CN103868821A - 基于超声波的便携式鱼肉质新鲜度检测装置及评价方法 - Google Patents
基于超声波的便携式鱼肉质新鲜度检测装置及评价方法 Download PDFInfo
- Publication number
- CN103868821A CN103868821A CN201410114173.6A CN201410114173A CN103868821A CN 103868821 A CN103868821 A CN 103868821A CN 201410114173 A CN201410114173 A CN 201410114173A CN 103868821 A CN103868821 A CN 103868821A
- Authority
- CN
- China
- Prior art keywords
- meat
- data
- fish
- freshness
- work
- 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
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于超声波的便携式鱼肉质新鲜度检测装置，包括超声波发送与接收装置、多通道调理电路、ROM存储设备和ARM处理器，ROM存储设备存储基于肉质密度的每个等级的标准数据信息的矩阵数据库；ARM处理器接收多通道调理电路的传送信号，并将传送信号与ROM存储设备中的标准数据进行对比分析，对鱼产品新鲜度进行评价。本发明还涉及一种鱼肉质新鲜度评价方法，基于鱼肉质密度的不同，在超声波成像技术的基础上，对被检测的鱼类产品进行三维建模，并采用模糊人工神经网络算法与自身所携带的数据库信息进行三维数据矩阵关键点比较分析，再利用评价算法进行模糊推理，从而得到鱼类产品新鲜度的评价等级，准确率不低于95%，大大方便了食品安全监管部门的管理工作，提高了检测效率。
Description
技术领域
本发明涉及鱼肉质新鲜度检测技术领域，特别涉及一种基于超声波的便携式鱼肉质新鲜度检测装置及评价方法。
背景技术
鱼类产品含有丰富的蛋白质、脂肪、矿物质等，可提供给人体丰富的营养物质，是人类膳食结构的重要组成部分。随着人民生活水平的提高，鱼类消费量逐渐增加，占消费总量的30%～40%。鱼类产品在贮藏、运输、加工中易受到酶、微生物等作用，发生腐败变质，导致品质下降。食用不新鲜或变质的鱼肉制品不仅不能满足人们口感和营养的需求，还会危害人们健康，引起疾病。因此，检测鱼类产品新鲜度具有重要的公共卫生学意义。
现已发展了一系列的指标和方法来评价鱼肉新鲜度：
1、感官检测
感官检测是在实验室检测之前，借助人体的感觉器官，对肉类进行整体简单的观察来评定其新鲜度，包括：色泽、黏度、弹性、气味、肉汤等指标。该法是肉品卫检中国家认可和法定的最基本、最快速的方法之一，具有快速、简便、无需仪器、不用固定检验场所等优点，但存在结果非量化、缺乏精准、主观性和片面性强等问题，需经验丰富和训练有素的人才能胜任检测工作。
2、实验室检测
（1）利用气味检测法
气味可以直接反应鱼类产品的新鲜度，因此通过采集气味可以判断鱼类产品的新鲜度，目前研究比较多的是利用气味传感器阵列（电子鼻），进行数据采集，然后通过后台计算机进行处理。
（2）电导率法
鱼类产品在腐败过程中由于酶和微生物作用产生大量导电物质，导电性明显增加。电导率法利用此原理测定其新鲜度，快捷简便、无需试剂，可同时进行大批样品的检测。但因不同食品成分结构不同，电导率可能不同。
（3）组织结构镜检法
鱼类腐败时肌纤维结构发生变化，变化程度与腐败程度相关，据此原理利用光电显微技术检测鱼类新鲜度。
（4）超声波检测法
现有的超声波检测法是基于超声波的衰减，检测鱼体内含水量，然后通过含水量的值，通过方程推导出新鲜度，这种方法误差率很高。
发明内容
本发明要解决的技术问题是：为了克服现有技术中鱼肉质新鲜度检测误差率高的不足，本发明提供一种基于超声波的便携式鱼肉质新鲜度检测装置及评价方法。
本发明解决其技术问题所采用的技术方案是：一种基于超声波的便携式鱼肉质新鲜度检测装置，包括
超声波发送与接收装置，利用成像技术对被测对象进行肉质密度探测，并回送信号；
多通道调理电路，负责将超声波发送与接收装置的回送信号进行整形和数字化；
ROM存储设备，存储基于肉质密度的每个等级的标准数据信息的矩阵数据库；
ARM处理器，接收多通道调理电路的传送信号，并将传送信号与ROM存储设备中的标准数据进行对比分析，对鱼产品新鲜度进行评价；
输入输出装置，与所述ARM处理器连接，用于输入和显示数据。
还包括GPRS模块，与所述ARM处理器连接，用于远程通信。
本发明的一种基于超声波的便携式鱼肉质新鲜度评价方法，包括如下步骤：（1）在ROM存储设备中，建立微型数据库
a、利用人工专家现场检测和/或实验室检测的方式，确定某种鱼类产品优、良、中、合格、不合格五个等级；
b、利用所述超声波发送与接收装置进行探测，利用模糊人工神经网络算法进行标准训练，建立基于肉质密度的每个等级的标准数据信息的三维矩阵数据库，存储于ROM存储设备中；
（2）采集鱼肉质密度数据
a、超声波发送与接收装置利用成像技术对被测对象进行肉质密度探测，主要采集鱼的腮和腹部内脏的肉质密度数据，并回送信号；
b、多通道调理电路将超声波发送与接收装置的回送信号进行整形和数字化；
c、多通道调理电路将调理后的传送信号送入ARM处理器，通过数据融合方法建立三维数据矩阵；
（3）鱼产品新鲜度的评价
ROM存储设备中的数据是一个标准数据，实际采集上来的数据几乎不太可能和其完全一致，因此本发明建立一个评价方法来确定当采集数据与标准数据出现偏差时的实际等级。
采用模糊推理自修正方法的综合评判方法进行评价，该方法步骤如下：
a、提取鱼的腮和腹部内脏的数据，并利用加权平均的算法得到一次自修正值x；
b、将步骤a得到的数据与ROM存储设备中标准数据进行差运算，并取绝对值y；
c、建立模糊控制规则表和隶属度函数，所述隶属度函数为：
当x,y均属于[-3,-2.5)时，则x,y均表示为NB；
当x,y均属于[-2.5,-1.5)时，则x,y均表示为NM；
当x,y均属于[-1.5,0.5)时，则x,y均表示为ZO；
当x,y均属于[0.5,1.5)时，则x,y均表示为PS；
当x,y均属于[1.5,2.5)时，则x,y均表示为PM；
当x,y均属于[2.5,3]时，则x,y均表示为PB；
当x,y的变化范围为[a,b]，且[a,b]
[-3,+3]时，需先将在[a,b]区间的精确量转换成[-3,+3]区间的精确量，转换公式如下：
x=6[x-(a+b)/2]/(b-a)
或y=6[y-(a+b)/2]/(b-a)
若由上述公式计算出的x或y不是整数，则采取四舍五入的方法求出整数，然后再根据隶属度函数进行模糊化；
其中ZO表示零，PS表示正小，PM表示正中，PB表示正大，NS表示负小，NM表示负中，NB表示负大；
d、根据x,y的模糊量，通过查询模糊控制规则表，得到二次自修正值x’的模糊表示，然后根据重心法进行反模糊化，得到x’的精确值，然后将此精确值与x相加得到z；
e、根据z值的大小，确定其属于优、良、中、合格或不合格的归属；
（4）给出评价结果。
所述的模糊控制规则表为
步骤（3）中，主要分析鱼的腮和腹部内脏的数据，同时兼顾鱼的一些其他部位的数据信息进行对比分析。
本发明的有益效果是，本发明的一种基于超声波的便携式鱼肉质新鲜度检测装置及评价方法，基于鱼肉质密度的不同，在超声波成像技术的基础上，对被检测的鱼类产品进行三维建模，并采用模糊人工神经网络算法与自身所携带的数据库信息进行三维数据矩阵关键点比较分析，再利用评价算法进行模糊推理，从而得到鱼类产品新鲜度的评价等级，准确率不低于95%，大大方便了食品安全监管部门的管理工作，提高了检测效率。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的基于超声波的便携式鱼肉质新鲜度检测装置的硬件结构框图。
图2是本发明的基于超声波的便携式鱼肉质新鲜度检测装置的系统软件流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
本发明的一种基于超声波的便携式鱼肉质新鲜度检测装置，包括
超声波发送与接收装置，利用成像技术对被测对象进行肉质密度探测，并回送信号；
多通道调理电路，负责将超声波发送与接收装置的回送信号进行整形和数字化；
ROM存储设备，存储基于肉质密度的每个等级的标准数据信息的矩阵数据库；
32位ARM处理器，接收多通道调理电路的传送信号，并将传送信号与ROM存储设备中的标准数据进行对比分析，对鱼产品新鲜度进行评价；ROM存储设备与ARM处理器通过并口连接，多通道调理电路通过扩展并口与ARM处理器连接；
键盘和LCD，用于输入和显示数据；键盘与ARM处理器通过I/O口连接，LCD与ARM处理器通过串口连接。
GPRS模块，通过串口与ARM处理器连接，用于远程通信。
本发明的一种基于超声波的便携式鱼肉质新鲜度评价方法，包括如下步骤：
（1）在ROM存储设备中，建立微型数据库
a、利用人工专家现场检测和/或实验室检测的方式，确定某种鱼类产品优、良、中、合格、不合格五个等级；
b、利用所述超声波发送与接收装置进行探测，利用模糊人工神经网络算法进行标准训练，建立基于肉质密度的每个等级的标准数据信息的三维矩阵数据库，存储于ROM存储设备中；
（2）采集鱼肉质密度数据
a、超声波发送与接收装置利用成像技术对被测对象进行肉质密度探测，主要采集鱼的腮和腹部内脏的肉质密度数据，并回送信号；发明人发现，鱼类最先出现腐烂的地方在腮、及腹部内脏，因此可以主要基于腮和腹部内脏的数据，同时兼顾一些其他部位的数据信息进行对比分析；例如可以采用循环结构，进行一对一的对比分析；当然，为了提高速率，也可以采用其他对比方法；
b、多通道调理电路将超声波发送与接收装置的回送信号进行整形和数字化；
c、多通道调理电路将调理后的传送信号送入ARM处理器，通过数据融合方法建立三维数据矩阵；该矩阵与ROM存储设备中的标准数据矩阵的维数相同。
（3）鱼产品新鲜度的评价
采用模糊推理自修正方法的综合评判方法进行评价，该方法步骤如下：
a、提取鱼的腮和腹部内脏的数据，并利用加权平均的算法得到一次自修正值x；
b、将步骤a得到的数据与ROM存储设备中标准数据进行差运算，并取绝对值y；
c、建立模糊控制规则表和隶属度函数，所述隶属度函数为：
当x,y均属于[-3,-2.5)时，则x,y均表示为NB；
当x,y均属于[-2.5,-1.5)时，则x,y均表示为NM；
当x,y均属于[-1.5,0.5)时，则x,y均表示为ZO；
当x,y均属于[0.5,1.5)时，则x,y均表示为PS；
当x,y均属于[1.5,2.5)时，则x,y均表示为PM；
当x,y均属于[2.5,3]时，则x,y均表示为PB；
当x,y的变化范围为[a,b]，且[a,b]
[-3,+3]时，需先将在[a,b]区间的精确量转换成[-3,+3]区间的精确量，转换公式如下：
x=6[x-(a+b)/2]/(b-a)
或y=6[y-(a+b)/2]/(b-a)
若由上述公式计算出的x或y不是整数，则采取四舍五入的方法求出整数，然后再根据隶属度函数进行模糊化；
其中ZO表示零，PS表示正小，PM表示正中，PB表示正大，NS表示负小，NM表示负中，NB表示负大；
d、根据x,y的模糊量，通过查询模糊控制规则表，得到二次自修正值x’的模糊表示，然后根据重心法进行反模糊化，得到x’的精确值，然后将此精确值与x相加得到z；
e、根据z值的大小，确定其属于优、良、中、合格或不合格的归属；
（4）给出评价结果。
所述的模糊控制规则表为
以下是对本发明准确率进行验证的方法：
首先，由多名行业内专家组成专家组，然后采用本发明的评价方法和专家组的评价方法分别对多个样本进行评价。
默认专家组给出的结果是正确的，将本发明的评价方法所得结果，与专家组评价的结果进行对比，统计吻合的次数，得到本发明的准确率。
经过验证，本发明的准确率不低于95%，正确率高。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (5)
1.一种基于超声波的便携式鱼肉质新鲜度检测装置，其特征在于：包括
超声波发送与接收装置，利用成像技术对被测对象进行肉质密度探测，并回送信号；
多通道调理电路，负责将超声波发送与接收装置的回送信号进行整形和数字化；
ROM存储设备，存储基于肉质密度的每个等级的标准数据信息的矩阵数据库；
ARM处理器，接收多通道调理电路的传送信号，并将传送信号与ROM存储设备中的标准数据进行对比分析，对鱼产品新鲜度进行评价；
输入输出装置，与所述ARM处理器连接，用于输入和显示数据。
2.如权利要求1所述的基于超声波的便携式鱼肉质新鲜度检测装置，其特征在于：还包括GPRS模块，与所述ARM处理器连接，用于远程通信。
3.一种采用如权利要求1-2中任一项所述的基于超声波的便携式鱼肉质新鲜度检测装置的评价方法，其特征在于，包括如下步骤：
（1）在ROM存储设备中，建立微型数据库
a、利用人工专家现场检测和/或实验室检测的方式，确定某种鱼类产品优、良、中、合格、不合格五个等级；
b、利用所述超声波发送与接收装置进行探测，利用模糊人工神经网络算法进行标准训练，建立基于肉质密度的每个等级的标准数据信息的三维矩阵数据库，存储于ROM存储设备中；
（2）采集鱼肉质密度数据
a、超声波发送与接收装置利用成像技术对被测对象进行肉质密度探测，主要采集鱼的腮和腹部内脏的肉质密度数据，并回送信号；
b、多通道调理电路将超声波发送与接收装置的回送信号进行整形和数字化；
c、多通道调理电路将调理后的传送信号送入ARM处理器，通过数据融合方法建立三维数据矩阵；
（3）鱼产品新鲜度的评价
采用模糊推理自修正方法的综合评判方法进行评价，该方法步骤如下：
a、提取鱼的腮和腹部内脏的数据，并利用加权平均的算法得到一次自修正值x；
b、将步骤a得到的数据与ROM存储设备中标准数据进行差运算，并取绝对值y；
c、建立模糊控制规则表和隶属度函数，所述隶属度函数为：
当x,y均属于[-3,-2.5)时，则x,y均表示为NB；
当x,y均属于[-2.5,-1.5)时，则x,y均表示为NM；
当x,y均属于[-1.5,0.5)时，则x,y均表示为ZO；
当x,y均属于[0.5,1.5)时，则x,y均表示为PS；
当x,y均属于[1.5,2.5)时，则x,y均表示为PM；
当x,y均属于[2.5,3]时，则x,y均表示为PB；
当x,y的变化范围为[a,b]，且[a,b]
[-3,+3]时，需先将在[a,b]区间的精确量转换成的精确量，转换公式如下：
x=6[x-(a+b)/2]/(b-a)
或y=6[y-(a+b)/2]/(b-a)
若由上述公式计算出的x或y不是整数，则采取四舍五入的方法求出整数，然后再根据隶属度函数进行模糊化；
其中ZO表示零，PS表示正小，PM表示正中，PB表示正大，NS表示负小，NM表示负中，NB表示负大；
d、根据x,y的模糊量，通过查询模糊控制规则表，得到二次自修正值x’的模糊表示，然后根据重心法进行反模糊化，得到x’的精确值，然后将此精确值与x相加得到z；
e、根据z值的大小，确定其属于优、良、中、合格或不合格的归属；
（4）给出评价结果。
4.如权利要求3所述的基于超声波的便携式鱼肉质新鲜度评价方法，其特征在于：所述的模糊控制规则表为
5.如权利要求3或4所述的基于超声波的便携式鱼肉质新鲜度评价方法，其特征在于：步骤（3）中，主要分析鱼的腮和腹部内脏的数据，同时兼顾鱼的一些其他部位的数据信息进行对比分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410114173.6A CN103868821B (zh) | 2014-03-25 | 2014-03-25 | 采用基于超声波的便携式鱼肉质新鲜度检测装置的评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410114173.6A CN103868821B (zh) | 2014-03-25 | 2014-03-25 | 采用基于超声波的便携式鱼肉质新鲜度检测装置的评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103868821A true CN103868821A (zh) | 2014-06-18 |
| CN103868821B CN103868821B (zh) | 2016-01-06 |
Family
ID=50907593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410114173.6A Active CN103868821B (zh) | 2014-03-25 | 2014-03-25 | 采用基于超声波的便携式鱼肉质新鲜度检测装置的评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103868821B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170004380A1 (en) * | 2015-07-01 | 2017-01-05 | Mediatek Inc. | Object analyzing method and object analyzing system |
| CN106706726A (zh) * | 2016-12-09 | 2017-05-24 | 中国农业大学 | 一种水产品无水保活运输中血糖监测方法及装置 |
| WO2024127550A1 (ja) * | 2022-12-14 | 2024-06-20 | 富士通株式会社 | 鮮度判定プログラム、鮮度判定方法及び鮮度判定装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63243866A (ja) * | 1987-03-31 | 1988-10-11 | Taiyo Fishery Co Ltd | 超音波探傷器による魚類の品質評価法 |
| JP2000258325A (ja) * | 1999-03-08 | 2000-09-22 | Yasushi Ishii | 音響式体積計による密度判定装置 |
| JP2004309350A (ja) * | 2003-04-08 | 2004-11-04 | Honda Electronic Co Ltd | 超音波計測を用いた魚肉の肉質判定方法及びこの判定方法を用いた漁獲水産物の取引方法 |
| JP2007155692A (ja) * | 2005-12-07 | 2007-06-21 | Shuzo Aragaki | 水産業（特にマグロの品質）の超音波品質評価表示方法と表示関連システム |
| JP2009168633A (ja) * | 2008-01-16 | 2009-07-30 | Honda Electronic Co Ltd | 水生生物用超音波検査装置及び水生生物用超音波検査方法 |
| CN103487507A (zh) * | 2012-06-12 | 2014-01-01 | 北京大学深圳研究生院 | 一种超声波检测食品安全的方法及其装置 |
-
2014
- 2014-03-25 CN CN201410114173.6A patent/CN103868821B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63243866A (ja) * | 1987-03-31 | 1988-10-11 | Taiyo Fishery Co Ltd | 超音波探傷器による魚類の品質評価法 |
| JP2000258325A (ja) * | 1999-03-08 | 2000-09-22 | Yasushi Ishii | 音響式体積計による密度判定装置 |
| JP2004309350A (ja) * | 2003-04-08 | 2004-11-04 | Honda Electronic Co Ltd | 超音波計測を用いた魚肉の肉質判定方法及びこの判定方法を用いた漁獲水産物の取引方法 |
| JP2007155692A (ja) * | 2005-12-07 | 2007-06-21 | Shuzo Aragaki | 水産業（特にマグロの品質）の超音波品質評価表示方法と表示関連システム |
| JP2009168633A (ja) * | 2008-01-16 | 2009-07-30 | Honda Electronic Co Ltd | 水生生物用超音波検査装置及び水生生物用超音波検査方法 |
| CN103487507A (zh) * | 2012-06-12 | 2014-01-01 | 北京大学深圳研究生院 | 一种超声波检测食品安全的方法及其装置 |
Non-Patent Citations (5)
| Title |
|---|
| S. SIMAL ET AL.: "Ultrasonic determination of the composition of a meat-based product", 《JOURNAL OF FOOD ENGINEERING》 * |
| 薛大为 等: "基于阻抗特性的淡水鱼新鲜度快速检测系统", 《广东农业科学》 * |
| 郭培源 等: "基于神经网络的猪肉新鲜度检测分级系统", 《农机化研究》 * |
| 钟赛意 等: "超声波技术在动物性食品中的应用", 《肉类研究》 * |
| 闫久林 等: "人工神经网络在食品检测中的应用", 《农机化研究》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170004380A1 (en) * | 2015-07-01 | 2017-01-05 | Mediatek Inc. | Object analyzing method and object analyzing system |
| CN106326632A (zh) * | 2015-07-01 | 2017-01-11 | 联发科技股份有限公司 | 物体分析方法与物体分析系统 |
| US10275868B2 (en) * | 2015-07-01 | 2019-04-30 | Mediatek Inc. | Object analyzing method and object analyzing system |
| CN106706726A (zh) * | 2016-12-09 | 2017-05-24 | 中国农业大学 | 一种水产品无水保活运输中血糖监测方法及装置 |
| CN106706726B (zh) * | 2016-12-09 | 2019-08-23 | 中国农业大学 | 一种水产品无水保活运输中血糖监测方法及装置 |
| WO2024127550A1 (ja) * | 2022-12-14 | 2024-06-20 | 富士通株式会社 | 鮮度判定プログラム、鮮度判定方法及び鮮度判定装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103868821B (zh) | 2016-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111879772B (zh) | 一种基于大数据的食品安全智慧管理方法与系统 | |
| CN107463633A (zh) | 一种基于eemd‑神经网络的实时数据异常值检测方法 | |
| Wang et al. | Big data driven outlier detection for soybean straw near infrared spectroscopy | |
| CN102914584B (zh) | 一种生乳掺杂快速检测系统及检测方法 | |
| CN109102029A (zh) | 信息最大化生成对抗网络模型合成人脸样本质量评估方法 | |
| Casselman et al. | Growth and ultimate length of muskellunge from Ontario water bodies | |
| CN103868821B (zh) | 采用基于超声波的便携式鱼肉质新鲜度检测装置的评价方法 | |
| CN102654494A (zh) | 一种农产品品质识别检测标准的建立方法 | |
| WO2023160149A1 (zh) | 体脂率的测量方法、装置及计算机可读存储介质 | |
| CN110263969B (zh) | 一种货架期苹果品质动态预测系统及预测方法 | |
| Ko et al. | A deep learning-based framework for predicting pork preference | |
| CN112766739B (zh) | 一种基于bwm-e模型的肉制品中重金属污染评价方法 | |
| CN107192802B (zh) | 共享直饮水水质在线监测方法及系统 | |
| Ogore et al. | Offline prediction of cholera in rural communal tap waters using edge AI inference | |
| CN105277516A (zh) | 一种基于激光成像技术的猪肉新鲜度的快速检测方法 | |
| Sefeedpari et al. | Application of artificial neural network to model the energy output of dairy farms in Iran | |
| CN101706488A (zh) | 一种建立婴儿奶产品感官品评专家系统的方法 | |
| Sionek et al. | Applications of biosensors for meat quality evaluations | |
| Kapombe et al. | Modeling US broiler supply response: a structural time series approach | |
| CN115049879A (zh) | 基于卷积的Swin Transformer植物叶片病害程度和种类的识别与分类方法 | |
| CN114331053A (zh) | 一种基于模糊层次评价模型的浅水湖泊富营养化评价方法 | |
| Ye et al. | [Retracted] Status Quo Analysis of Physical Fitness Test Data Based on Health Monitoring | |
| CN113222452A (zh) | 一种基于北斗导航的天然草地质量评价方法、系统及存储介质 | |
| Iskandar et al. | Development of Machine Learning Data based Agriculture Monitoring System | |
| CN117351365B (zh) | 一种结合鸟粪特征及分形维数的绝缘子鸟粪覆盖诊断方法 |
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: 20210310 Address after: Room 407-2-6, building C, Tian'an Digital City, 588 Changwu South Road, Wujin high tech Industrial Development Zone, Changzhou City, Jiangsu Province 213000 Patentee after: CHANGZHOU XIAOGUO INFORMATION SERVICES Co.,Ltd. Address before: Gehu Lake Road Wujin District 213164 Jiangsu city of Changzhou province No. 1 Patentee before: CHANGZHOU University |
|
| TR01 | Transfer of patent right |