CN103630498A - 基于高光谱成像技术的脐橙表面农药残留量的检测方法 - Google Patents
基于高光谱成像技术的脐橙表面农药残留量的检测方法 Download PDFInfo
- Publication number
- CN103630498A CN103630498A CN201310562404.5A CN201310562404A CN103630498A CN 103630498 A CN103630498 A CN 103630498A CN 201310562404 A CN201310562404 A CN 201310562404A CN 103630498 A CN103630498 A CN 103630498A
- Authority
- CN
- China
- Prior art keywords
- image
- navel orange
- persticide residue
- reflectivity
- diffuse reflection
- 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.)
- Granted
Links
- 235000005976 Citrus sinensis Nutrition 0.000 title claims abstract description 46
- 240000002319 Citrus sinensis Species 0.000 title claims abstract description 46
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title abstract description 18
- 239000000447 pesticide residue Substances 0.000 title abstract description 8
- 238000000701 chemical imaging Methods 0.000 title abstract description 3
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000002310 reflectometry Methods 0.000 claims description 39
- 238000001228 spectrum Methods 0.000 claims description 39
- 238000002329 infrared spectrum Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 abstract description 6
- 238000003912 environmental pollution Methods 0.000 abstract description 3
- 239000000575 pesticide Substances 0.000 description 9
- 235000012055 fruits and vegetables Nutrition 0.000 description 7
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001580 bacterial effect Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 239000003987 organophosphate pesticide Substances 0.000 description 3
- 230000001988 toxicity Effects 0.000 description 3
- 231100000419 toxicity Toxicity 0.000 description 3
- 239000003905 agrochemical Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 150000004032 porphyrins Chemical class 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 239000005558 Fluroxypyr Substances 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- MEFQWPUMEMWTJP-UHFFFAOYSA-N fluroxypyr Chemical compound NC1=C(Cl)C(F)=NC(OCC(O)=O)=C1Cl MEFQWPUMEMWTJP-UHFFFAOYSA-N 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000006193 liquid solution Substances 0.000 description 1
- -1 porphyrin compound Chemical class 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱成像技术的脐橙表面农药残留量的检测方法，包括以下步骤：（1）采集待测脐橙在十一个特征波长处的单波段光谱图像；所述十一个特征波长分别为410nm、431nm、520nm、637nm、680nm、690nm、784nm、880nm、950nm、967nm和1020nm；（2）依据单波段光谱图像的灰度值与反射率的线性关系，将步骤（1）中的单波段光谱图像转化为反射率图像；（3）依据公式计算得到脐橙的反射率图像中每个像素点所对应的农药残留量。本发明能够检测脐橙表面的农药残留含量的分布，检测精度高，检测时间短，不仅减少了环境污染，同时也降低了检测成本。
Description
技术领域
本发明涉及农药残留量检测领域，具体涉及一种基于高光谱成像技术的脐橙表面农药残留量的检测方法。
背景技术
果蔬表面的农药残留不仅会危害消费者的健康，而且还会影响果蔬的出口贸易，虽然对果蔬表面的农药残留检测已经有了许多成熟可行的方法，但现有技术中的这些方法大部分不仅操作起来速度较慢慢，而且都是破坏性的检测。
例如，申请公开号为CN 103076319A的发明公开了一种果蔬中农药残留毒性的检测方法，包括：发光细菌的准备，检测样品的准备和发光细菌的发光检测，将待检测果蔬的样品与青海弧菌Q67菌种的菌液混合，通过检测青海弧菌Q67菌株的发光强度，判断所检测的果蔬中农药残留的毒性。该发明所述方法缩短了果蔬中农药残留毒性的检测时间，延长了青海弧菌Q67菌株的稳定发光时间，但是仍为破坏性检测。
授权公告号为CN 101776601B的发明公开了一种快速检测农药残留的方法，利用带程序的荧光分光光度计，以卟啉化合物为荧光指示剂和显色剂，经制备卟啉溶液和有机磷农药溶液及液态检测溶液，测量液态卟啉检测溶液中有机磷农药。
该发明虽然能够广泛用于含有有机磷农药残留的微痕量检测，但是，所用试剂会对环境造成污染。
近年来，高光谱成像技术迅速发展，利用高光谱成像技术可以对生物对象中的内外部信息进行可视化表达，拥有光谱技术和图像处理技术的双重优势，是一种精确至每一个像素点纳米级信息采集，检测过程无损、无污染、样品无需预处理的绿色分析技术，使得它成为当今食品和农产品检测领域的研究热点，因此，可以考虑将高光谱技术应用到农药残留检测领域，提供一种效率高的无损检测方法。
发明内容
本发明提供了一种基于高光谱成像技术的脐橙表面农药残留量的检测方法，能够检测脐橙表面的农药残留含量的分布，检测精度高，检测时间短，不仅减少了环境污染，也在一定程度上降低了检测成本。
一种基于高光谱成像技术的脐橙表面农药残留量的检测方法，包括以下步骤：
（1）采集待测脐橙在十一个特征波长处的单波段光谱图像；所述十一个特征波长分别为410nm、431nm、520nm、637nm、680nm、690nm、784nm、880nm、950nm、967nm和1020nm；
（2）依据单波段光谱图像的灰度值与反射率的线性关系，将步骤（1）中的单波段光谱图像转化为反射率图像；
（3）依据下式计算得到脐橙的反射率图像中每个像素点所对应的农药残留量；
Y=32.976X1+16.703X2-21.305X3+25.926X4+356.536X5-568.738X6+206.148X7+283.056X8-370.824X9+295.411X10-237.134X11+0.025
式中：Xa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y代表相应像素点处的农药残留量。
现有技术中的农药品种繁多，并非所有农药都适用本发明提供的测定方法，本发明方法所测定的农药为氯氟吡氧乙酸。
作为优选，所述步骤（2）中单波段光谱图像的灰度值与反射率的线性关系的获取步骤如下：
2-1、采集至少三块漫反射标准板在十一个特征波长处的基准单波段光谱图像，求取每幅基准单波段图像的灰度值，在可见近红外光谱范围内，所采用的漫反射标准板具有互不相同的反射率；
2-2、针对每个特征波长，将相应基准单波段图像的灰度值与反射率进行线性拟合，得到灰度值与反射率的线性关系。
作为优选，所述漫反射标准板为三～十一块。
在每一个特征波长处，每块漫反射标准板各自对应一幅单波段图像，每幅单波段图像对应一个灰度值，以漫反射标准板的灰度值为自变量，以漫反射标准板的反射率为因变量，线性拟合得到灰度值与反射率的关系。
漫反射标准板的数目越多，线性拟合得到的灰度值与反射率的关系越准确，相应耗时也较长，优选地，所述漫反射标准板为三块，分别为99%漫反射标准板、75%漫反射标准板和2%漫反射标准板。
99%漫反射标准板是指：在整个可见近红外光谱范围内，漫反射标准板的反射率为99%。
75%漫反射标准板是指：在整个可见近红外光谱范围内，漫反射标准板的反射率为75%。
2%漫反射标准板是指：在整个可见近红外光谱范围内，漫反射标准板的反射率为2%。
采用99%漫反射标准板、75%漫反射标准板以及2%漫反射标准板，最大程度涵盖了反射率的范围，使得到的灰度值与反射率的线性关系更加准确。
为了直观地获知农药残留量的分布信息，优选地，所述步骤（3）中，计算得到脐橙的反射率图像中每个像素点所对应的农药残留量后，绘制农药残留量分布图。
与现有技术相比，本发明具有以下有益的技术效果：
a)在选定的少数特征波长处采集脐橙的高光谱图像，利用多元线性回归分析得到农药残留量与高光谱图像中像素点反射率的关系，快速准确检测农药残留量分布，节省时间。
b)不使用任何化学材料，无需进行理化分析，降低了检测成本，不污染环境。
c)能够分析尺寸较大的样品和多品种的样品，可实时在线检测脐橙表面农药残留量分布。
d)将脐橙表面农药残留量分布光谱信息特征和光谱成像信息特征在特征层上进行融合，得到农药残留量分布的直观图像，便于进一步分析。
附图说明
图1为三块漫反射标准板的反射率与波长的关系图；
图2为没有农药残留的赣南脐橙的表面图像；
图3为有农药残留的赣南脐橙的表面图像。
具体实施方式
实施例1
（1）建立单波段光谱图像的灰度值与反射率的关系
1-a、采集三块漫反射标准板在十一个特征波长处的基准单波段光谱图像（每块漫反射标准板在每个特征波长处采集一幅基准单波段光谱图像），求取每幅基准单波段图像的灰度值。
在整个可见近红外光谱范围内，所采用的漫反射标准板分别对应的反射率为99%、75%、和2%，如图1所示，三块漫反射标准板在整个可见近红外光谱范围内的漫反射是互不相同的，对于每一块漫反射标准板来说，在所有波长处的反射率均相同。
1-b、针对每个特征波长，将相应基准单波段图像的灰度值与反射率进行线性拟合，得到灰度值与反射率的线性关系。
针对每个特征波长来说，都有对应的三组灰度值和反射率值（每一组灰度值和反射率由同一漫反射标准板采集的基准单波段图像得到），以灰度值为自变量，反射率为因变量，对这三组灰度值和反射率值进行线性拟合，得到灰度值和反射率值的线性关系。
本发明方法中灰度值和反射率值的线性关系的获得、高光谱图像的采集以及农药残留量的分布图绘制均通过ENVI编程程序自动完成。
（2）计算农药残留量分布
2-a、收集15个赣南脐橙，先采用高光谱图像成像系统(ImSpectorV10E，Spectral Imaging Ltd．，Oulu，Finland)分别扫描每个赣南脐橙在十一个特征波长处的单波段光谱图像；十一个特征波长分别为410nm、431nm、520nm、637nm、680nm、690nm、784nm、880nm、950nm、967nm和1020nm；每个波长处对应一幅单波段光谱图像，然后采用GB/T22243-2008测量这15个赣南脐橙的15个不同区域的农药残留量（共225个区域），即将每个赣南脐橙的表皮分割为15份，15个区域囊括整个赣南脐橙的外表面。
在15个赣南脐橙中的随机选取10个作为建模集样本，其余5个作为预测集样本。
2-b、依据单波段光谱图像的灰度值与反射率的线性关系，将每个赣南脐橙在十一个特征波长处的单波段光谱图像转化为反射率图像。
基于步骤（1）中的十一个特征波长处的灰度值与反射率的关系，可以把待测赣南脐橙的单波段光谱图像（单波段光谱图像中的每个像素点分别对应赣南脐橙上的一个位点，每个像素点具有不同的灰度值）转换为反射率图像，反射率图像中的每个像素点对应不同的反射率。
对于建模集中的10个赣南脐橙，对于每个区域的高光谱图像都可以得到相应的反射率图像，经过平均后得到每个区域的平均反射率，利用每个区域的农药残留量（利用GB/T22243-2008方法得到）和平均反射率拟合得到农药残留量与平均反射率的关系如下式（I）所示，
Y’=32.976X’1+16.703X’2-21.305X’3+25.926X’4+356.536X’5-568.738X’6+206.148X’7+283.056X’8-370.824X’9+295.411X’10-237.134X’11+0.025 （I）
式中：X’a代表a nm特征波长处的反射率图像的平均反射率；
Y’代表相应像素点处的农药残留量。
利用平均反射率和农药残留量拟合得到的式（I）表达了平均反射率与农药残留量的关系，式（I）也反应了每一像素点处反射率与农药残留量的关系，依据式（I）得到式（II）如下：
Y=32.976X1+16.703X2-21.305X3+25.926X4+356.536X5-568.738X6+206.148X7+283.056X8-370.824X9+295.411X10-237.134X11+0.025 （II）
式中：Xa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y代表相应像素点处的农药残留量。
将反射率图像中的每个像素点所对应的反射率代入式（II）中进行农药残留量的计算，得到待测赣南脐橙图像中的每个像素点处的农药残留量，进而据此绘制赣南脐橙的农药残留量分布图，得到赣南脐橙各点处的农药残留量分布信息，某一侧面的农药残留量分布如图3所示，图2为没有农药残留的赣南脐橙的高光谱图像依据本发明提供的方法计算得到的农药残留分布图。
利用本发明方法对预测集中的5个赣南脐橙（每个赣南脐橙对应15个区域）检测得到的预测农药残留量（将平均反射率代入式（I）中求得）与利用GB/T22243-2008方法检测的真实农药残留量的结果比较见表1。
表1
| 数据集 | 样本个数 | 相关系数 | 均方根误差 |
| 建模集 | 10 | 0.8542 | 0.0053 |
| 预测集 | 5 | 0.8467 | 0.0056 |
由表1中可以看出，本发明提出的检测方法的预测结果与利用国标方法的测量值呈高度相关性。
对比例1
选取十一个特征波长，分别为412nm、435nm、522nm、635nm、682nm、695nm、780nm、883nm、952nm、960nm和1025nm，并基于这十一个特征波长以相同方式建立农药残留量与反射率的关系如式（III）所示：Y=31.125X1+15.986X2-20.652X3+24.748X4+351.147X5-564.457X6+216.358X7+282.472X8-372.152X9+292.432X10-234.054X11+0.024 （III）
式（III）中：Xa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y代表相应像素点处的农药残留量。
在十一个特征波长处获取赣南脐橙的单波段光谱图像，并基于式（III）计算得到赣南脐橙的农药残留量，与利用GB/T22243-2008方法检测的真实农药残留量的结果对比如表2所示。
表2
| 数据集 | 样本个数 | 相关系数 | 均方根误差 |
| 建模集 | 10 | 0.5472 | 0.0082 |
| 预测集 | 5 | 0.5245 | 0.0096 |
对比例2
选取十一个特征波长，分别为413nm、433nm、523nm、634nm、683nm、694nm、782nm、882nm、954nm、964nm和1026nm，并基于这十一个特征波长以相同方式建立农药残留量与反射率的关系如式（IV）所示：
Y=30.902X1+14.486X2-21.052X3+23.908X4+352.657X5-562.427X6+213.328X7+272.422X8-342.192X9+291.412X10-231.064X11+0.027 （IV）
式（IV）中：Xa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y代表相应像素点处的农药残留量。
在十一个特征波长处获取赣南脐橙的单波段光谱图像，并基于式（IV）计算得到赣南脐橙的农药残留量，与利用GB/T22243-2008检测的真实农药残留量的结果对比如表3所示。
表3
| 数据集 | 样本个数 | 相关系数 | 均方根误差 |
| 建模集 | 100 | 0.5048 | 0.0096 |
| 预测集 | 50 | 0.4967 | 0.0099 |
由实施例1和对比例1、2的结果来看，选取特征波长对于检测农药残留量是否准确有重要影响，本发明通过选取合适的特征波长，得到了决定系数很高的检测结果，用于快速进行农药残留量的空间分布结果。
Claims (5)
1.一种基于高光谱成像技术的脐橙表面农药残留量的检测方法，其特征在于，包括以下步骤：
（1）采集待测脐橙在十一个特征波长处的单波段光谱图像；所述十一个特征波长分别为410nm、431nm、520nm、637nm、680nm、690nm、784nm、880nm、950nm、967nm和1020nm；
（2）依据单波段光谱图像的灰度值与反射率的线性关系，将步骤（1）中的单波段光谱图像转化为反射率图像；
（3）依据下式计算得到脐橙的反射率图像中每个像素点所对应的农药残留量；
Y=32.976X1+16.703X2-21.305X3+25.926X4+356.536X5-568.738X6+206.148X7+283.056X8-370.824X9+295.411X10-237.134X11+0.025
式中：Xa代表a nm特征波长处的反射率图像中，某一像素点的反射率；
Y代表相应像素点处的农药残留量。
2.如权利要求1所述的基于高光谱成像技术的脐橙表面农药残留量的检测方法，其特征在于，所述步骤（2）中单波段光谱图像的灰度值与反射率的线性关系的获取步骤如下：
2-1、采集至少三块漫反射标准板在十一个特征波长处的基准单波段光谱图像，求取每幅基准单波段图像的灰度值，在可见近红外光谱范围内，所采用的漫反射标准板具有互不相同的反射率；
2-2、针对每个特征波长，将相应基准单波段图像的灰度值与反射率进行线性拟合，得到灰度值与反射率的线性关系。
3.如权利要求2所述的基于高光谱成像技术的脐橙表面农药残留量的检测方法，其特征在于，所述漫反射标准板为三～十一块。
4.如权利要求3所述的基于高光谱成像技术的脐橙表面农药残留量的检测方法，其特征在于，所述漫反射标准板为三块，分别为99%漫反射标准板、75%漫反射标准板和2%漫反射标准板。
5.如权利要求1所述的基于高光谱成像技术的脐橙表面农药残留量的检测方法，其特征在于，所述步骤（3）中，计算得到脐橙的反射率图像中每个像素点所对应的农药残留量后，绘制农药残留量分布图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310562404.5A CN103630498B (zh) | 2013-11-12 | 2013-11-12 | 基于高光谱成像技术的脐橙表面农药残留量的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310562404.5A CN103630498B (zh) | 2013-11-12 | 2013-11-12 | 基于高光谱成像技术的脐橙表面农药残留量的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103630498A true CN103630498A (zh) | 2014-03-12 |
| CN103630498B CN103630498B (zh) | 2015-09-16 |
Family
ID=50211774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310562404.5A Expired - Fee Related CN103630498B (zh) | 2013-11-12 | 2013-11-12 | 基于高光谱成像技术的脐橙表面农药残留量的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103630498B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104931470A (zh) * | 2015-06-02 | 2015-09-23 | 江苏大学 | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 |
| CN105300895A (zh) * | 2015-11-05 | 2016-02-03 | 浙江大学 | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 |
| CN105424622A (zh) * | 2015-11-05 | 2016-03-23 | 浙江大学 | 一种利用特征三角形面积预警马铃薯发芽的方法 |
| CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
| CN108872091A (zh) * | 2018-03-20 | 2018-11-23 | 浙江理工大学 | 一种基于高光谱成像的蔬菜农药残留浓度的检测方法 |
| CN110579533A (zh) * | 2018-05-21 | 2019-12-17 | 珠海格力电器股份有限公司 | 一种目标对象安全性检测方法和设备 |
| CN111289446A (zh) * | 2020-03-30 | 2020-06-16 | 天津工业大学 | 一种复杂溶液成分浓度的检测方法及系统 |
| CN112586654A (zh) * | 2020-11-18 | 2021-04-02 | 海南威尔检测技术有限公司 | 农产品农药残留速检和无害化处理方法 |
| CN113740276A (zh) * | 2021-09-02 | 2021-12-03 | 福州大学 | 基于多光谱探测系统果蔬农残可视化实时检测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
| WO2011054040A1 (en) * | 2009-11-03 | 2011-05-12 | Commonwealth Scientific And Industrial Research Organisation | System and method for integration of spectral and 3-dimensional imaging data |
| CN102313699A (zh) * | 2011-05-26 | 2012-01-11 | 北京农业信息技术研究中心 | 作物冠层叶片的全氮含量估算方法 |
| CN102609963A (zh) * | 2012-01-18 | 2012-07-25 | 中国人民解放军61517部队 | 高光谱图像的模拟方法 |
| US20120250025A1 (en) * | 2009-09-04 | 2012-10-04 | Moshe Danny S | Grading of agricultural products via hyper spectral imaging and analysis |
| CN103278460A (zh) * | 2013-05-30 | 2013-09-04 | 华南农业大学 | 一种柑橘树红蜘蛛虫害胁迫情况测试分析方法 |
-
2013
- 2013-11-12 CN CN201310562404.5A patent/CN103630498B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
| US20120250025A1 (en) * | 2009-09-04 | 2012-10-04 | Moshe Danny S | Grading of agricultural products via hyper spectral imaging and analysis |
| WO2011054040A1 (en) * | 2009-11-03 | 2011-05-12 | Commonwealth Scientific And Industrial Research Organisation | System and method for integration of spectral and 3-dimensional imaging data |
| CN102313699A (zh) * | 2011-05-26 | 2012-01-11 | 北京农业信息技术研究中心 | 作物冠层叶片的全氮含量估算方法 |
| CN102609963A (zh) * | 2012-01-18 | 2012-07-25 | 中国人民解放军61517部队 | 高光谱图像的模拟方法 |
| CN103278460A (zh) * | 2013-05-30 | 2013-09-04 | 华南农业大学 | 一种柑橘树红蜘蛛虫害胁迫情况测试分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘燕德等: "高光谱成像技术在农产品检测中的应用", 《食品与机械》 * |
| 索少增等: "高光谱图像技术检测梨表面农药残留试验研究", 《北京工商大学学报》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104931470B (zh) * | 2015-06-02 | 2018-04-03 | 江苏大学 | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 |
| CN104931470A (zh) * | 2015-06-02 | 2015-09-23 | 江苏大学 | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 |
| CN105300895A (zh) * | 2015-11-05 | 2016-02-03 | 浙江大学 | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 |
| CN105424622A (zh) * | 2015-11-05 | 2016-03-23 | 浙江大学 | 一种利用特征三角形面积预警马铃薯发芽的方法 |
| CN105300895B (zh) * | 2015-11-05 | 2017-12-26 | 浙江大学 | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 |
| CN105424622B (zh) * | 2015-11-05 | 2018-01-30 | 浙江大学 | 一种利用特征三角形面积预警马铃薯发芽的方法 |
| CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
| CN108872091A (zh) * | 2018-03-20 | 2018-11-23 | 浙江理工大学 | 一种基于高光谱成像的蔬菜农药残留浓度的检测方法 |
| CN110579533A (zh) * | 2018-05-21 | 2019-12-17 | 珠海格力电器股份有限公司 | 一种目标对象安全性检测方法和设备 |
| CN110579533B (zh) * | 2018-05-21 | 2020-12-04 | 珠海格力电器股份有限公司 | 一种目标对象安全性检测方法和设备 |
| CN111289446A (zh) * | 2020-03-30 | 2020-06-16 | 天津工业大学 | 一种复杂溶液成分浓度的检测方法及系统 |
| CN112586654A (zh) * | 2020-11-18 | 2021-04-02 | 海南威尔检测技术有限公司 | 农产品农药残留速检和无害化处理方法 |
| CN113740276A (zh) * | 2021-09-02 | 2021-12-03 | 福州大学 | 基于多光谱探测系统果蔬农残可视化实时检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103630498B (zh) | 2015-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103630498A (zh) | 基于高光谱成像技术的脐橙表面农药残留量的检测方法 | |
| CN103674838B (zh) | 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 | |
| Wu et al. | Detection of apple defect using laser-induced light backscattering imaging and convolutional neural network | |
| He et al. | Recent progress of nondestructive techniques for fruits damage inspection: a review | |
| Xia et al. | Recent advances in emerging techniques for non-destructive detection of seed viability: A review | |
| Hussain et al. | Innovative nondestructive imaging techniques for ripening and maturity of fruits–a review of recent applications | |
| Qin et al. | Line-scan hyperspectral imaging techniques for food safety and quality applications | |
| Wu et al. | Application of long-wave near infrared hyperspectral imaging for measurement of color distribution in salmon fillet | |
| Abdullah et al. | The applications of computer vision system and tomographic radar imaging for assessing physical properties of food | |
| Xiong et al. | Applications of hyperspectral imaging in chicken meat safety and quality detection and evaluation: A review | |
| CN108663339A (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
| CN103674864A (zh) | 一种基于高光谱成像技术的鱼水分含量分布检测方法 | |
| Akter et al. | A comprehensive review of external quality measurements of fruits and vegetables using nondestructive sensing technologies | |
| CN101776597A (zh) | 一种畜肉细菌总数无损检测方法 | |
| CN106706546A (zh) | 一种基于红外和拉曼光谱数据的人工智能学习物质分析方法 | |
| Wang et al. | The early, rapid, and non-destructive detection of citrus Huanglongbing (HLB) based on microscopic confocal Raman | |
| Beghi et al. | Rapid evaluation of grape phytosanitary status directly at the check point station entering the winery by using visible/near infrared spectroscopy | |
| Yu et al. | Rapid and visual measurement of fat content in peanuts by using the hyperspectral imaging technique with chemometrics | |
| Li et al. | Rapid detection and visualization of mechanical bruises on “Nanfeng” mandarin using the hyperspectral imaging combined with ICA_LSQ method | |
| Hu et al. | Research on nondestructive detection of pine nut quality based on terahertz imaging | |
| Ma et al. | “Raman plus X” dual‐modal spectroscopy technology for food analysis: A review | |
| CN102181514A (zh) | 快速无损伤检测冷却肉菌落总数的方法 | |
| Peng et al. | Defects recognition of pine nuts using hyperspectral imaging and deep learning approaches | |
| Hu et al. | Integration of optical property mapping and machine learning for real-time classification of early bruises of apples |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140312 Assignee: YONGKANG VALID TECHNOLOGY CO.,LTD. Assignor: Zhejiang University Contract record no.: 2018330000030 Denomination of invention: Method for detecting pesticide residue on surface of navel orange based on hyperspectral imaging technology Granted publication date: 20150916 License type: Common License Record date: 20180328 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150916 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |