CN104502519A - 一种基于图像处理的薄层色谱农药残留快速检测方法 - Google Patents
一种基于图像处理的薄层色谱农药残留快速检测方法 Download PDFInfo
- Publication number
- CN104502519A CN104502519A CN201410812211.5A CN201410812211A CN104502519A CN 104502519 A CN104502519 A CN 104502519A CN 201410812211 A CN201410812211 A CN 201410812211A CN 104502519 A CN104502519 A CN 104502519A
- Authority
- CN
- China
- Prior art keywords
- pesticide
- sample
- image
- layer plate
- thin layer
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于图像处理的薄层色谱农药残留快速检测方法,其首先拍摄点样前的空白薄层板得到空白薄层板图像,并将点样后的待测农药样品薄层板进行单步展开并进行拍摄得到样品薄层板图像,然后将所述的样品薄层板图像和空白薄层板图像进行相减计算得到差分图像,并进一步对差分图像依次进行二值化分割和待测农药样品及农药种类的分割得到分割图像,最后根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强计算出各个区域对应的待测农药样品的浓度值,从而通过区域分割对不同待测农药样品进行同时检测,实现多组分农药残留的快速检测,不仅速度快、成本低、操作简便,而且稳定性好、重复性高,特别适用于有机氯类、菊酯类农药残留的分类快速检测。
Description
技术领域
本发明涉及农药残留检测技术领域,特别是一种基于图像处理的薄层色谱农药残留快速检测方法。
背景技术
农药残留超标问题是食品安全监管的重点之一,GB 2763-2014《食品安全国家标准食品中农药最大残留限量》中已明确规定各类食品的卫生指标,包括有机磷和氨基甲酸酯类、有机氯类、菊酯类农药的限量标准。常用的检测方法有气相色谱、液相色谱、液相色谱-质谱联用、气相色谱-质谱联用等。上述方法均需要大型仪器、购置和运行成本较高、对检测人员的技术水平要求较高。另外,目前国内农药残留的快速检测方法,主要针对有机磷和氨基甲酸酯类农药,而有机氯类及菊酯类农药的快速检测方法十分罕见。
薄层色谱法是一种简便、快捷、经济的分析方法。薄层色谱法可实现有机氯类、菊酯类农药残留的快速检测,主要包括四个步骤:样品的前处理提取;点样;点样后的展开;展开后对样品的测定。样品的前处理、点样已经是十分成熟的技术。而点样后的展开、展开后对样品的测定仍处于不断探索中。由于有机氯类、菊酯类农药的种类繁多,采用薄层色谱法,针对多组分农药样品,需要进行多步骤展开才能实现良好的分离效果,但是操作将变得繁琐、检测时间比较长,并不适用于快速检测。采用单步展开,操作简单、检测时间短,虽然分离效果没有多步展开的效果好,但是可实现多组分农药样品的分类分离,可满足简便、快速检测的要求。
展开后对样品的测定,多数采用薄层扫描仪法,存在检测速度慢、成本高、操作复杂等缺点,不适用于简便、快速检测。采用摄像机成像法,检测速度快、操作方便,但是如何保证检测的重复性、稳定性,是技术关键点与难点。
发明内容
本发明为解决上述问题,提供了一种基于图像处理的薄层色谱农药残留快速检测方法,不仅操作简便、速度快,而且稳定性好、重复性高。
为实现上述目的,本发明采用的技术方案为:
一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于,包括以下步骤:
10.拍摄点样前的空白薄层板,得到空白薄层板图像;
20.将点样后的待测农药样品薄层板进行单步展开并进行拍摄,得到样品薄层板图像;
30.将所述的样品薄层板图像和空白薄层板图像进行相减计算,得到差分图像;
40.将所述的差分图像依次进行二值化分割和待测农药样品及农药种类的分割,得到分割图像;
50.计算所述分割图像中的各个分割区域内的光强,并获取系列不同浓度的农药残留标准品的光强;
60.根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强,计算各个区域对应的待测农药样品的浓度值。
优选的,所述的步骤10中拍摄点样前的空白薄层板,主要是根据不同的待测农药的性能来确定适宜拍摄的波长光照条件,并在该波长光照条件下对所述的空白薄层板进行拍摄,得到空白薄层板图像。
优选的,所述的步骤20中将点样后的待测农药样品薄层板进行单步展开并进行拍摄,得到样品薄层板图像,并对所述的样品薄层板图像进行亮度校正,将该样品薄层板图像的光强校正到与所述的空白薄层板图像相同的亮度等级,得到校正后的样品薄层板图像。
优选的,所述的步骤30中将所述的样品薄层板图像和空白薄层板图像进行相减计算,得到差分图像,并将该差分图像进行灰度拉伸到[0,255]。
优选的,所述的步骤40将所述的差分图像进行二值化分割,主要是将所述的差分图像进行均值滤波处理,并根据最大类间方差法自动进行阀值计算实现所述差分图像的二值化分割。
优选的,所述的步骤40中将所述的差分图像进行待测农药样品及农药种类的分割,主要是将所述的样品薄层板图像的坐标空间进行样品和农药种类的分割,将所述的样品薄层板图像分割为M*N区域,其中M代表样品薄层板上的样品数量,N代表爬板后的各种农药种类的区域个数,N越多展开后可以区分的农药种类越多,且不同的农药种类存在于不同的横向坐标空间。
优选的,所述的步骤40中,还对该分割图像中的各个分割区域进行连通区域的标识,如果连通区域内的像素个数小于预设值,则认为是无效区域,否则为有效区域。
优选的,进一步计算所述分割图像的各个有效区域的光强重心点坐标,得到重心坐标数组,并判断所述的重心坐标数组是否落在所述的有效区域内,若存在多个重心坐标落在同一个有效区域内,则选取最大的一个连通区域作为有效区域,并将其他区域排除,视为无效区域。
优选的,若存在两种相邻的农药种类爬板后无法进行区域分割,则进一步缩小该区域,并将其分割为两种农药种类的区域。
优选的,所述的步骤60中根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强,计算各个区域对应的待测农药样品的浓度值,主要是对所述农药残留标准品的光强进行曲线拟合,得到农药残留标准曲线及其浓度系数,并根据所述待测农药样品的光强及其对应的浓度系数,得到待测农药样品的最终浓度值。
本发明的有益效果是:
本发明的一种基于图像处理的薄层色谱农药残留快速检测方法,其首先拍摄点样前的空白薄层板得到空白薄层板图像,并将点样后的待测农药样品薄层板进行单步展开并进行拍摄得到样品薄层板图像,然后将所述的样品薄层板图像和空白薄层板图像进行相减计算得到差分图像,并进一步对差分图像依次进行二值化分割和待测农药样品及农药种类的分割得到分割图像,最后根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强计算出各个区域对应的待测农药样品的浓度值,从而通过区域分割对不同待测农药样品进行同时检测,实现多组分农药残留的快速检测,不仅速度快、成本低、操作简便,而且稳定性好、重复性高,特别适用于有机氯类、菊酯类农药残留的分类快速检测。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种基于图像处理的薄层色谱农药残留快速检测方法的流程简图;
图2为本发明一实施例的空白薄层板图像的示意图;
图3为图2的样品薄层板图像的示意图;
图4为图3与图2相减计算后得到的差分图像的示意图;
图5为对图4进行二值化分割的示意图;
图6为待测样品与农药种类的分割方法的示意图;
图7本发明所引用的溴氰菊酯农药标准曲线的示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明的一种基于图像处理的薄层色谱农药残留快速检测方法,其包括以下步骤:
10.拍摄点样前的空白薄层板,得到空白薄层板图像PhotoGBk(如图2);
20.将点样后的待测农药样品薄层板进行单步展开并进行拍摄,得到样品薄层板图像PhotoGTest(如图3);
30.将所述的样品薄层板图像PhotoGTest和空白薄层板图像PhotoGBk进行相减计算,得到差分图像(如图4);
40.将所述的差分图像依次进行二值化分割和待测农药样品及农药种类的分割,得到分割图像(如图5和图6);
50.计算所述分割图像中的各个分割区域内的光强,并获取系列不同浓度的农药残留标准品的光强;
60.根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强,计算各个区域对应的待测农药样品的浓度值。
所述的步骤10中拍摄点样前的空白薄层板,主要是根据不同的待测农药的性能来确定适宜拍摄的波长光照条件,并在该波长光照条件下对所述的空白薄层板进行拍摄,得到空白薄层板图像PhotoGBk。
所述的步骤20中将点样后的待测农药样品薄层板进行单步展开并进行拍摄,得到样品薄层板图像PhotoGTest,主要是在薄层板上进行点样并将载有样品的薄层板进行展开,本实施例中,展开剂为正己烷:乙酸乙酯=9:1;并对所述的样品薄层板图像PhotoGTest进行亮度校正,将该样品薄层板图像PhotoGTest的光强校正到与所述的空白薄层板图像PhotoGBk相同的亮度等级,以消除CCD曝光时间及光源变动的影响,得到校正后的样品薄层板图像PhotoGTest2。
所述的步骤30中将所述的样品薄层板图像PhotoGTest和空白薄层板图像PhotoGBk进行相减计算,得到差分图像,并将该差分图像进行灰度拉伸到[0,255]。
所述的步骤40将所述的差分图像进行二值化分割,主要是将所述的差分图像进行3*3均值滤波处理,并根据最大类间方差法自动进行阀值计算实现所述差分图像的二值化分割,得到分割后的图像PhotoBW。
所述的步骤40中将所述的差分图像进行待测农药样品及农药种类的分割,主要是将所述的样品薄层板图像PhotoGTest的坐标空间进行样品和农药种类的分割,将所述的样品薄层板图像PhotoGTest分割为M*N区域,其中M代表样品薄层板上的样品数量,N代表爬板后的各种农药种类的区域个数,N越多展开后可以区分的农药种类越多,且不同的农药种类存在于不同的横向坐标空间,如图6所示,本实施例中,M=3,N=4,其中,纵向代表三个样品,1:样品1;2:样品2;3:样品3;横向代表四个农药类别,①:氯菊酯类农药;②:联苯菊酯类农药;③:甲氰菊酯类农药;④:溴氰菊酯类农药。根据本发明的检测方法,可同时实现上述3个样品的菊酯类农药残留的快速检测,薄层板的最低载药量为50ng,同时,通过重复性实验表明,本发明的检测方法稳定性好、重复性高。
所述的步骤40中,还对该分割图像中的各个分割区域进行连通区域的标识,主要是对二值化图像PhotoBW的亮点(值为1的点),以8点邻域进行连通区域标志,如果连通区域内的像素个数小于预设值,则认为是无效区域,否则为有效区域;进一步计算所述分割图像的各个有效区域的光强重心点坐标,即样品薄层板图像PhotoGTest2在二值化图像PhotoBW各个有效区域内的光强的重心点坐标,得到重心坐标数组PONIT[N],并判断所述的重心坐标数组PONIT[N]是否落在所述的有效区域内,若存在多个重心坐标落在同一个有效区域内,则选取最大的一个连通区域作为有效区域,并将其他区域排除,视为无效区域;若存在两种相邻的农药种类爬板后无法进行区域分割,则进一步缩小该区域,并将其分割为两种农药种类的区域。
所述的步骤60中根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强,计算各个区域对应的待测农药样品的浓度值,主要是对所述农药残留标准品的光强进行曲线拟合,得到农药残留标准曲线及其浓度系数a、b,例如图7中引用的溴氰菊酯农药标准曲线图,图中的公式y=a+b*x,其中的a、b即为所述的浓度系数;并根据所述待测农药样品的光强及其对应的浓度系数a’、b’,得到待测农药样品的最终浓度值。
作为优选的实施例,本发明的农药残留快速检测方法简单概括如下:
a.获取空白薄层板图像;
b.点样、展开;
c.获取待测的样品薄板层图像;
d.对样品薄板层图像进行亮度校正;
e.获取样品薄板层图像与空白薄板层图像的差分图像;
f.对差分图像进行二值化分割;
g.对分割后的图像进行区域标识;
h.计算区域的亮度重心;
i.样品薄层板图像的样品、农药种类的分割;
j.选取有效区域,排除无效区域;
k.分割可能存在的连通的两种农药;
l.计算样品各区域的光强总和;
m.获取农药残留标准曲线;
n.计算样品浓度。
本发明通过区域分割对不同待测农药样品进行同时检测,实现多组分农药残留的快速检测,不仅速度快、成本低、操作简便,而且稳定性好、重复性高,特别适用于有机氯类、菊酯类农药残留的分类快速检测。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于,包括以下步骤:
10.拍摄点样前的空白薄层板,得到空白薄层板图像;
20.将点样后的待测农药样品薄层板进行单步展开并进行拍摄,得到样品薄层板图像;
30.将所述的样品薄层板图像和空白薄层板图像进行相减计算,得到差分图像;
40.将所述的差分图像依次进行二值化分割和待测农药样品及农药种类的分割,得到分割图像;
50.计算所述分割图像中的各个分割区域内的光强,并获取系列不同浓度的农药残留标准品的光强;
60.根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强,计算各个区域对应的待测农药样品的浓度值。
2.根据权利要求1所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:所述的步骤10中拍摄点样前的空白薄层板,主要是根据不同的待测农药的性能来确定适宜拍摄的波长光照条件,并在该波长光照条件下对所述的空白薄层板进行拍摄,得到空白薄层板图像。
3.根据权利要求1或2所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:所述的步骤20中将点样后的待测农药样品薄层板进行单步展开并进行拍摄,得到样品薄层板图像,并对所述的样品薄层板图像进行亮度校正,将该样品薄层板图像的光强校正到与所述的空白薄层板图像相同的亮度等级,得到校正后的样品薄层板图像。
4.根据权利要求1所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:所述的步骤30中将所述的样品薄层板图像和空白薄层板图像进行相减计算,得到差分图像,并将该差分图像进行灰度拉伸到[0,255]。
5.根据权利要求1所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:所述的步骤40将所述的差分图像进行二值化分割,主要是将所述的差分图像进行均值滤波处理,并根据最大类间方差法自动进行阀值计算实现所述差分图像的二值化分割。
6.根据权利要求1所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:所述的步骤40中将所述的差分图像进行待测农药样品及农药种类的分割,主要是将所述的样品薄层板图像的坐标空间进行样品和农药种类的分割,将所述的样品薄层板图像分割为M*N区域,其中M代表样品薄层板上的样品数量,N代表爬板后的各种农药种类的区域个数,N越多展开后可以区分的农药种类越多,且不同的农药种类存在于不同的横向坐标空间。
7.根据权利要求1或5或6所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:所述的步骤40中,还对该分割图像中的各个分割区域进行连通区域的标识,如果连通区域内的像素个数小于预设值,则认为是无效区域,否则为有效区域。
8.根据权利要求7所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:进一步计算所述分割图像的各个有效区域的光强重心点坐标,得到重心坐标数组,并判断所述的重心坐标数组是否落在所述的有效区域内,若存在多个重心坐标落在同一个有效区域内,则选取最大的一个连通区域作为有效区域,并将其他区域排除,视为无效区域。
9.根据权利要求7所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:若存在两种相邻的农药种类爬板后无法进行区域分割,则进一步缩小该区域,并将其分割为两种农药种类的区域。
10.根据权利要求1所述的一种基于图像处理的薄层色谱农药残留快速检测方法,其特征在于:所述的步骤60中根据所述待测农药样品的各个分割区域的光强和所述农药残留标准品的光强,计算各个区域对应的待测农药样品的浓度值,主要是对所述农药残留标准品的光强进行曲线拟合,得到农药残留标准曲线及其浓度系数,并根据所述待测农药样品的光强及其对应的浓度系数,得到待测农药样品的最终浓度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410812211.5A CN104502519B (zh) | 2014-12-23 | 2014-12-23 | 一种基于图像处理的薄层色谱农药残留快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410812211.5A CN104502519B (zh) | 2014-12-23 | 2014-12-23 | 一种基于图像处理的薄层色谱农药残留快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104502519A true CN104502519A (zh) | 2015-04-08 |
CN104502519B CN104502519B (zh) | 2016-05-25 |
Family
ID=52943933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410812211.5A Active CN104502519B (zh) | 2014-12-23 | 2014-12-23 | 一种基于图像处理的薄层色谱农药残留快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104502519B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546693A (zh) * | 2016-10-25 | 2017-03-29 | 烟台大学 | 一种便携式成像法检测磺胺类药物残留的方法及其用途 |
CN106546692A (zh) * | 2016-10-25 | 2017-03-29 | 烟台大学 | 一种成像法检测有机磷类农药残留的方法及其用途 |
CN113933446A (zh) * | 2021-10-27 | 2022-01-14 | 上海市农产品质量安全中心 | 一种对10种拟除虫菊酯类农药残留进行原位快速检测的方法及其试剂盒 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1766607A (zh) * | 2005-11-11 | 2006-05-03 | 清华大学 | 基于图像处理技术的薄层色谱定量分析方法 |
CN102564964A (zh) * | 2011-12-29 | 2012-07-11 | 南京林业大学 | 基于光谱图像的肉品品质可视化非接触检测方法 |
CN102692388A (zh) * | 2012-06-19 | 2012-09-26 | 中国农业大学 | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 |
CN102866228A (zh) * | 2012-09-03 | 2013-01-09 | 中国地质大学(武汉) | 一种应用于薄层色谱扫描仪的图像补偿方法及控制系统 |
CN102881007A (zh) * | 2012-08-15 | 2013-01-16 | 百正药业股份有限公司 | 化合物平面分离结果的图像处理方法及其系统 |
CN103308517A (zh) * | 2013-05-21 | 2013-09-18 | 谢绍鹏 | 中药颜色客观化方法及中药图像获取装置 |
-
2014
- 2014-12-23 CN CN201410812211.5A patent/CN104502519B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1766607A (zh) * | 2005-11-11 | 2006-05-03 | 清华大学 | 基于图像处理技术的薄层色谱定量分析方法 |
CN102564964A (zh) * | 2011-12-29 | 2012-07-11 | 南京林业大学 | 基于光谱图像的肉品品质可视化非接触检测方法 |
CN102692388A (zh) * | 2012-06-19 | 2012-09-26 | 中国农业大学 | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 |
CN102881007A (zh) * | 2012-08-15 | 2013-01-16 | 百正药业股份有限公司 | 化合物平面分离结果的图像处理方法及其系统 |
CN102866228A (zh) * | 2012-09-03 | 2013-01-09 | 中国地质大学(武汉) | 一种应用于薄层色谱扫描仪的图像补偿方法及控制系统 |
CN103308517A (zh) * | 2013-05-21 | 2013-09-18 | 谢绍鹏 | 中药颜色客观化方法及中药图像获取装置 |
Non-Patent Citations (4)
Title |
---|
LI ZHANG ET AL: "Quantitative evaluation of thin-layer chromatography with image background estimation based on charge-coupled device imaging", 《JOURNAL OF CHROMATOGRAPHY A》, vol. 1109, no. 2, 24 March 2006 (2006-03-24), XP024968071, DOI: doi:10.1016/j.chroma.2006.01.018 * |
史健婷 等: "基于阈值和区域生长法的原油TLC图谱分割法", 《现代计算机》, no. 5, 15 February 2013 (2013-02-15) * |
张岳: "基于数字图像技术的薄层色谱定量分析方法研究", 《广西轻工业》, no. 6, 15 June 2010 (2010-06-15) * |
许建新 等: "田基黄薄层色谱分类的图像分析方法研究", 《福建电脑》, no. 2, 25 February 2005 (2005-02-25) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546693A (zh) * | 2016-10-25 | 2017-03-29 | 烟台大学 | 一种便携式成像法检测磺胺类药物残留的方法及其用途 |
CN106546692A (zh) * | 2016-10-25 | 2017-03-29 | 烟台大学 | 一种成像法检测有机磷类农药残留的方法及其用途 |
CN106546693B (zh) * | 2016-10-25 | 2018-05-08 | 烟台大学 | 一种便携式成像法检测磺胺类药物残留的方法及其用途 |
CN113933446A (zh) * | 2021-10-27 | 2022-01-14 | 上海市农产品质量安全中心 | 一种对10种拟除虫菊酯类农药残留进行原位快速检测的方法及其试剂盒 |
CN113933446B (zh) * | 2021-10-27 | 2024-04-09 | 上海市农产品质量安全中心 | 一种对10种拟除虫菊酯类农药残留进行原位快速检测的方法及其试剂盒 |
Also Published As
Publication number | Publication date |
---|---|
CN104502519B (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nestor et al. | A refined estimate of the ionizing emissivity from galaxies at z≃ 3: spectroscopic follow-up in the SSA22a field | |
Fumagalli et al. | MUSE searches for galaxies near very metal-poor gas clouds at z∼ 3: new constraints for cold accretion models | |
CN109165577A (zh) | 一种基于视频图像的早期森林火灾检测方法 | |
Bastian et al. | The star cluster population of M 51-II. Age distribution and relations among the derived parameters | |
Viero et al. | HerMES: the contribution to the cosmic infrared background from galaxies selected by mass and redshift | |
Bhattacharya et al. | The survey of planetary nebulae in Andromeda (M 31)-I. Imaging the disc and halo with MegaCam at the CFHT | |
Ribeiro et al. | The VIMOS Ultra-Deep Survey: A major merger origin for the high fraction of galaxies at 2< z< 6 with two bright clumps | |
Bresnahan et al. | The dense cores and filamentary structure of the molecular cloud in Corona Australis: Herschel SPIRE and PACS observations from the Herschel Gould Belt Survey | |
Ventimiglia et al. | The unmixed kinematics and origins of diffuse stellar light in the core of the Hydra I cluster (Abell 1060) | |
Allen et al. | Spitzer Imaging of the Nearby Rich Young Cluster, Cep OB3b | |
Bombrun et al. | An algorithm for the detection and characterisation of volcanic plumes using thermal camera imagery | |
CN104502519A (zh) | 一种基于图像处理的薄层色谱农药残留快速检测方法 | |
Grosbøl et al. | Star formation in grand-design, spiral galaxies-Young, massive clusters in the near-infrared | |
CN110084837A (zh) | 基于无人机视频的目标检测与跟踪方法 | |
Díaz et al. | Large-scale environment of z∼ 5.7 C iv absorption systems–I. Projected distribution of galaxies | |
CN102565044B (zh) | 基于图像处理的农药残留速测卡检测方法 | |
CN108363992B (zh) | 一种基于机器学习监测视频图像烟雾的火情预警方法 | |
US11555789B2 (en) | Systems, methods and apparatus for autonomous diagnostic verification of optical components of vision-based inspection systems | |
CN111353968A (zh) | 一种基于盲元检测与分析的红外图像质量评价方法 | |
Pass et al. | Pipeline for the detection of serendipitous stellar occultations by Kuiper belt objects with the Colibri fast-photometry array | |
CN111368756A (zh) | 一种基于可见光的明火烟雾快速识别方法和系统 | |
Muller et al. | Searching for dust in the intracluster medium from reddening of background galaxies | |
Lahén et al. | A panchromatic view of star cluster formation in a simulated dwarf galaxy starburst | |
CN108648409A (zh) | 一种烟雾检测方法及装置 | |
EP3966566A1 (en) | Decay detection system |
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 | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160902 Address after: Fang Zhong Road, Huli District of Xiamen city in Fujian province 361000 No. 2366 Room 401 Patentee after: Xiamen HaiHongXing Instrument Co., Ltd. Address before: 361000, building 3, Jinshan Fortune Plaza, Huli hi tech Industrial Park, Huli District, Fujian, Xiamen Patentee before: The Xiamen sea Polygonum incorporated company that makes the science and technology prosperous |