CN103344575B - 基于高光谱图像技术的干燥毛豆多品质无损检测方法 - Google Patents
基于高光谱图像技术的干燥毛豆多品质无损检测方法 Download PDFInfo
- Publication number
- CN103344575B CN103344575B CN201310275013.5A CN201310275013A CN103344575B CN 103344575 B CN103344575 B CN 103344575B CN 201310275013 A CN201310275013 A CN 201310275013A CN 103344575 B CN103344575 B CN 103344575B
- Authority
- CN
- China
- Prior art keywords
- soy bean
- dried
- green soy
- dry green
- edamame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 244000068988 Glycine max Species 0.000 title claims abstract description 50
- 235000010469 Glycine max Nutrition 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 230000001066 destructive effect Effects 0.000 claims abstract description 12
- 238000010238 partial least squares regression Methods 0.000 claims abstract description 7
- 238000013441 quality evaluation Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims 6
- 238000005406 washing Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000001035 drying Methods 0.000 description 13
- 229910052721 tungsten Inorganic materials 0.000 description 7
- 239000010937 tungsten Substances 0.000 description 7
- 229910052736 halogen Inorganic materials 0.000 description 6
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 239000010453 quartz Substances 0.000 description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 150000002367 halogens Chemical class 0.000 description 4
- 238000009659 non-destructive testing Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004442 gravimetric analysis Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000012188 paraffin wax Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001746 carotenes Chemical class 0.000 description 1
- 235000005473 carotenes Nutrition 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009658 destructive testing Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- -1 tungsten halogen Chemical class 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于高光谱图像技术的干燥毛豆多品质无损检测方法。本发明的技术方案为：a、选取干燥毛豆；b、利用高光谱图像采集系统采集干燥毛豆的高光谱图像；c、利用阈值分割方法，提取干燥毛豆的轮廓信息；d、利用所得到的轮廓信息，提取图像熵特征参数；e、利用破坏性仪器采集干燥毛豆的颜色、含水率、硬度及缩水率指标；f、利用偏最小二乘回归算法构建干燥毛豆的评价预估模型；g、采集干燥毛豆高光谱图像，并输入到评价预估模型中，获得干燥毛豆的颜色、含水率、硬度及缩水率品质的评价结果。本发明通过评价预估模型及高光谱图像采集系统，能够在多数干燥毛豆无损的情况下，得到多品质评价结果；操作简单，实时性好，可靠性高。
Description
技术领域
本发明涉及一种干燥毛豆品质无损检测方法，尤其是一种基于高光谱图像技术的干燥毛豆多品质指标的同步无损检测方法。
背景技术
毛豆(edamame)是大豆属(GlycineMax(L.)Merr.)的一种，也称菜用大豆或青毛豆。由于毛豆具有丰富的蛋白质、维生素、膳食纤维、胡萝卜素等对人体有益的营养成分，越来越受到消费者的青睐。毛豆采摘后极易黄化，为了延长毛豆仁储藏期和货架期，可通过干燥的方式将毛豆制成具有独特风味的休闲食品。由于干燥方式的多样性，干燥毛豆品质检测显得极为重要。干燥毛豆样本的品质检测指标主要包含颜色、含水率、硬度、缩水率的检测，颜色太暗、硬度太硬、开裂的毛豆，会严重影响毛豆的视觉和口感，难以被消费者接受。目前采用的干燥毛豆品质检测中，主要采用不同的标准仪器对多个指标分别进行破坏性检测，存在着检测费时、破坏样本，难以大样本检测的问题。随着无损检测技术的发展，机器视觉技术在农产品的颜色检测方面、可视/近红外光谱在含水率检测方面都有了研究，但是此两种技术不能同时获得多个品质指标的检测。
发明内容
本发明的目的是克服现有技术中存在的不足，提出一种基于高光谱图像技术的干燥毛豆多品质无损检测方法，其能够实现颜色、含水率、硬度、缩水率四个品质指标同时无损检测，实时性好，方便便捷及可靠性高。
按照本发明提供的技术方案，所述基于高光谱图像技术的干燥毛豆多品质无损检测方法，包括如下步骤：
a、将干燥毛豆样本，放在高光谱图像采集系统中，采集并获取相应干燥毛豆样本高光谱图像；b、利用图像分割方法对步骤a所得的图像进行轮廓提取，然后对得到的干燥毛豆轮廓提取图像熵作为特征参数；将所得的特征参数，作为预测干燥毛豆的颜色、含水率、硬度和缩水率四个品质指标的特征参数；c、利用破坏性仪器检测干燥毛豆样本的颜色、含水率、硬度和缩水率品质指标，得到对应的仪器标准值；d、利用步骤b所得的图像统计特征参数和偏最小二乘回归算法建立干燥毛豆颜色、含水率、硬度和缩水率四个品质指标的评价预估模型；e、利用高光谱图像采集系统采集待测干燥毛豆样本的高光谱图像，并将得到的高光谱图像统计特征参数输入到步骤d得到的评价预估模型中，获得颜色、含水率、硬度和缩水率四个指标的预测值。
所述的高光谱图像采集系统包括电源、石英卤素钨灯、光纤、采光室、CCD控制器、CCD数字照相机、光谱仪、聚焦透镜、线性光源与电动平台，其中：所述CCD控制器、CCD数字照相机、光谱仪、聚焦透镜、线性光源与电动平台，均设置在采光室内部；所述CCD控制器、CCD数字照相机、光谱仪与聚焦透镜依次配合连接，且位于线性光源的上方；所述聚焦透镜设置在光谱仪的前端，光谱仪设置在CCD照相机上，CCD数字照相机的输出端与CCD控制器相连，CCD控制器的输出端与计算机相连，用于向计算机输出采集所得高光谱图像；所述石英卤素钨灯与电源相连，并通过光纤连接至线性光源，形成系统光源；所述系统光源照射在待测对象上，通过光谱仪与CCD数字照相机，采集待测对象的高光谱图像。
所述CCD照相机的覆盖的波长是400-1000nm。所述光谱仪的光谱分辨率为1.29nm。所述石英卤素钨灯的输出功率为150W。
所述高光谱图像采集系统采集相应干燥毛豆样本的高光谱图像步骤包括：
s1、将CCD控制器、CCD数字照相机、光谱仪、聚焦透镜、线性光源及电动平台放置在采光室内；s2、在采光室内盖上光谱仪前端的聚焦透镜镜头盖，采集全黑标定图像及图像光强值ID；s3、在采光室内放置白色标准校正白板，所述白色标准校正白板放置在CCD数字照相机、光谱仪及聚焦透镜下方，获取校正光源影响的参考图像及所述参考图像的光强值IF；s4、移出采光室内的白色标准校正白板；s5、将实验或待测干燥毛豆样本放置在黑色载物板上，且位于CCD数字照相机、光谱仪及聚焦透镜下方，相应干燥毛豆样本连续采集5cm长的样本图像以及样本光强值IS；s6、利用全黑标定图像及白色标准校正白板的参考图像，计算高光谱图像的相对光强值其中为每个干燥毛豆高光谱图像的相对光强值；Is为每个干燥毛豆高光谱图像的光强值；ID为全黑标定光强值；IF为标准白板高光谱图像的光强值；s7、利用阈值分割方法对步骤s6所得到相对图像进行轮廓提取，然后对得到的干燥毛豆轮廓提取图像熵特征参数，其中其中为干燥毛豆样本在像素点(i，j)(i＝1，2，...Mj＝1，2，...N)处的高光谱图像的相对光强值，M，N分别为横向和纵向像素点的总数，H为每个干燥毛豆的熵。
所述步骤c中采用色差计进行干燥毛豆的颜色测量，测量时为减少误差，分别对每个毛豆的上下两端各进行2次测量，4次测量的平均值作为最后的仪器标准值 其中 为标准白板在D65标准照度下获得的颜色读数，L*，a*，b*为干燥毛豆的颜色读数值；含水率的标准值测量采用重量分析法获得，干燥毛豆放入105℃恒温烘箱5个小时，直到重量不在变化为止；采用质地分析仪对干燥毛豆进行硬度标准值测试，将干燥毛豆样本放到干燥台上，以0.5mm/s的下落速度进行压缩，最大压缩率为60％；通过干燥毛豆和新鲜毛豆的体积比确定最后的收缩率标准值，其中的毛豆体积采用国标GB/T6949-1998石蜡法来测定。
本发明的优点：利用破坏性仪器检测和高光谱图像采集系统首先分别建立干燥毛豆的颜色、含水率、硬度、缩水率四个质量指标的评价预估模型，通过将高光谱图像采集系统获得的待测干燥毛豆的特征参数输入评价预估模型，最终得到待测干燥毛豆的颜色、含水率、硬度、缩水率的评价结果，能够在多数干燥毛豆无损的情况下，同时测得四个质量指标的评价结果。通过图像熵和偏最小二乘回归算法建立的预估模型，操作简单，实时性好，可靠性高。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明高光谱图像采集系统的工作原理结构示意图。
图2为本发明高光谱采集系统采集的干燥时间为60分钟的毛豆图像在718nm波段下利用阈值分割方法提取的轮廓图。
图3为本发明不同干燥时间所获得的干燥毛豆高光谱图像熵的特征统计图。
图4为本发明检测方法流程示意图。
结合附图，本发明实施例中附图标记如下：
1-计算机；2-CCD控制器；3-CCD数字照相机；4-光谱仪；5-聚焦透镜；6-干燥毛豆；7-黑色载物板；8-电动平台：9-电源；10-石英卤素钨灯；11-光纤；12-线性光源；13-采光室；14-干燥10分钟；15-干燥20分钟；16-干燥30分钟；17-干燥40分钟；18-干燥50分钟；19-干燥60分钟。
具体实施方式
下面结合具体附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示：本发明包括计算机1、CCD控制器2、CCD数字照相机3、光谱仪4、聚焦透镜5、干燥毛豆6、黑色载物板7、电动平台8、电源9、石英卤素钨灯10、光纤11、线性光源12及采光室13。
如图1所示：CCD控制器2、CCD数字照相机3、光谱仪4、聚焦透镜5、线性光源12与电动平台8，均设置在采光室13内部，避免外来光源的干扰；所述CCD数字照相机3覆盖的波长为400-1000nm；所述光谱仪4的光谱分辨率为1.29nm。CCD控制器2、CCD数字照相机3、光谱仪4与聚焦透镜5依次配合连接，且位于线性光源12的上方；聚焦透镜5设置在光谱仪4的前端，光谱仪4设置在CCD数字照相机3上，CCD数字照相机3的输出端与CCD控制器2相连，CCD控制器2的输出端与计算机1相连，用于向计算机1输出采集所得高光谱图像；石英卤素钨灯10与电源9相连，并通过光纤11连接至线性光源12，形成系统光源；系统光源照射在待测干燥毛豆上，通过光谱仪4与CCD数字照相机3，采集干燥毛豆的高光谱图像，所述石英卤素钨灯10的输出功率为150W。
图2显示了利用高光谱图像采集系统获取的干燥60分的毛豆样本在718nm波段下的图像，并利用阈值分割方法提取出的轮廓图。
图3显示了利用得到的干燥毛豆轮廓提取出图像熵特征的统计情况，可以看出，随着干燥时间的增加，熵的值降低，反应了光的分布情况。
如图4所示：所述检测干燥毛豆多品质的方法重要的步骤为构建干燥毛豆品质的评价预估模型及对干燥毛豆高光谱图像特征参数的提取。所述高光谱图像采集系统采集干燥毛豆高光谱图像的步骤包括：
s1、将CCD控制器2、CCD数字照相机3、光谱仪4、聚焦透镜5、线性光源12及电动平台8放置在采光室13内；所述采光室13为光学屏蔽装置，能够避免外来光源的干扰，确保高光谱图像采集系统采集干燥毛豆高光谱图像的准确度；
s2、在采光室13内盖上光谱仪4前端的聚焦透镜5的镜头盖，采集全黑标定图像及图像光强值ID；
s3、在采光室13内放置白色标准校正白板，所述白色标准校正白板放置在CCD控制器2、CCD数字照相机3、光谱仪4及聚焦透镜5的下方，获取校正光源波段影响的参考图像及所述参考图像的光强值IF；
s4、移出采光室13内的白色标准校正白板，便于在采光室13内对干燥毛豆样本6进行检测；
s5、将10粒待测毛豆样本6摆在黑色载物板7上，放置在电动平台8上，启动电动平台8，当电动平台8带动干燥毛豆样本6运动至CCD控制器2、CCD数字照相机3、光谱仪4及、聚焦透镜5及线性光源12下方，连续采集5cm长干燥毛豆样本6的高光谱图像IS；CCD数字照相机3将采集到的高光谱图像经过CCD控制器2传送到计算机1内，由计算机1对高光谱图像进行相应的处理；
s6、利用全黑标定图像和白色标准校正白板的参考图像，计算毛豆样本的高光谱图像的相对光强值：
其中为干燥毛豆高光谱图像的相对光强值；IS为干燥毛豆高光谱图像的光强值；ID为全黑标定光强值；IF为标准白板高光谱图像的光强值；利用全黑标定光强和白色标准校正白板的高光谱图像对干燥毛豆6的高光谱图像进行校正，避免计算机1、石英卤素钨灯10及CCD数字照相机3采集干燥毛豆6的高光谱图像时产生的误差；
s7、利用阈值图像分割方法对步骤s6所得的相对高光谱图像，在每个波段下进行轮廓提取，然后对所得的干燥毛豆轮廓提取出图像熵H作为评价干燥毛豆品质的特征参数，所述的图像熵H为
其中 为干燥毛豆样本在像素点(i，j)(i＝1，2，...Mj＝1，2，...N)处的高光谱图像的相对光强值，M，N分别为横向和纵向像素点的总数；
为了构建干燥毛豆品质的评价预估模型，需要选取少量的干燥毛豆样本。所述选取的干燥毛豆样本，为了对评价预估模型进行优化，干燥毛豆样本可以分为试样集和校正集。对干燥毛豆的高光谱图像采集完后，需要利用破坏性仪器采集干燥毛豆样本的颜色、含水率、硬度及缩水率指标，为后续构建评价预估模型提供依据。
利用色差计对干燥毛豆6进行颜色测量，测量时为减少误差，分别对每个毛豆的上下两端各进行2次测量，4次测量的平均值作为最后的仪器标准值 其中 为标准白板在D65标准照度下获得的颜色读数，L*，a*，b*为干燥毛豆的颜色读数值；含水率的标准值测量采用重量分析法获得，干燥毛豆放入105℃恒温烘箱5个小时，直到重量不在变化为止；采用质地分析仪对干燥毛豆进行硬度标准值测试，将干燥毛豆样本放到干燥台上，以0.5mm/s的下落速度进行压缩，最大压缩率为60％；通过干燥毛豆和新鲜毛豆的体积比确定最后的收缩率标准值，其中的毛豆体积采用国标GB/T6949-1998石蜡法来测定；根据破坏性仪器得到的干燥毛豆品质指标值，作为后续构建评价预估模型的依据。
采用偏最小二乘回归模型作为构建评价预估模型的工具，结合图像熵特征参数分别建立干燥毛豆的颜色、含水率、硬度和缩水率的品质评价预估模型。
得到干燥毛豆样本的品质评价预估模型后，利用高光谱图像采集系统采集待检测干燥毛豆样本6的高光谱图像，将所述高光谱图像进行处理后，输入到已建立的品质评价预估模型中，即可得到干燥毛豆6的品质评价结果。
如图4所示：所述进行干燥毛豆多品质无损检测的步骤概括为：
a、选取干燥毛豆样本；
b、将干燥毛豆样本放置在高光谱图像采集系统中，采集对应干燥毛豆样本的高光谱图像；
c、利用阈值分割方法，提取干燥毛豆样本的轮廓信息；
d、利用所得到干燥毛豆样本的轮廓信息，提取图像特征参数，即图像熵；
e、利用破坏性仪器采集干燥毛豆样本的颜色、含水率、硬度及缩水率指标，得到对应的品质评价结果；
e、利用偏最小二乘回归算法结合图像熵构建干燥毛豆的评价预估模型；
f、利用高光谱图像采集系统采集待测干燥毛豆的高光谱图像，并将得到的高光谱图像的熵特征参数输入到步骤e得到的评价预估模型中，获得干燥毛豆颜色、含水率、硬度及缩水率多品质的评价结果。
本发明利用破坏性仪器检测和高光谱图像采集系统首先获得待检测干燥毛豆的颜色、含水率、硬度及缩水率多品质指标的评价预估模型，通过评价预估模型及高光谱图像采集系统同时获得干燥毛豆的干燥毛豆的颜色、含水率、硬度及缩水率品质的评价结果，能够在多数干燥毛豆无损的情况下，同时测得四个质量指标的评价结果。通过图像熵参数和偏最小二乘回归算法建立的评价预估模型，操作简单，实时性好，可靠性高，方便便捷。
Claims (2)
1.基于高光谱图像技术的干燥毛豆多品质无损检测方法，其特征是，所述检测方法包括如下步骤：
(a)选取干燥毛豆样本；
(b)将干燥毛豆样本放置在高光谱图像采集系统中，采集对应干燥毛豆样本的高光谱图像；
(c)利用阈值分割方法，提取干燥毛豆样本的轮廓信息；
(d)利用所得到干燥毛豆样本的轮廓信息，提取图像熵特征参数；
(e)利用破坏性仪器采集干燥毛豆样本的颜色、含水率、硬度及缩水率指标，得到对应干燥毛豆样本的品质评价结果；
(f)利用偏最小二乘回归算法结合图像熵构建干燥毛豆的评价预估模型；
(g)利用高光谱图像采集系统采集待测干燥毛豆的高光谱图像，利用步骤(d)得到的待测干燥毛豆高光谱图像熵特征参数输入到步骤(f)得到的评价预估模型中，获得相应干燥毛豆的颜色、含水率、硬度及缩水率品质的评价结果。
2.根据权利要求1所述基于高光谱图像技术的干燥毛豆多品质无损检测方法，其特征是：采用图像熵H作为评价干燥毛豆品质的特征参数，所述的图像熵H为
其中 为干燥毛豆样本在像素点(i，j)(i＝1，2，...M，j＝1，2，...N)处的高光谱图像的相对光强值，M，N分别为横向和纵向像素点的总数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310275013.5A CN103344575B (zh) | 2013-07-01 | 2013-07-01 | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310275013.5A CN103344575B (zh) | 2013-07-01 | 2013-07-01 | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103344575A CN103344575A (zh) | 2013-10-09 |
| CN103344575B true CN103344575B (zh) | 2015-11-25 |
Family
ID=49279389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310275013.5A Active CN103344575B (zh) | 2013-07-01 | 2013-07-01 | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103344575B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
| WO2016133175A1 (ja) * | 2015-02-19 | 2016-08-25 | 株式会社ガオチャオエンジニアリング | 莢果選別システム、莢果選別装置及び莢果選別方法 |
| CN105158186B (zh) * | 2015-09-17 | 2017-09-22 | 南京农业大学 | 一种基于高光谱图像对白萝卜黑心检测的方法 |
| CN105372203B (zh) * | 2015-11-04 | 2017-12-15 | 江南大学 | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 |
| CN105606473B (zh) * | 2016-01-20 | 2018-06-15 | 华中农业大学 | 一种基于机器视觉的红提葡萄硬度无损检测方法 |
| CN106525732B (zh) * | 2016-10-25 | 2021-08-17 | 沈阳农业大学 | 基于高光谱成像技术的苹果内外品质快速无损检测方法 |
| CN106885783A (zh) * | 2016-12-30 | 2017-06-23 | 深圳市芭田生态工程股份有限公司 | 一种高光拍照和无损光谱扫描判断果蔬品质的方法 |
| CN108195773A (zh) * | 2018-01-26 | 2018-06-22 | 山东农业大学 | 一种生物质装饰砖颜色的测试方法 |
| CN109858577A (zh) * | 2019-04-01 | 2019-06-07 | 盐城工学院 | 大豆外观品质检测装置以及检测方法 |
| CN111011471B (zh) * | 2019-12-14 | 2023-02-17 | 江南大学 | 一种多光谱-射频-热风果蔬干燥检测装置及方法 |
| CN111060473B (zh) * | 2020-01-15 | 2021-06-25 | 王丽娟 | 一种食品质量分析检测装置 |
| CN111257228B (zh) * | 2020-01-21 | 2025-06-06 | 黑龙江珍宝岛药业股份有限公司 | 一种基于高光谱的中药注射剂多指标检测系统 |
| KR102798435B1 (ko) * | 2020-08-28 | 2025-04-22 | 주식회사 엘지에너지솔루션 | 전극의 건조 품질 평가 장치 및 전극의 건조 품질 평가 방법 |
| CN112504977A (zh) * | 2020-11-17 | 2021-03-16 | 华南农业大学 | 茶叶含水率检测方法及其模型构建方法、介质和设备 |
| CN113670840A (zh) * | 2021-08-13 | 2021-11-19 | 华南农业大学 | 鲜切笋中不溶性膳食纤维含量的快速无损检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005062008A (ja) * | 2003-08-13 | 2005-03-10 | Maki Mfg Co Ltd | 農産物の外観検査装置 |
| CN103063603A (zh) * | 2012-12-25 | 2013-04-24 | 浙江工业大学 | 机炒龙井茶叶水分含量在线检测装置 |
-
2013
- 2013-07-01 CN CN201310275013.5A patent/CN103344575B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005062008A (ja) * | 2003-08-13 | 2005-03-10 | Maki Mfg Co Ltd | 農産物の外観検査装置 |
| CN103063603A (zh) * | 2012-12-25 | 2013-04-24 | 浙江工业大学 | 机炒龙井茶叶水分含量在线检测装置 |
Non-Patent Citations (4)
| Title |
|---|
| 农产品外部品质无损检测中高光谱成像技术的应用研究进展;李江波 等;《光谱学与光谱分析》;20110831;第31卷(第8期);第2021-2026页 * |
| 农产品无损检测中高光谱成像技术的应用研究;罗阳 等;《农机化研究》;20130630(第6期);第1-7页 * |
| 基于图像熵信息的玉米种子纯度高光谱图像识别;朱启兵 等;《农业工程学报》;20121231;第28卷(第23期);第272页第1.2-1.3节，第 2节，273页第3节 * |
| 预处理对微波联合气流膨化干燥黑毛豆仁品质的影响;刘霞 等;《核农学报》;20111231;第25卷(第6期);第1217页第1.3-1.4节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103344575A (zh) | 2013-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103344575B (zh) | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 | |
| CN100480680C (zh) | 多光谱肉类新鲜度人工智能测量方法及系统 | |
| CN103063585B (zh) | 瓜果成熟度快速无损检测装置及检测系统建立方法 | |
| CN110411957B (zh) | 水果货架期及新鲜程度的无损快速预测方法及装置 | |
| CN203275285U (zh) | 一种基于高光谱成像的大米品质在线无损检测装置 | |
| CN105203464B (zh) | 基于高光谱成像技术检测花生中油酸含量分布的方法 | |
| CN102721651A (zh) | 基于多光谱图像的植物叶片水分含量的检测方法及系统 | |
| CN105115910B (zh) | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 | |
| CN102435568B (zh) | 基于11个特征波长快速无损检测茶叶干物质含量的方法 | |
| CN104359838A (zh) | 一种无损检测梨的硬度方法 | |
| CN103472031A (zh) | 一种基于高光谱成像技术的脐橙糖度检测方法 | |
| CN111443043A (zh) | 一种基于高光谱图像的核桃仁品质检测方法 | |
| CN105181606B (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
| CN110487746A (zh) | 一种基于近红外光谱检测娃娃菜品质的方法 | |
| CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
| CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
| CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
| Song et al. | A robust deep learning model for predicting green tea moisture content during fixation using near-infrared spectroscopy: Integration of multi-scale feature fusion and attention mechanisms | |
| CN103674850A (zh) | 一种肉类水分检测方法 | |
| CN105158178A (zh) | 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法 | |
| CN105115909B (zh) | 基于高光谱成像技术检测花生中脂肪含量分布的方法 | |
| CN103592230B (zh) | 一种茶叶中干物质含量的检测方法 | |
| CN201051074Y (zh) | 多光谱肉类新鲜度人工智能测量系统 | |
| CN110231303A (zh) | 一种快速测定奇亚籽灰分含量的方法 | |
| CN115586146B (zh) | 水果糖度无损检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20250226 Address after: Room 353, 3rd Floor, Building 1, Wuhan Optics Valley Enterprise World, No.1 Lingjiashan South Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province, China 430205 Patentee after: Wuhan Puyuan Optoelectronic Instrument Co.,Ltd. Country or region after: China Address before: 214122 Jiangsu Province, Wuxi City Lake Road No. 1800, Jiangnan University Patentee before: Jiangnan University Country or region before: China |
|
| TR01 | Transfer of patent right |