CN104457842A - 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 - Google Patents
基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 Download PDFInfo
- Publication number
- CN104457842A CN104457842A CN201410626728.5A CN201410626728A CN104457842A CN 104457842 A CN104457842 A CN 104457842A CN 201410626728 A CN201410626728 A CN 201410626728A CN 104457842 A CN104457842 A CN 104457842A
- Authority
- CN
- China
- Prior art keywords
- pineapple
- synchronous scanning
- hyperspectral
- image
- organ
- 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.)
- Pending
Links
Abstract
本发明涉及一种基于高光谱同步扫描成像技术的凤梨无损检测装置及方法。包括光箱,所述光箱的箱顶安装第一高光谱成像仪,箱壁安装第二高光谱成像仪,箱底设置有位移台,所述第一高光谱成像仪和第二高光谱成像仪分别连接至控制计算机,所述位移台与位移台控制器连接,所述位移台控制器控制位移台的上下左右四个维度的运动。本发明利用由俯视/主视双位成像光谱仪、卤素灯光源、位移台和控制计算机构成的高光谱同步扫描成像装置,扫描同步获取凤梨的主视和俯视高光谱数据;利用高光谱图像分析软件获取图像特征参数,通过将特征参数带入校正模型判定花卉品质。本发明信息获取量丰富,能够全面、精确地把握花卉的生长状态。
Description
技术领域
本发明涉及一种基于机器视觉技术检测花卉品质的方法及装置,特指一种基于高光谱同步扫描成像技术的凤梨品质无损检测装置及方法。
背景技术
目前我国的花卉种植面积已经超过了24.6万公顷,占世界花卉生产面积的30%;在我国的花卉生产企业中,种植面积达3公顷或年营业额达500万元以上的中大型花卉企业已超过8450家。虽然我国花卉的生产能力巨大,但是从花卉产业整体的发展健康程度及水平来看,我国离世界花卉发达国家仍有一定差距,年出口额增长缓慢,其中花卉品质是我国出口花卉面临的主要问题。而在现今的花卉设施大棚里,对上市前影响花卉品质的各因素评价全凭农艺师的个人经验,由于评级指标多样且种植量逐年增加,部分品质评价参数特征难以定量描述,仅凭农艺师的个人经验对花卉进行测量及评价,势必导致劳动效率的降低,增加花卉生产企业的负担。无损检测技术是指在不破坏植物组织结构的基础上,利用各种手段对植株花卉生长状况进行监测。这种方法可以迅速、准确、自动化、非破坏性的的特点,目前的研究主要集中在光谱诊断、计算机视觉诊断等方面。计算机视觉成像由于其视角范围适中且分辨率较高,可获取整个叶片或冠层的不同区域的图像和光反射信息,能够反映植株叶片或冠层的不同区域由于反射特性差异引起的分布规律的变化,可获得较多的植株生长信息,是一种发展很快的无损检测技术。在作物长势和品质的无损检测方面,申请号为200610097576.X的发明专利申请,公开了一种嵌入式农业植物生长状态监测仪及其工作方法,可以对作物生长的环境温湿度、茎粗、株高、土壤粘度和酸碱度进行探测,该系统仅通过茎粗、株高判断作物生长状态,难以对作物长势做出全面科学的评价;申请号为200410014648.0的发明专利申请公开了一种用于农作物生长监测及营养施肥处方生成装置和方法,该发明采用摄像机来获取作物的茎、叶、花、果、皮图像信息,由于摄像机仅能获取可见光范围的合成图像,难以对作物生长信息进行精确分析;申请号为200710069116.0的发明专利公开了一种多光谱成像技术快速无损测量茶树含氮量的方法;申请号为200510062298.X的发明专利申请和申请号为200520134360.7的实用新型专利申请,公布了一种油菜氮素营养多光谱图像诊断方法及诊断系统;上述系统均采用3CCD多光谱摄像系统作为视觉采集装置,在计算机的控制下,通过3CCD多光谱摄像系统采集植株冠层多光谱图像信息,能够非破坏性的诊断植株的氮素营养状况。此类系统虽然能够通过对植株冠层多光谱图像的颜色和纹理特征的分析,来诊断植物的营养状况,但由于可选波长有限,且受作物光强和温湿度等环境因子的影响较大,因此,很难做到对作物生长信息进行精确分析和有效提取。
发明内容
为了克服传统的凤梨花卉人工分级方式受主观因素影响较大,且效率较低难以满足规模化生产的需要的不足,对凤梨的品质进行科学评价和自动分级,本发明提供一种基于高光谱同步扫描成像技术的凤梨品质快速无损检测装置及方法。
为实现上述发明目的,本发明采取的技术方案为:基于同步扫描高光谱成像技术的凤梨品质无损检测装置,包括光箱,所述光箱的箱顶安装第一高光谱成像仪,箱壁安装第二高光谱成像仪,箱底设置有位移台,所述第一高光谱成像仪和第二高光谱成像仪分别连接至控制计算机,所述位移台与位移台控制器连接,所述位移台控制器控制位移台的上下左右四个维度的运动。
上述方案中,所述第一高光谱成像仪安装在光箱的箱顶几何中心位置;所述第二高光谱成像仪安装在光箱的箱壁几何中心位置;所述位移台安装在光箱的箱底几何中心位置。
上述方案中,所述位移台控制器也与所述计算机连接。
上述方案中,所述光箱上端两侧还对称安装有第一光源和第二光源,所述第一光源和第二光源与光源控制器连接。
本发明还提供了一种基于同步扫描高光谱成像技术的凤梨品质无损检测方法,:按照下述步骤进行:
1)建立凤梨品质分级标准;
2)利用双位同步扫描高光谱成像装置采集盆栽凤梨的双位高光谱图像数据;
3)利用高光谱图像分析方法,提取凤梨各器官特征图像,分离出凤梨各器官图像;
4)通过实测获取凤梨的器官的实际值;
5)对比凤梨器官实际值和各器官图像信息,利用统计学方法建立校正模型;
6)基于步骤(5)建立的模型和步骤(1)的标准对待测的凤梨进行品质分级。
上述方案中,所述的步骤(1)是指根据凤梨的生长模型,建立的基于生理特征和形态学特征的凤梨品质分级标准。
上述方案中,步骤(2)所述的双位高光谱同步扫描成像装置,通过第一高光谱成像仪和第二高光谱成像仪在主视和俯视两个采集位扫描的方式同步获取凤梨的主视和俯视高光谱数据。
上述方案中,步骤(3)所述的高光谱图像分析方法,是指利用IDL软件平台结合SPSS统计软件,分析各器官的敏感波长,并抽取各敏感波长图像进行背景分割和器官分离。
上述方案中,步骤(5)所述的校正模型,是指利用各器官的实测值和高光谱特征图像的器官像素值和形态特征参数,利用统计方法建立器官的实际值与图像特征参数之间的量化关系模型。
上述方案中,所述的步骤(6)是指将待测凤梨的进行同步扫描获取各器官的高光谱她图像特征参数,将其带入校正模型,计算得到各器官的生长参数,对比建立凤梨品质分级标准,判定花卉的品质。
本发明的效果是: (1)本发明将高光谱同步扫描成像技术应用于凤梨花卉的品质检测,高光谱图像技术是一种集光谱技术和图像技术于一身的新技术,将CCD的面阵信息与光谱技术的光谱信息相结合,在连续的谱段上对同一目标以2~5nm的高分辨率用数百个波段连续成像,兼有光谱技术和图像技术的优势,既能对花卉品质差异引起的颜色、纹理、形态变化等特征进行可视化分析,又能对花卉叶片或冠层的光谱特性的各向异性分布进行评价。克服了光谱和视觉图像等单一检测手段的局限性。(2)本发明通过双位高光谱同步扫描成像装置,可以在主视和俯视两个采集位,通过扫描的方式同步获取凤梨的主视和俯视高光谱数据,不仅信息获取量更大,更丰富,而且能够更全面、精确地把握花卉的生长状态,这在以往的文件中都没有涉及。
附图说明
图1是本发明一种基于同步扫描高光谱成像技术的凤梨品质无损检测方法流程图;
图2是本发明一种基于同步扫描高光谱成像技术的凤梨品质无损检测装置结构图;
图中:1-凤梨样本 2-第一光源 3-第一高光谱成像仪 4-第二光源 5-第二高光谱成像仪 6-光源控制器 7-计算机 8-位移台控制器 9-位移台 10-光箱。
具体实施方式
下面结合附图和实施步骤对本发明进行详细的描述。
参照附图2,本发明一种基于同步扫描高光谱成像技术的凤梨品质无损检测装置所采用的技术方案是:一种基于高光谱同步扫描成像技术的凤梨品质无损检测装置,包含高光谱同步扫描成像系统和光箱系统。其中所述高光谱同步扫描成像系统包括第一高光谱成像仪3、第二高光谱成像仪5、位移台9、位移台控制器8和控制计算机7。第一高光谱成像仪3、第二高光谱成像仪5、第一光源2、第二光源4、位移台9布置在光箱中;位移台控制器8、光源控制器6和控制计算机7位于光箱外部的工作台上。所述第一高光谱成像仪3安装在光箱顶部的几何中心,处于俯视位置,用于采集凤梨的冠层图像;第二高光谱成像仪5安装在光箱右侧壁的几何中心位置,处于主视位置,用于采集凤梨的主视图像;第一高光谱成像仪3和第二高光谱成像仪5通过1394总线连接至控制计算机7;其中位移台9安装在光箱底部的几何中心位置,第一高光谱成像仪3的正下方,位移台9与位移台控制器8通过RS232总线相连接,位移台控制器8通过RS232总线与控制计算机7相连接,既可以通过控制计算机7发出指令控制位移台9按设定值运动,也可以直接通过位移台控制器8进行设置,控制位移台9上下左右匀速运动。其中所述光箱系统包括第一光源2、第二光源4、光源控制器6。其中第一光源2和第二光源4布置在对称安装在光箱的两侧,通过二分支光纤与光源控制器6相连接,由光源控制器6驱动,用以提供均匀的可见光-近红外光源。光箱的壳体采用轻质铝合金框架,内衬为黑色的绝缘漫反射材料,外层为金属屏蔽层。
进行样本采集时,将凤梨样本1放置在位移台9上,开启光源,调整光源控制器6和位移台控制器8至合适的采集光强和采集位置,控制计算机13发出指令给位移台控制器8,使位移台9以不失真采集速率匀速运行,同时开启第一高光谱成像仪3、第二高光谱成像仪5同步扫描和记录凤梨冠层和植株的高光谱图像。
参照附图1来说明对本发明所述该方法的具体实施方式,本发明一种基于同步扫描高光谱成像技术的凤梨品质无损检测方法包括以下步骤:
1)建立凤梨品质分级标准;
根据凤梨种植专家的经验(由凤梨农艺师的经验总结),结合凤梨的生长模型,建立的基于生理特征和形态学特征的凤梨品质分级标准。在影响花卉品质的主要参数中,花序直立状况、花盖度、颜色杂质、植株高度、叶片数、冠幅这6个指标,对凤梨花卉的品质影响最大,综合性的农艺师人工评价标准结合作物生长模型建立凤梨品质的分级标准如表1所示。
表1凤梨分级评价标准
2)利用图2所示的双位同步扫描高光谱成像装置采集盆栽凤梨的高光谱图像数据;
结合图2说明高光谱图像数据采集过程,将凤梨样本1放置在位移台9上,根据样本的株形、冠幅和株高特征,设定基准光强和标准检测温湿度环境参数,并确定相机的分辨率、增益和曝光时间,以保证图像的清晰(在对不同对象进行测量时,根据信息采集时的样本区域尺寸、反光区域大小、阴影面积、成像质量,确定检测参数),同时还要设定位移台9的速度以配合样本采集,避免图像失真变形;调整光源控制器6的光源强度旋钮至2档(目标光照强度为2000lux),设置位移台控制器8的位移参数值为0.75mm/s,并微调使图像不失真。使位移台9复位,启动第一高光谱成像仪3和第二高光谱成像仪5同步扫描,利用高光谱采集分析控制软件Spectral Cube (Spectral Imaging Ltd., Finland)同步扫描获得俯视和主视位的高光谱图像信息。
3)利用高光谱图像分析方法,提取凤梨各器官特征图像,分离出凤梨各器官图像;
图像分析和处理同样采用高光谱采集控制软件Spectral Cube (Spectral Imaging Ltd., Finland)进行,分析采用IDL平台和SPSS统计软件,首先利用大的图像采集背景(扫描图像的背景采用纯黑色背景)差异,分割出植株,之后利用不同器官之间的色度和灰度差异,利用阈值分割方法分割花盖、叶片、植株、冠层等各个器官图像,并计算得到直立状况、花盖度、颜色杂质、植株高度、叶片数、冠幅这6个指标。
4)通过实测获取凤梨的器官的实际值;
利用实际测量的方法获取植株直立状况、花盖度、颜色杂质、植株高度、叶片数、冠幅这6个指标。
5)对比凤梨器官实际值和各器官图像信息,利用统计学方法建立校正模型;
利用器官的实测值以及高光谱特征图像的器官像素值和形态特征参数,利用偏最小二乘法或者主成分回归法等统计方法建立器官的实际值与与图像特征参数之间的量化关系模型。
6)基于步骤(5)建立的模型和步骤(1)的标准对待测的凤梨进行品质分级。
将待测凤梨的进行同步扫描获取各器官的高光谱图像特征参数,将其带入校正模型,计算得到各器官的生长参数,对比凤梨分级评价标准,凤梨样本1的品质检测结果通过控制计算机1显示出来,快速实现判定花卉的品质。
Claims (10)
1.基于同步扫描高光谱成像技术的凤梨品质无损检测装置,其特征在于,包括光箱(10),所述光箱(10)的箱顶安装第一高光谱成像仪(3),箱壁安装第二高光谱成像仪(5),箱底设置有位移台(9),所述第一高光谱成像仪(3)和第二高光谱成像仪(5)分别连接至控制计算机(7),所述位移台(9)与位移台控制器(8)连接,所述位移台控制器(8)控制位移台(9)的上下左右四个维度的运动。
2.根据权利要求1所述的基于同步扫描高光谱成像技术的凤梨品质无损检测装置,其特征在于,所述第一高光谱成像仪(3)安装在光箱(10)的箱顶几何中心位置;所述第二高光谱成像仪(5)安装在光箱(10)的箱壁几何中心位置;所述位移台(9)安装在光箱(10)的箱底几何中心位置。
3.根据权利要求1或2所述的基于同步扫描高光谱成像技术的凤梨品质无损检测装置,其特征在于,所述位移台控制器(8)也与所述计算机(7)连接。
4.根据权利要求1或2所述的基于同步扫描高光谱成像技术的凤梨品质无损检测装置,其特征在于,所述光箱(10)上端两侧还对称安装有第一光源(2)和第二光源(4),所述第一光源(2)和第二光源(4)与光源控制器(6)连接。
5.基于同步扫描高光谱成像技术的凤梨品质无损检测方法,:按照下述步骤进行:
1)建立凤梨品质分级标准;
2)利用双位同步扫描高光谱成像装置采集盆栽凤梨的双位高光谱图像数据;
3)利用高光谱图像分析方法,提取凤梨各器官特征图像,分离出凤梨各器官图像;
4)通过实测获取凤梨的器官的实际值;
5)对比凤梨器官实际值和各器官图像信息,利用统计学方法建立校正模型;
6)基于步骤(5)建立的模型和步骤(1)的标准对待测的凤梨进行品质分级。
6.根据权利要求5所述的基于同步扫描高光谱成像技术的凤梨品质无损检测方法,其特征在于:所述的步骤(1)是指根据凤梨的生长模型,建立的基于生理特征和形态学特征的凤梨品质分级标准。
7.根据权利要求5所述的基于同步扫描高光谱成像技术的凤梨品质无损检测方法,其特征在于:步骤(2)所述的双位高光谱同步扫描成像装置,通过第一高光谱成像仪(3)和第二高光谱成像仪(5)在主视和俯视两个采集位扫描的方式同步获取凤梨的主视和俯视高光谱数据。
8.根据权利要求1所述的基于同步扫描高光谱成像技术的凤梨品质无损检测方法,其特征在于:步骤(3)所述的高光谱图像分析方法,是指利用IDL软件平台结合SPSS统计软件,分析各器官的敏感波长,并抽取各敏感波长图像进行背景分割和器官分离。
9.根据权利要求5所述的基于同步扫描高光谱成像技术的凤梨品质无损检测方法,其特征在于:步骤(5)所述的校正模型,是指利用各器官的实测值和高光谱特征图像的器官像素值和形态特征参数,利用统计方法建立器官的实际值与图像特征参数之间的量化关系模型。
10.根据权利要求5所述的基于同步扫描高光谱成像技术的凤梨品质无损检测方法,其特征在于:所述的步骤(6)是指将待测凤梨的进行同步扫描获取各器官的高光谱她图像特征参数,将其带入校正模型,计算得到各器官的生长参数,对比建立凤梨品质分级标准,判定花卉的品质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410626728.5A CN104457842A (zh) | 2014-11-10 | 2014-11-10 | 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410626728.5A CN104457842A (zh) | 2014-11-10 | 2014-11-10 | 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104457842A true CN104457842A (zh) | 2015-03-25 |
Family
ID=52904270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410626728.5A Pending CN104457842A (zh) | 2014-11-10 | 2014-11-10 | 基于高光谱同步扫描成像技术的凤梨无损检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104457842A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107976444A (zh) * | 2017-12-09 | 2018-05-01 | 武汉谷丰光电科技有限公司 | 一种基于可见光相机的大菊菊花花朵信息自动检测装置 |
CN108416782A (zh) * | 2018-04-19 | 2018-08-17 | 云南佳叶现代农业发展有限公司 | 基于视觉识别和光照矫正的烟叶评级方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1993013491A1 (de) * | 1992-01-01 | 1993-07-08 | Robert Massen | Verfahren und anordnung zur optischen qualitätskontrolle und/oder klassifikation von pflanzen |
US5253302A (en) * | 1989-02-28 | 1993-10-12 | Robert Massen | Method and arrangement for automatic optical classification of plants |
CN1995987A (zh) * | 2007-02-08 | 2007-07-11 | 江苏大学 | 基于高光谱图像技术的农畜产品无损检测方法及装置 |
CN101718683A (zh) * | 2009-11-10 | 2010-06-02 | 中国农业大学 | 快速检测叶片叶绿素含量的装置、建模方法及检测方法 |
CN101949834A (zh) * | 2010-08-02 | 2011-01-19 | 扬州福尔喜果蔬汁机械有限公司 | 水果内部品质检测分级方法 |
CN102081039A (zh) * | 2010-08-17 | 2011-06-01 | 江苏大学 | 一种环境可控的作物营养水分高光谱图像检测装置 |
CN102384767A (zh) * | 2011-11-17 | 2012-03-21 | 江苏大学 | 一种设施作物生长信息无损检测装置和方法 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
-
2014
- 2014-11-10 CN CN201410626728.5A patent/CN104457842A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5253302A (en) * | 1989-02-28 | 1993-10-12 | Robert Massen | Method and arrangement for automatic optical classification of plants |
WO1993013491A1 (de) * | 1992-01-01 | 1993-07-08 | Robert Massen | Verfahren und anordnung zur optischen qualitätskontrolle und/oder klassifikation von pflanzen |
CN1995987A (zh) * | 2007-02-08 | 2007-07-11 | 江苏大学 | 基于高光谱图像技术的农畜产品无损检测方法及装置 |
CN101718683A (zh) * | 2009-11-10 | 2010-06-02 | 中国农业大学 | 快速检测叶片叶绿素含量的装置、建模方法及检测方法 |
CN101949834A (zh) * | 2010-08-02 | 2011-01-19 | 扬州福尔喜果蔬汁机械有限公司 | 水果内部品质检测分级方法 |
CN102081039A (zh) * | 2010-08-17 | 2011-06-01 | 江苏大学 | 一种环境可控的作物营养水分高光谱图像检测装置 |
CN102384767A (zh) * | 2011-11-17 | 2012-03-21 | 江苏大学 | 一种设施作物生长信息无损检测装置和方法 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
Non-Patent Citations (3)
Title |
---|
冯雷等: "基于多光谱成像技术的水稻叶瘟检测分级方法研究", 《光谱学与光谱分析》 * |
易时来等: "近红外光谱技术在农作物品质检测上的研究进展", 《湖南农业科学》 * |
熊宇鹏: "基于机器视觉的设施凤梨品质检测与分级的研究", 《万方数据学位库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107976444A (zh) * | 2017-12-09 | 2018-05-01 | 武汉谷丰光电科技有限公司 | 一种基于可见光相机的大菊菊花花朵信息自动检测装置 |
CN108416782A (zh) * | 2018-04-19 | 2018-08-17 | 云南佳叶现代农业发展有限公司 | 基于视觉识别和光照矫正的烟叶评级方法及系统 |
CN108416782B (zh) * | 2018-04-19 | 2023-09-26 | 云南佳叶现代农业发展有限公司 | 基于视觉识别和光照矫正的烟叶评级方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108376419B (zh) | 一种盆栽生菜的综合长势监测方法及装置 | |
CN101936882B (zh) | 一种作物氮素和水分无损检测方法及装置 | |
CN102384767B (zh) | 一种设施作物生长信息无损检测装置和方法 | |
Guo et al. | Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping | |
US11436824B2 (en) | Water stress detection method for tomatoes in seedling stage based on micro-CT and polarization-hyperspectral imaging multi-feature fusion | |
CN202382768U (zh) | 一种设施作物生长信息无损检测装置 | |
CN101718683B (zh) | 快速检测叶片叶绿素含量的建模方法及检测方法 | |
CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
CN103048266B (zh) | 一种设施番茄氮磷钾胁迫自动识别方法和装置 | |
CN103063585B (zh) | 瓜果成熟度快速无损检测装置及检测系统建立方法 | |
CN102081039A (zh) | 一种环境可控的作物营养水分高光谱图像检测装置 | |
CN105021617B (zh) | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 | |
CN106525732B (zh) | 基于高光谱成像技术的苹果内外品质快速无损检测方法 | |
CN101210876A (zh) | 基于可见/近红外多光谱成像的水稻养分信息测量方法 | |
CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
CN104614321A (zh) | 一种基于光谱图像的作物长势实时监测方法 | |
Bumgarner et al. | Digital image analysis to supplement direct measures of lettuce biomass | |
CN106841051A (zh) | 一种基于可见光图像融合值的作物氮素营养检测方法 | |
CN108169141A (zh) | 一种基于高光谱图像的茶树lai及氮含量估算方法 | |
CN109827957B (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
CN111751376A (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
CN101059427A (zh) | 多光谱成像技术快速无损测量茶树含氮量的方法 | |
Ma et al. | A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150325 |