８０％に設定することが必要とされる。さらに、例えばサイズの測定を絶対値で報告するため、画素間の距離を実際の距離（単位はミリメートル）と相関させねばならない。
【００１７】
また、画像処理がそのカメラによってはなされず、そのカメラによって捕らえられた（または捕獲された）実際のデータに対してプロセッサが画像分析を実行する構成にすべきである。
【００１８】
本発明は、ヒトの目が見ることのできる電磁波（可視光）の波長、すなわち３８０〜７８０ｎｍ好ましくは４００〜７００ｎｍで実施する。
【００１９】
プロセッサによる画像分析で種子を同定できるようにするため、種子の色および所定の領域の色は、ＨＳＩカラー・モデルの異なったセグメントに現われることが重要である。
【００２０】
ＨＳＩカラー・モデルを利用して種子の画像を処理することの利点は、よりよいセグメント化が実現されることである。ＨＳＩモデルでは、例えば赤い種子を緑色になった所定の領域の上で使用すると有効であることがわかっている。
【００２１】
所定の領域とは、着色された種子が置かれていて、画像分析によって種子を同定するのに適した背景を提供する領域である。所定の領域のサイズは、種子がその内部に収まるようなサイズでなければならない。
【００２２】
一群に含まれる種子の数は、処理の均一性を分析できるかどうかを知る上で十分な数にすることができる。一般に、少なくとも３０個の種子が必要とされ、その場合にはオペレータが本発明を開始するときにこの数をプロセッサに入力することで、３０個の種子が検出されるとそれ以上は分析が必要ないことをそのプロセッサがわかるようにする。
【００２３】
画像取得位置に種子を移動させる手段としては、適切な任意の手段が可能である。所定の領域内でカメラを種子に対して移動させる手段と、所定の領域内で静止しているカメラのほうに種子を移動させる手段がある。移動は手動も自動でもよい。いずれにせよ、移動中に種子が壊れないことが重要である。好ましい一実施例では、カメラが静止していて、種子をカメラのほうに移動させる。
【００２４】
ディジタル画像の取得は、種子がカメラの視野の中にある限り、手動で行なったり、あるいはディジタル画像の取得を自動化し、例えば電子センサによってトリガーすること、または画像分析を利用することができる。
【００２５】
光源は常置式のものが好ましく、カメラが種子の平坦な画像を取得するような強度と方向でなければならない。さらに、光源は、その光源からの光がカメラに直接入らず、種子から反射した後（図３を参照）にだけ（種子から出る光だけ）カメラに入るように配置せねばならない。疑わしいことがまったくないようにするため、カメラは透過光（すなわち光源からの直接光）をまったく受け取らない。
【００２６】
３８０〜７８０ｎｍ、好ましくは４００〜７００ｎｍの波長をカバーする広い範囲の光を出す任意の光源を使用することができる。例えば、発光ダイオードおよび熱光源がある。このような光源は、例えばヴォルピ（Ｖｏｌｐｉ）株式会社（スイス国、８９５２ シュリーレン（Ｓｃｈｌｉｅｒｅｎ）、ヴィーゼンシュトラーセ（Ｗｉｅｓｅｎｔｒａｓｓｅ）３３）やＲＶＳＩ／ＮＥＲ社（アメリカ合衆国、０３２８１、ニューハンプシャー州、シイン・ブリッジ、ロードウィアー（ＲｏａｄＷｅａｒｅ）１５）から容易に入手できる。光源は所定の領域から離して配置し、その所定の領域が連続的に照射されるとともに、周囲光のいかなる影響も取り除くようにすることが好ましい。
【００２７】
適切なカメラの例は、１−ＣＣＤセンサーの付いた一次元もしくは二次元のカラーＣＣＤカメラである。あるいは、３色（赤、緑、青）フィルタの付いた３−ＣＣＤセンサー・カメラもしくはＢ／Ｗ ＣＣＤカメラも利用できる。このようなＣＣＤカメラは容易に入手できる。例えばイメージ−プロセシング・プロダクツのローカル・ディストリビュータから入手できるソニー、ジェイ、バスラーのカメラがある。図５に、二次元ＣＣＤカメラで得られた画像を示す。
【００２８】
一実施例では、テレセントリック光学系を利用して種子のシャープさを向上させる。
【００２９】
本発明で画像の分析に利用するプロセッサとしては適切な任意のプロセッサ装置が可能であり、例えばファイア−ワイヤまたはＰＣＩバスでカメラに接続できるコンピュータがある。別のプロセッサを利用して結果を提示することもできるが、同じプロセッサで画像の分析と報告書の作成とを行なうことが好ましい。
【００３０】
種子から出る光を分散させないことも本発明に含まれる。
【００３１】
画像分析を利用して画像の取得を自動化する場合には、本発明の好ましい一実施例では、ＣＣＤカメラが１／３０秒ごとに画像を取得または捕獲し、画像データをプロセッサに送り、そこで画像が分析されてその画像に所定の領域全体が含まれているかどうかが調べられる。本発明のこの部分は、自動検出として知られている（図４を参照のこと）。分析した画像が所定の領域ではなかったり、所定の領域のほんの一部だったりする場合には、画像がそれ以上分析されることはない。自動検出は、一般に、本発明を開始する前にオペレータが同定した所定の領域の色および分析する種子の色とに基づき、ＲＧＢカラー・モデルを用いて実施された後、（所定の領域のサイズに対応する画素数に基づいて）興味の対象となる領域（ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ：ＲＯＩ）がプロセッサで分析されて所定の領域および種子の色に関するパラメータが満たされているかどうかがチェックされる。一般に、所定の領域の色は、それぞれの所定の領域を画像取得位置に移動させる手段の背景と対照的な色にする。適切な色は、例えば所定の領域が緑だと背景は白になろう。
【００３２】
取得した画像に所定の領域全体が含まれていると、その画像のＲＧＢモデルをＨＳＩカラー・モデルの色相と、場合によっては飽和度とに変換する操作を、手動で、または自動で行なう（色変換ステップ）。このような変換のアルゴリズムは公知である（例えば、このような分析の背景に関しては、Ａｎｉｌ Ｋ． Ｊａｉｎの『ディジタル画像処理の基礎』（プレンティス・ホール、１９８９年）；Ａ． ＢｏｖｉｋとＪ． Ｇｉｂｓｏｎの『画像とビデオの処理ハンドブック』（アカデミック出版、サン・ディエゴ、２０００年）の中のＡｌａｎ Ｃ． ＢｏｖｉｋとＭｉｔａ Ｄ． Ｄｅｓａｉによる「基本的二値画像処理」；Ｍ． Ｓｏｎｋａ、Ｖ． Ｈｌａｖａｃ、Ｒ． Ｂｏｙｌｅ、『画像処理、分析、コンピュータ・ビジョン』（インターナショナル・トムソン出版、パシフィック・グレイヴ、カリフォルニア州、１９９８年）；Ｒ．Ｃ． ＧｏｎｚａｌｅｓとＲ．Ｅ． Ｗｏｏｄｓ、『ディジタル画像処理』（アディソン・ウェズレー社、１９９３年）；Ｂ． Ｊａｅｈｎｅ、『ディジタル画像処理』（シュプリンガー・フェアラーク社、ベルリン、ハイデルベルク、１９９７年）を参照のこと）。さらに、このような変換を実施するための書籍は、マトロックス・エレクトロニクス・システムズ社（カナダ国、Ｈ９Ｐ ２Ｔ４、ドルヴァル・ケベック、サン−レジス大通り１０５５）やコグネックス社（アメリカ合衆国、マサチューセッツ州 ０１７６０−２０５９、ナティック、ワン・ヴィジョン・ドライヴ）といった会社から入手することができる。
【００３３】
その後、色相層を利用して画像をセグメント化する（しきい値化とＢＬＯＢ分析が含まれる）。しきい値化のしきい値は、所定の領域がどのような色であるかによって異なる。次に二値画像をＢＬＯＢ分析によって処理する。ＢＬＯＢ分析は、４隣接トポロジーを利用して実施することが好ましい。当業者であれば、このような分析にどのアルゴリズムを用いるかが理解できよう。
【００３４】
ＢＬＯＢ分析の一部であると同定されたが種子ではない物体は除外される。それは例えば、物体が、物体内の最も離れた２つの点の間の画素距離や物体の面積に関して種子のサイズの範囲や形状の範囲を満たしていない場合や、物体が所定の領域の境界に接触している場合は除外される。
【００３５】
プロセッサは、ＢＬＯＢ分析の間に、この群に関してオペレータが指示した種子のサイズの範囲および／または種子の形状に基づいて種子を同定する。画像内で同定された物体が種子に関して指示された範囲よりも大きかったり小さかったりする場合には、その物体は種子とは見なされず、特徴が抽出されることはない。あるいは物体の特徴が抽出された後、その物体が種子であるかないかをこの段階で確認することができる。
【００３６】
その後、残っている物体が種子と見なされる。
【００３７】
所定の１つの領域において本発明により２つ以上の物体（種子）が種子のサイズまたは形状の特徴を満たしていることが明らかになった場合には、それが対応する数の種子であると見なされることが最終の報告に記載される。しかし所定の領域１つにつき１個の種子が配置されることが好ましい。
【００３８】
さらに、同じ１つの所定の領域に２個以上の種子が存在していてその種子が互いに接触している場合には、ＢＬＯＢ分析によって除外すること、または特別なアルゴリズム（例えばウォーターシェッド（Ｗａｔｅｒｓｈｅｄ）などのＢＬＯＢ分離アルゴリズム）によって分離し、群に含めることができる。
【００３９】
好ましい一実施態様では、種子が同定されて所定の領域（または背景）と区別されるようにするため、種子を所定の領域の内部に配置し、その所定の領域の境界とは接触しないようにすべきである。そのため離散した物体をステップ（ｅ）で同定することができる。
【００４０】
画像内で物体が同定されると、その物体（種子）のサイズおよび形状を分析によって明らかにすることができる。サイズは、例えばその物体の面積（実際には平方ミリメートルに変換）、またはその物体内の２つの点の最大距離（実際にはミリメートルに変換）に基づいて明らかにすることができる。形状の評価は、例えば、種子の輪郭線上の２つの点の最大距離を取り囲む円の半径と、種子の輪郭線上の２つの点の最小距離を取り囲む円の半径の比に基づいて行なうことができる。
【００４１】
物体（種子）の色および色分布は、例えば、色相層と場合によっては飽和度層とに関する平均値、および標準偏差を計算することによって明らかになる。一実施例では、色をよりよく測定するため、一般に物体の境界から１〜５画素を除去する。これは、解像度のレベルによって異なることになろう。歪度（３次）、尖度（４次）などの統計的積率がより大きいと、より詳しい色分布を得ることもできる。
【００４２】
種子の色が赤である場合には、各画素の個々の色相値をシフトさせた後に平均および色分布を計算することで、色相空間のモジュロ特性を回避する。
【００４３】
所定の領域の数は、本発明の開始時にプロセッサに入力する。そのためプロセッサは、対応する数の画像分析が実施されると、同じ所定の領域（または種子）に関して画像分析を繰り返さないことをオペレータに通知する。種子をさらに分析する場合には、オペレータが所定の領域内の種子を交換し、測定を継続する。
【００４４】
望む数の種子または所定の領域が取得されて分析されると、プロセッサは画像取得を停止し、その群の種子の色、色分布、サイズおよび形状に関する統計値（例えば平均値、標準偏差、最小値および最大値）を計算する。統計値は、１次元ヒストグラム（図６を参照）または２次元のグラフ（色と色分布）の形式で表現することができる。同様に、それぞれの種子の特徴も得られる。
【００４５】
ヒストグラムは、この群の均一性に関する直接的な１つの指標となる。プロットされた範囲が狭いほど、処理がより均一である。
【００４６】
本発明の１つの利点は、一群に含まれる種子を別の一群に含まれる種子と定性的に比較できることである。例えば図７に、異なる処理を行なった小麦と異なるタイプの製剤に関する色の評価を示してある。
【００４７】
データは、当業者が１つのバッチに含まれる種子の均一性を評価できるのであれば、任意の形式で表現することができる。
【００４８】
本発明では、（彩度とは独立な）ＲＧＢカラー・モデルの２次元色サブ空間も利用している。このサブ空間では、種子の色分布の重心および標準偏差が、定量化された色値として計算される。
【００４９】
種子の他の特徴（例えば質感）も本発明で明らかにすることができる。
【００５０】
本発明の特別な１つの利点は、オペレータが、画像分析を行なうために一群の種子を選択し、本発明が正しく較正されていることを確認し、種子のタイプ（例えば種子のサイズ範囲および／または色）を入力し、この一群内の種子の数を入力し、本発明を開始したままその場を離れ、他の仕事に再び従事し、しばらくあとに結果の検討に戻れることである。
【図面の簡単な説明】
【００５１】
【図１】本発明による装置の図である。
【図２】本発明の一実施態様による画像分析ステップと計算ステップのフロー・チャートである。
【図３】可視光源の図である。
【図４】所定の領域を検出（自動検出）するための本発明による画像分析法の概略図である。
【図５】処理するためにカメラに捕らえられた種子の画像である。
【図６ａ】一群に含まれる種子の色の均一性に関する報告である。
【図６ｂ】一群に含まれる種子のサイズの均一性に関する報告である。
【図６ｃ】一群に含まれる種子の形状の均一性に関する報告である。
【図７】小麦の種子をさまざまな方法で処理したときの（色相に基づいた）色の比較報告である。
【特許請求の範囲】
【請求項１】
一群に含まれる種子の色特性、サイズ特性および形状特性の均一性を調べる方法であって、
（ａ）それぞれの種子（１）を、その種子の色とは異なる波長の色を持つ所定の領域（２）に配置するステップと、
（ｂ）前記所定の領域のカラーのディジタル画像を取得できる位置に各前記所定の領域を移動させるステップと、
（ｃ）前記ディジタル画像を取得している間、その所定の領域に可視光を照射するステップと、
（ｄ）前記所定の領域のディジタル画像をカメラ（５）で撮影するステップと、
（ｅ）撮影したその画像を処理することにより、ＨＳＩ（色相、飽和度、彩度）カラー・モデルの色相と、場合によっては飽和度とに変換して前記所定の領域内の物体であって、セグメント化によってそれぞれの所定の領域に離散して存在していることが好ましい物体を同定するステップと、
（ｆ）各前記物体について、ＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状および色を調べるステップと、
（ｇ）各前記物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べるステップと、
（ｈ）前記ステップ（ｇ）の条件を満たしている各前記物体について、色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を明らかにするステップと、
（ｉ）この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズおよび形状を報告するステップと、を備える方法。
【請求項２】
前記所定の領域が、前記ステップ（ｄ）でディジタル画像を取得するカメラ（５）に対してそれぞれの種子（３）を移動させる手段の上に載っている請求項１に記載の方法。
【請求項３】
前記カメラがＣＣＤである請求項１または２に記載の方法。
【請求項４】
前記所定の領域全体のディジタル画像を取得する操作が、画像分析によってトリガーされる請求項１〜３のいずれか一項に記載の方法。
【請求項５】
一群に含まれる種子の特性、サイズ特性および形状特性の均一性を調べる装置であって、
（ｉ）着色された所定の領域をディジタル画像取得位置に移動させる手段（３）と、
（ｉｉ）前記所定の領域に照射する可視光源（４）と、
（ｉｉｉ）カラーのディジタル画像（４）を取得するためのカメラ（５）と、
（ｉｖ）プロセッサ（６）であって、前記プロセッサが、取得した画像をＨＳＩ（色相、飽和度、彩度）カラー・モデルの色相と、場合によっては飽和度とに変換して、前記所定の領域内の物体であって、セグメント化によってそれぞれの所定の領域に離散して存在していることが好ましい物体を同定し、各前記物体について、好ましくはＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状および色を調べ、各前記物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べ、各前記物体について、好ましくは色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を調べ、この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズおよび形状を報告できるようにされているプロセッサと、を備える装置。
【請求項６】
前記カメラ（５）が静止している請求項５に記載の装置。
【請求項７】
前記カメラがＣＣＤカメラである請求項５または６に記載の装置。
【請求項８】
前記プロセッサ（６）がさらに上記所定の領域全体を同定できる請求項５〜７のいずれか一項に記載の装置。
【請求項１】
一群に含まれる種子の色特性、サイズ特性および形状特性の均一性を調べる方法であって、
（ａ）それぞれの種子（１）を、その種子の色とは異なる波長の色を持つ所定の領域（２）に配置するステップと、
（ｂ）前記所定の領域のカラーのディジタル画像を取得できる位置に各前記所定の領域を移動させるステップと、
（ｃ）前記ディジタル画像を取得している間、その所定の領域に可視光を照射するステップと、
（ｄ）前記所定の領域のディジタル画像をカメラ（５）で撮影するステップと、
（ｅ）撮影したその画像を処理することにより、ＨＳＩ（色相、飽和度、彩度）カラー・モデルの色相と、場合によっては飽和度とに変換して前記所定の領域内の物体であって、セグメント化によってそれぞれの所定の領域に離散して存在していることが好ましい物体を同定するステップと、
（ｆ）各前記物体について、ＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状および色を調べるステップと、
（ｇ）各前記物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べるステップと、
（ｈ）前記ステップ（ｇ）の条件を満たしている各前記物体について、色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を明らかにするステップと、
（ｉ）この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズおよび形状を報告するステップと、を備える方法。
【請求項２】
前記所定の領域が、前記ステップ（ｄ）でディジタル画像を取得するカメラ（５）に対してそれぞれの種子（３）を移動させる手段の上に載っている請求項１に記載の方法。
【請求項３】
前記カメラがＣＣＤである請求項１または２に記載の方法。
【請求項４】
前記所定の領域全体のディジタル画像を取得する操作が、画像分析によってトリガーされる請求項１〜３のいずれか一項に記載の方法。
【請求項５】
一群に含まれる種子の特性、サイズ特性および形状特性の均一性を調べる装置であって、
（ｉ）着色された所定の領域をディジタル画像取得位置に移動させる手段（３）と、
（ｉｉ）前記所定の領域に照射する可視光源（４）と、
（ｉｉｉ）カラーのディジタル画像（４）を取得するためのカメラ（５）と、
（ｉｖ）プロセッサ（６）であって、前記プロセッサが、取得した画像をＨＳＩ（色相、飽和度、彩度）カラー・モデルの色相と、場合によっては飽和度とに変換して、前記所定の領域内の物体であって、セグメント化によってそれぞれの所定の領域に離散して存在していることが好ましい物体を同定し、各前記物体について、好ましくはＨＳＩカラー・モデルの色相と、場合によっては飽和度とに基づき、特徴抽出によってサイズ、形状および色を調べ、各前記物体が、種子のサイズ範囲、または種子の色範囲、または種子の形状範囲を満たしているかどうかを調べ、各前記物体について、好ましくは色相と、場合によっては飽和度とに基づき、実際のサイズ、形状、色分布および色を調べ、この群の均一性に関する１つの指標を提供するため、この群の色、色分布、実際のサイズおよび形状を報告できるようにされているプロセッサと、を備える装置。
【請求項６】
前記カメラ（５）が静止している請求項５に記載の装置。
【請求項７】
前記カメラがＣＣＤカメラである請求項５または６に記載の装置。
【請求項８】
前記プロセッサ（６）がさらに上記所定の領域全体を同定できる請求項５〜７のいずれか一項に記載の装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６ａ】
【図６ｂ】
【図６ｃ】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６ａ】
【図６ｂ】
【図６ｃ】
【図７】
【公表番号】特表２００８−５２７９７６（Ｐ２００８−５２７９７６Ａ）
【公表日】平成２０年７月３１日（２００８．７．３１）
【国際特許分類】
【出願番号】特願２００７−５４９８６５（Ｐ２００７−５４９８６５）
【出願日】平成１８年１月９日（２００６．１．９）
【国際出願番号】ＰＣＴ／ＥＰ２００６／００００９９
【国際公開番号】ＷＯ２００６／０７２５９０
【国際公開日】平成１８年７月１３日（２００６．７．１３）
【出願人】（５００５８４３０９）シンジェンタ パーティシペーションズ アクチェンゲゼルシャフト (352)
【Ｆターム（参考）】
【公表日】平成２０年７月３１日（２００８．７．３１）
【国際特許分類】
【出願日】平成１８年１月９日（２００６．１．９）
【国際出願番号】ＰＣＴ／ＥＰ２００６／００００９９
【国際公開番号】ＷＯ２００６／０７２５９０
【国際公開日】平成１８年７月１３日（２００６．７．１３）
【出願人】（５００５８４３０９）シンジェンタ パーティシペーションズ アクチェンゲゼルシャフト (352)
【Ｆターム（参考）】
[ Back to top ]