CN103674838B - 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 - Google Patents
一种基于高光谱成像技术的鱼脂肪含量分布检测方法 Download PDFInfo
- Publication number
- CN103674838B CN103674838B CN201310559434.0A CN201310559434A CN103674838B CN 103674838 B CN103674838 B CN 103674838B CN 201310559434 A CN201310559434 A CN 201310559434A CN 103674838 B CN103674838 B CN 103674838B
- Authority
- CN
- China
- Prior art keywords
- fish
- image
- reflectance
- fat content
- fats content
- 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.)
- Expired - Fee Related
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 72
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000005516 engineering process Methods 0.000 title claims abstract description 13
- 238000001228 spectrum Methods 0.000 title claims description 13
- 239000003925 fat Substances 0.000 title claims 9
- 238000002310 reflectometry Methods 0.000 claims description 8
- 238000002329 infrared spectrum Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 abstract description 23
- 238000000034 method Methods 0.000 abstract description 12
- 238000000701 chemical imaging Methods 0.000 abstract description 8
- 238000003912 environmental pollution Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 14
- 241000283690 Bos taurus Species 0.000 description 5
- 210000003022 colostrum Anatomy 0.000 description 5
- 235000021277 colostrum Nutrition 0.000 description 5
- 238000010790 dilution Methods 0.000 description 4
- 239000012895 dilution Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000010561 standard procedure Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 238000000944 Soxhlet extraction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000004626 essential fatty acids Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
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鱼脂肪含量分布检测方法，包括以下步骤：（1）采集待测鱼在十二个特征波长处的单波段光谱图像；所述十二个特征波长分别为956nm、975nm、1033nm、1081nm、1129nm、1153nm、1205nm、1234nm、1282nm、1354nm、1522nm、1627nm；（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）依据公式计算得到鱼的反射率图像中每个像素点所对应的鱼脂肪含量。本发明提供的鱼脂肪含量分布检测方法，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。
Description
技术领域
本发明涉及脂肪含量检测领域，具体涉及一种基于高光谱成像技术的鱼脂肪含量分布检测方法。
背景技术
高光谱成像技术是一种将光谱和图像处理技术集成为一体，同时具备光谱和图像的特点，并可以将检测尺度精确至纳米级，由于具备这些优点，现有技术中，高光谱成像技术已广泛应用于农业、食品、石油化工、制药、饲料等多个行业，尤其是在农产品生命信息快速检测研究中具有很大的应用潜力。
脂肪是鱼的重要组成部分，可为人体提供必需的脂肪酸，是一种富含热能的营养素，能够作为人体热能的主要来源，每克脂肪在体内可提供37.62kj(9kcal)热能，比碳水化合物和蛋白质高一倍以上。通过对鱼脂肪含量进行检测分析，可以实现对鱼的生长状况的检测以及连续监测，对于提高鱼的产量和质量具有重要意义。
传统的鱼脂肪含量检测利用食品安全国家标准GB/T5009.6—2003《食品的脂肪测定》中的索氏提取法，按照这一方法虽然能够获得比较可靠的测量结果，但是费时（8～16h）费力，不仅消耗的溶剂量大，对环境污染严重，且需要专用的仪器（索氏提取器），使用较为不便，最终获得的结果也只能获得鱼脂肪含量的平均状况，而不能获得鱼脂肪含量的分布情况。
授权公告号为CN101718692B的发明公开了一种快速检测牛初乳中脂肪、蛋白质、干物质含量的方法，包括以下步骤：(1)牛初乳样品用蒸馏水稀释，其中，检测脂肪含量的稀释比例为牛初乳∶水=3∶5，检测蛋白质含量的稀释比例为牛初乳∶水=3∶10，检测干物质含量的稀释比例为牛初乳∶水=3∶5；(2)用傅立叶红外全谱扫描乳品成分分析仪对样品进行检测；3)将上述所得检测结果乘以步骤1)中的相应稀释倍数。
利用该发明提供的方法也仅能获取脂肪的平均含量，而不能获得分布，因此，需要提供一种能够快速检测脂肪含量分布的检测方法。
发明内容
本发明提供了一种基于高光谱成像技术的鱼脂肪含量分布检测方法，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鱼脂肪含量分布检测方法，包括以下步骤：
（1）采集待测鱼在十二个特征波长处的单波段光谱图像；所述十二个特征波长分别为956nm、975nm、1033nm、1081nm、1129nm、1153nm、1205nm、1234nm、1282nm、1354nm、1522nm、1627nm；
（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）依据下式计算得到鱼的反射率图像中每个像素点所对应的鱼脂肪含量；
Y=-273.066X1+149.398X2-239.908X3+184.117X4-118.958X5+98.682X6-105.307X7+78.676X8+82.497X9-180.767X10+42.217X11+42.736X12+26.707
式中：Xa代表anm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鱼脂肪含量。
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十二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三～十二块。
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。
为了直观地获知鱼脂肪含量的分布信息，优选地，所述步骤（3）中，计算得到鱼的反射率图像中每个像素点所对应的鱼脂肪含量后，绘制鱼脂肪含量分布图。
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鱼的高光谱图像，利用多元线性回归分析得到鱼脂肪含量与高光谱图像中像素点反射率的关系，快速准确检测鱼脂肪含量分布，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，可实时在线检测鱼脂肪含量分布。
d)将鱼脂肪含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，得到鱼脂肪含量分布的直观图像，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为鱼脂肪含量的分布图。
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十二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鱼脂肪含量的分布均通过ENVI编程程序自动完成。
（2）计算鱼脂肪含量分布
2-a、收集150条鱼，先采用高光谱图像成像系统(ImSpectorV10E，SpectralImagingLtd．，Oulu，Finland)分别扫描每条鱼在十二个特征波长处的单波段光谱图像；十二个特征波长分别为956nm、975nm、1033nm、1081nm、1129nm、1153nm、1205nm、1234nm、1282nm、1354nm、1522nm、1627nm；每个波长处对应一幅单波段光谱图像，然后采用GB/T5009.6—2003《食品的脂肪测定》中的方法测量这150条鱼的20个不同区域的脂肪含量，即将每条鱼切割为20份，20个区域囊括整条鱼的所有部位。
在150条鱼中的随机选取100条作为建模集样本，其余50条作为预测集。
2-b、依据单波段光谱图像的灰度值与反射率的线性关系，将每条鱼在十二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）中的十二个特征波长处的灰度值与反射率的关系，可以把待测鱼的单波段光谱图像（单波段光谱图像中的每个像素点分别对应鱼上的一个位点，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100条鱼，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，利用每个区域的鱼脂肪含量（国标测定得到）和平均反射率拟合得到鱼脂肪含量与平均反射率的关系如下式（I）所示，
Y’=-273.066X’1+149.398X’2-239.908X’3+184.117X’4-118.958X’5+98.682X’6-105.307X’7+78.676X’8+82.497X’9-180.767X’10+42.217X’11+42.736X’12+26.707（I）
式中：X’a代表anm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鱼脂肪含量。
利用平均反射率和鱼脂肪含量拟合得到的式（I）表达了平均反射率与鱼脂肪含量的关系，式（I）也反应了每一像素点处反射率与脂肪含量的关系，依据式（I）得到式（II）如下：
Y=-273.066X1+149.398X2-239.908X3+184.117X4-118.958X5+98.682X6-105.307X7+78.676X8+82.497X9-180.767X10+42.217X11+42.736X12+26.707
式中：Xa代表anm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鱼脂肪含量。
将反射率图像中的每个像素点所对应的反射率代入式（II）中进行脂肪含量的计算，得到待测鱼图像中的每个像素点处的脂肪含量，进而据此绘制鱼的脂肪含量分布图，得到鱼各点处的脂肪含量分布信息，一个区域的脂肪含量分布如图2所示。
利用本发明方法对预测集中的50条鱼（每条鱼对应20个区域）检测得到的预测脂肪含量（将平均反射率代入式（I）中求得）与利用国标检测的真实脂肪含量的结果比较见表1。
表1
| 数据集 | 样本个数 | 相关系数 | 均方根误差 |
| 建模集 | 100 | 0.9045 | 1.4678 |
| 预测集 | 50 | 0.8867 | 1.5236 |
由表1中可以看出，本发明提出的检测方法的预测结果与国标方法的测量值呈高度相关性。
对比例1
选取十二个特征波长，分别为952nm、970nm、1030nm、1085nm、1122nm、1150nm、1209nm、1231nm、1288nm、1350nm、1528nm、1625nm，并基于这十二个特征波长以相同方式建立脂肪含量与反射率的关系如式（III）所示：
Y=-270.235X1+142.245X2-235.235X3+180.245X4-115.245X5+95.147X6-109.365X7+74.286X8+86.347X9-185.225X10+48.365X11+45.315X12+25.247
（III）
式（III）中：Xa代表anm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脂肪含量。
在十二个特征波长处获取鱼的单波段光谱图像，并基于式（III）计算得到鱼的脂肪含量，与利用国标方法检测的真实脂肪含量的结果对比如表2所示。
表2
| 数据集 | 样本个数 | 相关系数 | 均方根误差 |
| 建模集 | 100 | 0.7954 | 1.9638 |
| 预测集 | 50 | 0.7682 | 2.065 |
对比例2
选取十二个特征波长，分别为955nm、974nm、1037nm、1081nm、1125nm、1152nm、1204nm、1235nm、1287nm、1357nm、1523nm、1629nm，并基于这十二个特征波长以相同方式建立脂肪含量与反射率的关系如式（IV）所示：
Y=-271.983X1+144.324X2-231.876X3+181.765X4-114.745X5+92.356X6-105.485X7+73.348X8+85.395X9-183.145X10+45.874X11+44.682X12+24.985（IV）
式（IV）中：Xa代表anm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脂肪含量。
在十二个特征波长处获取鱼的单波段光谱图像，并基于式（IV）计算得到鱼的脂肪含量，与利用国标方法检测的真实脂肪含量的结果对比如表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 | 0.7256 | 2.2638 |
| 预测集 | 50 | 0.7195 | 2.3461 |
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鱼脂肪含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，用于快速进行鱼脂肪含量的空间分布结果。
Claims (4)
1.一种基于高光谱成像技术的鱼脂肪含量分布检测方法，其特征在于，包括以下步骤：
(1)采集待测鱼在十二个特征波长处的单波段光谱图像；所述十二个特征波长分别为956nm、975nm、1033nm、1081nm、1129nm、1153nm、1205nm、1234nm、1282nm、1354nm、1522nm、1627nm；
(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；
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十二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)依据下式计算得到鱼的反射率图像中每个像素点所对应的鱼脂肪含量；
Y＝-273.066X1+149.398X2-239.908X3+184.117X4-118.958X5+98.682X6-105.307X7+78.676X8+82.497X9-180.767X10+42.217X11+42.736X12+26.707
式中：Xa代表anm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鱼脂肪含量。
2.如权利要求1所述的基于高光谱成像技术的鱼脂肪含量的检测方法，其特征在于，所述漫反射标准板为三～十二块。
3.如权利要求2所述的基于高光谱成像技术的鱼脂肪含量的检测方法，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。
4.如权利要求1所述的基于高光谱成像技术的鱼脂肪含量的检测方法，其特征在于，所述步骤(3)中，计算得到鱼的反射率图像中每个像素点所对应的鱼脂肪含量后，绘制鱼脂肪含量分布图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310559434.0A CN103674838B (zh) | 2013-11-12 | 2013-11-12 | 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310559434.0A CN103674838B (zh) | 2013-11-12 | 2013-11-12 | 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103674838A CN103674838A (zh) | 2014-03-26 |
| CN103674838B true CN103674838B (zh) | 2016-03-02 |
Family
ID=50313051
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310559434.0A Expired - Fee Related CN103674838B (zh) | 2013-11-12 | 2013-11-12 | 一种基于高光谱成像技术的鱼脂肪含量分布检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103674838B (zh) |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104458595A (zh) * | 2014-12-21 | 2015-03-25 | 华东交通大学 | 多角度原位光谱检测番茄叶片脯氨酸含量装置及方法 |
| CN104568774A (zh) * | 2014-12-21 | 2015-04-29 | 华东交通大学 | 多角度原位光谱检测番茄叶片氮素含量装置及方法 |
| CN104568773A (zh) * | 2014-12-21 | 2015-04-29 | 华东交通大学 | 原位光谱检测番茄叶片超氧化物歧化酶活性装置及方法 |
| CN104535505A (zh) * | 2015-01-17 | 2015-04-22 | 华东交通大学 | 田间玉米植株叶片天冬氨酸含量检测装置和方法 |
| CN104502287A (zh) * | 2015-01-17 | 2015-04-08 | 华东交通大学 | 田间玉米植株叶片苏氨酸含量检测装置和方法 |
| CN104483274A (zh) * | 2015-01-17 | 2015-04-01 | 华东交通大学 | 田间玉米植株叶片氮素含量检测装置和方法 |
| CN104568779A (zh) * | 2015-01-17 | 2015-04-29 | 华东交通大学 | 田间玉米植株叶片丙二醛含量检测装置和方法 |
| CN104483273A (zh) * | 2015-01-17 | 2015-04-01 | 华东交通大学 | 田间玉米植株叶片木质素含量检测装置和方法 |
| CN104568780A (zh) * | 2015-01-17 | 2015-04-29 | 华东交通大学 | 田间玉米植株叶片叶绿素含量检测装置和方法 |
| CN104535504A (zh) * | 2015-01-17 | 2015-04-22 | 华东交通大学 | 田间玉米植株叶片蛋白质含量检测装置和方法 |
| CN105115910B (zh) * | 2015-08-28 | 2018-08-17 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 |
| CN105115909B (zh) * | 2015-08-28 | 2018-02-16 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中脂肪含量分布的方法 |
| CN105606216B (zh) * | 2016-03-02 | 2018-04-03 | 复旦大学 | 一种光谱反射率测量装置及方法 |
| CN105866057A (zh) * | 2016-05-23 | 2016-08-17 | 塔里木大学 | 一种枣树冠层钾含量的检测方法 |
| CN105842187A (zh) * | 2016-05-23 | 2016-08-10 | 塔里木大学 | 一种枣树冠层铁含量的检测方法 |
| CN105973838A (zh) * | 2016-05-23 | 2016-09-28 | 塔里木大学 | 一种枣树冠层钙含量的检测方法 |
| CN105823753A (zh) * | 2016-05-23 | 2016-08-03 | 塔里木大学 | 一种枣树冠层锰含量的检测方法 |
| CN105842188A (zh) * | 2016-05-23 | 2016-08-10 | 塔里木大学 | 一种枣树冠层镁含量的检测方法 |
| CN105866058A (zh) * | 2016-05-23 | 2016-08-17 | 塔里木大学 | 一种枣树冠层锌含量的检测方法 |
| CN106092911A (zh) * | 2016-05-23 | 2016-11-09 | 塔里木大学 | 一种枣树冠层磷含量的检测方法 |
| CN106092912A (zh) * | 2016-05-23 | 2016-11-09 | 塔里木大学 | 一种枣树冠层水分含量的检测方法 |
| CN105823736A (zh) * | 2016-05-23 | 2016-08-03 | 塔里木大学 | 一种枣树冠层类胡萝卜素含量的检测方法 |
| CN105954207A (zh) * | 2016-05-23 | 2016-09-21 | 塔里木大学 | 一种枣树冠层叶绿素b含量的检测方法 |
| CN106644957B (zh) * | 2016-11-14 | 2019-04-05 | 浙江大学 | 一种枇杷采后果肉可溶性固形物分布成像的方法 |
| CN109799202B (zh) * | 2019-01-16 | 2023-11-24 | 黄文佳 | 一种利用电磁波反射成像图进行物质分析的装置及方法 |
| CN110501310B (zh) * | 2019-05-07 | 2020-12-22 | 华南理工大学 | 一种基于非模型光学校正高光谱的食品检测方法 |
| CN118961672B (zh) * | 2024-10-12 | 2024-12-13 | 广东省农业科学院动物科学研究所 | 一种鱼肉生物胺含量分布快速扫描检测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NO20005850L (no) * | 2000-11-20 | 2002-05-21 | Tine Biomarin As | Fremgangsmåte for konservering av spekeprodukt av marint råstoff |
| JP3952276B2 (ja) * | 2002-03-20 | 2007-08-01 | 株式会社カネトモ | まぐろの脂肪量非破壊測定方法 |
-
2013
- 2013-11-12 CN CN201310559434.0A patent/CN103674838B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Non-contact transflectance near infrared imaging for representative on-line sampling of dried salted coalfish(bacalao);Jens Petter Wold et al.;《Near Infrared Spectrosc》;20061231;第14卷;全文 * |
| Non-destructive and rapid analysis of moisture distribution in farmed Atlantic salmon (salmo salar) fillets using visible and near-infrared hyperspectral imaging;Hong-Ju He et al.;《Innovative Food Scince and Emerging Technologies》;20130430;第18卷;第238页右栏第25-59行，第239页右栏第1-18行，第241页，第242页，图6 * |
| Non-destructive prediction and visualization of chemical composition in lamb meat;Mohammed Kamruzzaman et al.;《Innovative Food Science and Emerging Technologies》;20121231;第16卷;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103674838A (zh) | 2014-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN103630499B (zh) | 一种基于高光谱成像技术的鱼蛋白质含量分布检测方法 | |
| CN103674864B (zh) | 一种基于高光谱成像技术的鱼水分含量分布检测方法 | |
| Li et al. | Recent advances in nondestructive analytical techniques for determining the total soluble solids in fruits: a review | |
| Wu et al. | Potential of time series-hyperspectral imaging (TS-HSI) for non-invasive determination of microbial spoilage of salmon flesh | |
| CN103630498B (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 | |
| CN103558167B (zh) | 一种快速测定腌肉中氯化钠含量的方法 | |
| CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
| CN106872370A (zh) | 一种基于高光谱的杨梅中花色苷含量测定的方法 | |
| CN102279168A (zh) | 基于近红外光谱技术快速无损分析整粒棉籽营养品质的方法 | |
| Huang et al. | Rapid and non-invasive quantification of intramuscular fat content of intact pork cuts | |
| CN102507480A (zh) | 基于12个特征波长的无损快速检测茶叶含水率的方法 | |
| CN106018335A (zh) | 基于近红外光谱的整粒棉籽中植酸含量的无损测定方法 | |
| CN107389596A (zh) | 一种快速预测大麦秸秆营养组成的方法 | |
| CN101936893A (zh) | 一种从油菜籽中检测蛋白质和氨基酸的方法 | |
| Wang et al. | Integrated spectral and textural features of hyperspectral imaging for prediction and visualization of stearic acid content in lamb meat | |
| CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
| Duan et al. | Sensitive variables extraction, non-destructive detection and visualization of total viable count (TVC) and pH in vacuum packaged lamb using hyperspectral imaging | |
| CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
| CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
| CN106841167A (zh) | 果蔬农药残留的无损检测方法 | |
| CN108398400B (zh) | 利用太赫兹成像无损检测小麦中脂肪酸含量的方法 | |
| Ning et al. | Study on apple damage detecting method based on relaxation single-wavelength laser and convolutional neural network | |
| CN106483095A (zh) | 一种快速、准确定量四元调和油中各组分油含量的方法 | |
| CN107036999A (zh) | 一种基于近红外光谱及化学计量学的五元调和油定量分析方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160302 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |