CN104656100B - 一种行扫描高光谱实时异常探测方法与系统 - Google Patents
一种行扫描高光谱实时异常探测方法与系统 Download PDFInfo
- Publication number
- CN104656100B CN104656100B CN201510087429.3A CN201510087429A CN104656100B CN 104656100 B CN104656100 B CN 104656100B CN 201510087429 A CN201510087429 A CN 201510087429A CN 104656100 B CN104656100 B CN 104656100B
- Authority
- CN
- China
- Prior art keywords
- abnormal information
- real
- row
- abnormal
- time
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000003384 imaging method Methods 0.000 claims abstract description 42
- 230000005856 abnormality Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000011897 real-time detection Methods 0.000 claims abstract description 12
- 238000010408 sweeping Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000000701 chemical imaging Methods 0.000 abstract description 4
- 239000006185 dispersion Substances 0.000 description 4
- 208000005156 Dehydration Diseases 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
Abstract
本发明公开了一种行扫描高光谱实时异常探测方法,通过在成像光谱仪以线阵列推扫方式逐行获取目标地物的高光谱影像数据;对获取目标地物的高光谱影像数据进行异常探测处理操作,并将探测处理操作后的结果数据以及原始数据存储于微型计算机中;确定异常信息的判别阈值,并基于异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出异常信息,并将异常信息进行输出;基于输出的异常信息生成异常情况专题图像。本发明能够解决高光谱影像由于数据量增大而使探测效率降低的问题,实现对推扫式高光谱遥感影像的实时异常探测。本发明还公开了一种行扫描高光谱实时异常探测系统。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种行扫描高光谱实时异常探测方法与系统。
背景技术
目前,现有技术中,高光谱图像具有图谱合一的特征,即可以同时观测目标的空间信息和光谱信息,为目标分类和识别提供了有效的遥感技术手段。但高光谱同时也具有图像复杂、海量数据的显著特点,这使得高光谱图像处理流程长和复杂,难以满足特殊行业对高光谱数据实时或准实时处理的需求。国内外研究机构就光谱数据高速实时处理技术做了大量的研究,如采用CPU+GPU多核处理器架构、FPGA+多DSP处理并行架构等多种硬件方案,目前还在不断的探索中,没有成熟的硬件应用架构。本发明利用特殊计算方法,对高光谱图像进行逐行目标异常探测处理,而非是对整个图像进行一次性全部行处理,在满足探测精度的同时,还达到了高光谱图像异常探测的实时性要求。
发明内容
本发明所要解决的技术问题是如何提供一种行扫描高光谱实时异常探测方法与系统,能够解决目前高光谱遥感中由于波段多、数据计算量大而无法进行目标的实时探测的关键问题。
为此目的,本发明提出了一种行扫描高光谱实时异常探测方法,包括以下具体步骤:
S1:在成像光谱仪以线阵列推扫方式逐行获取目标地物的高光谱影像数据;
S2:对获取目标地物的高光谱影像数据进行异常探测处理操作,并将探测处理操作后的结果数据以及原始数据存储于微型计算机中;
S3:确定异常信息的判别阈值,并基于所述异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出所述异常信息,并将所述异常信息进行输出;
S4:基于输出的异常信息生成异常情况专题图像。
具体地,所述成像光谱仪为机载成像光谱仪和/或地面成像光谱仪。
进一步地,所述确定异常信息的判别阈值具体步骤为:根据扫描实时异常探测算法与所述获取目标地物的高光谱影像数据中的光谱信息参数,确定异常信息的判别阈值。
进一步地,所述基于所述异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出所述异常信息,并将所述异常信息进行输出具体步骤为:
通过RX异常探测算法,结合成像光谱仪行扫描成像原理,逐行处理所获取的数据,探测出所述异常信息,
其中,在时刻t所获取的第i行高光谱行扫描数据为yi,波段数为band,每一行宽度为L,yi为band*L维矩阵,通过RX行扫描探测算法,对实时获取的yi进行实时探测,输出异常信息。
为此目的,本发明提出了一种行扫描高光谱实时异常探测系统,包括:镜头、分光器件以及面阵探测器;其中,在所述分光器件前方设置狭缝;
所述镜头,用于采集样品的漫反射光信号,成像到所述分光器件前方的狭缝处;
所述狭缝,用于阻挡成像扫描线之外的光,控制扫描线的漫反射光进入所述分光器件;
所述分光器件,用于将进入所述狭缝后的光进行色散,使得不同波长的光分布到不同的位置;
所述面阵探测器,用于对色散后的光进行探测。
本发明公开了一种行扫描高光谱实时异常探测方法,通过在成像光谱仪以线阵列推扫方式逐行获取目标地物的高光谱影像数据;对获取目标地物的高光谱影像数据进行异常探测处理操作,并将探测处理操作后的结果数据以及原始数据存储于微型计算机中;确定异常信息的判别阈值,并基于异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出异常信息,并将异常信息进行输出;基于输出的异常信息生成异常情况专题图像。本发明能够解决高光谱影像由于数据量增大而使探测效率降低的问题,实现对推扫式高光谱遥感影像的实时异常探测。本发明还公开了一种行扫描高光谱实时异常探测系统。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了根据本发明实施例的一种行扫描高光谱实时异常探测方法的步骤流程图;
图2示出了根据本发明另一实施例的一种行扫描高光谱实时异常探测方法的示例步骤流程图;
图3示出了根据本发明实施例的一种行扫描高光谱实时异常探测系统的结构图。
具体实施方式
本发明公开了一种行扫描高光谱实时异常探测方法与系统,针对推扫式成像光谱遥感数据,发展基于逐行处理的高光谱RX异常探测算法,且保证探测精度与整副影像所有行参加计算的探测精度一致,并将所发展的新算法整合到推扫式成像光谱系统,以进行高光谱数据的实时处理与异常探测。
下面将结合附图对本发明的实施例进行详细描述。以下实施例仅用于说明本发明,但不能用来限制本发明的范围。
为了更好的理解与应用本发明提出的一种行扫描高光谱实时异常探测方法与系统,以如下附图示例进行详细说明。
如图1所示,本发明提供了一种行扫描高光谱实时异常探测方法,包括以下具体步骤:
步骤S1:在成像光谱仪以线阵列推扫方式逐行获取目标地物的高光谱影像数据。其中,成像光谱仪为机载成像光谱仪和/或地面成像光谱仪。由此,提高了成像光谱仪的多样性。
步骤S2:对获取目标地物的高光谱影像数据进行异常探测处理操作,并将探测处理操作后的结果数据以及原始数据存储于微型计算机中。
步骤S3:确定异常信息的判别阈值,并基于异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出异常信息,并将异常信息进行输出。
具体地,确定异常信息的判别阈值具体步骤为:根据扫描实时异常探测算法与获取目标地物的高光谱影像数据中的光谱信息参数,确定异常信息的判别阈值。
进一步地,基于异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出异常信息,并将异常信息进行输出具体步骤为:通过RX异常探测算法,结合成像光谱仪行扫描成像原理,逐行处理所获取的数据,探测出异常信息,其中,在时刻t所获取的第i行高光谱行扫描数据为yi,波段数为band,每一行宽度为L,yi为band*L维矩阵,通过RX行扫描探测算法,对实时获取的yi进行实时探测,输出异常信息。
步骤S4:基于输出的异常信息生成异常情况专题图像。
为了更好的理解与应用本发明提出的一种行扫描高光谱实时异常探测方法,本发明以精准农业进行以下示例,且本发明保护范围不仅局限以下示例。
具体地,结合图2所示,行扫描数据的获取,即利用无人机携带成像光谱仪对农田进行航拍,航拍过程中,以线阵列推扫方式逐行获取地面农作物的成像光谱数据。该成像光谱仪所获取数据波段数为band,每一行数据的宽度为L。
进一步地,行扫描数据的实时处理,即无人机上成像光谱仪自带微型计算机,即Intel i7处理器以及固态硬盘等存储设备。逐行获取的高光谱数据将存储到固态硬盘上,同时微型计算机将对其进行实时处理,探测出异常信息,例如,作物水分胁迫、病虫害问题等。
更进一步地,行扫描RX异常探测算法,即成像光谱仪上微型计算机逐行从固态硬盘中读取实时探测所获取的行扫描数据,运用基于RX的行扫描异常探测算法,对其进行处理与分析,处理过程具体为:
根据成像光谱仪设定的波段数目和每行数据的宽度,计算行扫RX的起始行k,其中,计算公式为:k=(band/L)+1 (1)
式中,band为成像光谱仪所获取的波段数目,L为行扫描所获取的每一行高光谱数据的亮度。
进一步地,根据成像光谱仪首先扫入的k行数据和以下公式:
计算前k行数据的初始背景自相关矩阵Rk,其中,yi代表实时扫入的第i行高光谱数据,为band*L维矩阵。
更进一步地,对于实时扫入的第(i)行数据,基于计算前(i-1)行数据的初始背景自相关矩阵Rk公式,计算出的前i行数据的初始背景自相关矩阵,计算前(i)行数据的背景自相关矩阵,计算公式为:
更进一步地,根据以下公式:
计算第(i+1)行的异常探测结果并输出。
以此类推,逐行处理,对于扫入的第(i+1)行数据,按照公式(3)重新计算前(i+1)背景自相关矩阵,并根据公式(4)输出探测结果,直到N行数据全部扫完。
更进一步地,根据农作物的水分胁迫、病虫害等光谱信息确定异常探测的阈值t,以阈值t对探测结果进行判别,识别出异常信息,即水分胁迫或病虫害问题等作物异常情况。
本发明公开了一种行扫描高光谱实时异常探测方法,通过在成像光谱仪以线阵列推扫方式逐行获取目标地物的高光谱影像数据;对获取目标地物的高光谱影像数据进行异常探测处理操作,并将探测处理操作后的结果数据以及原始数据存储于微型计算机中;确定异常信息的判别阈值,并基于异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出异常信息,并将异常信息进行输出;基于输出的异常信息生成异常情况专题图像。本发明能够解决高光谱影像由于数据量增大而使探测效率降低的问题,实现对推扫式高光谱遥感影像的实时异常探测。
为了更好的理解本发明提出的一种行扫描高光谱实时异常探测方法,抽象出一种行扫描高光谱实时异常探测系统。
如图3所示,本发明提供了一种行扫描高光谱实时异常探测系统,包括:镜头、分光器件以及面阵探测器;其中,在所述分光器件前方设置狭缝。
具体地,通过镜头对待测目标地物进行采集,即采集样品的漫反射光信号,成像到分光器件前方的狭缝处。其中,狭缝用于阻挡成像扫描线之外的光,控制扫描线的漫反射光进入分光器件。
进一步地,分光器件用于将进入狭缝后的光进行色散,使得不同波长的光分布到不同的位置,其中,分光器件包括前置光学系统以及分光系统。更进一步地,通过面阵探测器用于对色散后的光进行探测。
本发明公开了一种行扫描高光谱实时异常探测系统,通过在成像光谱仪以线阵列推扫方式逐行获取目标地物的高光谱影像数据;对获取目标地物的高光谱影像数据进行异常探测处理操作,并将探测处理操作后的结果数据以及原始数据存储于微型计算机中;确定异常信息的判别阈值,并基于异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出异常信息,并将异常信息进行输出;基于输出的异常信息生成异常情况专题图像。本发明能够解决高光谱影像由于数据量增大而使探测效率降低的问题,实现对推扫式高光谱遥感影像的实时异常探测。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着,结合实施例描述的特定特征、结构或者特性包括在本发明的至少一个实施例中。此外,请注意,这里“在一个实施例中”的词语例子不一定全指同一个实施例。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
此外,还应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (4)
1.一种行扫描高光谱实时异常探测方法,其特征在于,包括以下具体步骤:
S1:在成像光谱仪以线阵列推扫方式逐行获取目标地物的高光谱影像数据;
S2:对获取目标地物的高光谱影像数据进行异常探测处理操作,并将探测处理操作后的结果数据以及原始数据存储于微型计算机中;
S3:确定异常信息的判别阈值,并基于所述异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出所述异常信息,并将所述异常信息进行输出;
S4:基于输出的异常信息生成异常情况专题图像。
2.如权利要求1所述的方法,其特征在于,所述成像光谱仪为机载成像光谱仪和/或地面成像光谱仪。
3.如权利要求1所述的方法,其特征在于,所述确定异常信息的判别阈值具体步骤为:根据扫描实时异常探测算法与所述获取目标地物的高光谱影像数据中的光谱信息参数,确定异常信息的判别阈值。
4.如权利要求1所述的方法,其特征在于,所述基于所述异常信息的判别阈值,在成像光谱仪推扫成像的操作中,实时探测出所述异常信息,并将所述异常信息进行输出具体步骤为:
通过RX异常探测算法,结合成像光谱仪行扫描成像原理,逐行处理所获取的数据,探测出所述异常信息,
其中,在时刻t所获取的第i行高光谱行扫描数据为yi,波段数为band,每一行宽度为L,yi为band*L维矩阵,通过RX行扫描探测算法,对实时获取的yi进行实时探测,输出异常信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510087429.3A CN104656100B (zh) | 2015-02-25 | 2015-02-25 | 一种行扫描高光谱实时异常探测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510087429.3A CN104656100B (zh) | 2015-02-25 | 2015-02-25 | 一种行扫描高光谱实时异常探测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104656100A CN104656100A (zh) | 2015-05-27 |
CN104656100B true CN104656100B (zh) | 2017-10-03 |
Family
ID=53247454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510087429.3A Active CN104656100B (zh) | 2015-02-25 | 2015-02-25 | 一种行扫描高光谱实时异常探测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104656100B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373157B (zh) * | 2016-08-17 | 2019-08-16 | 中国科学院遥感与数字地球研究所 | 高光谱异常探测方法和装置 |
CN106597415B (zh) * | 2016-11-16 | 2019-04-02 | 苏州科技大学 | 一种高斯噪声下提高稀疏孔径成像系统误差检测精度的方法 |
CN107347849B (zh) * | 2017-07-18 | 2020-09-29 | 河海大学 | 一种基于高光谱实时探测技术的智能喷洒系统 |
CN112218729A (zh) * | 2018-06-11 | 2021-01-12 | 克里奥瓦克公司 | 用于检测外来物品的产品流的内置检查的过程和系统 |
CN111401115B (zh) * | 2019-08-01 | 2024-02-27 | 江苏农林职业技术学院 | 一种基于fpga的草莓病虫害高光谱数据的处理方法与装置 |
CN110361344A (zh) * | 2019-08-30 | 2019-10-22 | 北京麦飞科技有限公司 | 基于高光谱的病害程度诊断方法 |
CN113269726A (zh) * | 2021-04-29 | 2021-08-17 | 中国电子科技集团公司信息科学研究院 | 高光谱图像目标检测方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6640132B1 (en) * | 1999-11-17 | 2003-10-28 | Hypermed, Inc. | Forensic hyperspectral apparatus and method |
CN100507603C (zh) * | 2007-10-16 | 2009-07-01 | 哈尔滨工业大学 | 基于选择性核主成份分析的高光谱图像异常点的检测方法 |
CN104155002B (zh) * | 2014-07-17 | 2016-03-02 | 中国科学院遥感与数字地球研究所 | 扫描成像光谱仪系统 |
-
2015
- 2015-02-25 CN CN201510087429.3A patent/CN104656100B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104656100A (zh) | 2015-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104656100B (zh) | 一种行扫描高光谱实时异常探测方法与系统 | |
US10408740B2 (en) | Method for huanglongbing (HLB) detection | |
Cruz et al. | Multi-modality imagery database for plant phenotyping | |
Lee et al. | Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis | |
Bowles et al. | Use of filter vectors in hyperspectral data analysis | |
Raj et al. | Leaf area index estimation using top-of-canopy airborne RGB images | |
US10094713B2 (en) | Hyperspectral demixing using foveated compressive projections | |
Zhu et al. | 3D leaf water content mapping using terrestrial laser scanner backscatter intensity with radiometric correction | |
JP6091493B2 (ja) | 試料に存在する成分を決定するための分光装置と分光法 | |
Nuske et al. | Modeling and calibrating visual yield estimates in vineyards | |
AU2016230926A1 (en) | Method and apparatus for processing spectral images | |
CN103630091B (zh) | 一种基于激光与图像处理技术的叶面积测量方法 | |
CN106663192B (zh) | 用闪光灯、相机和自动化图像分析检测水果的方法和系统 | |
US8811728B2 (en) | Image processing apparatus and computer program product | |
Sun et al. | Remote estimation of grafted apple tree trunk diameter in modern orchard with RGB and point cloud based on SOLOv2 | |
US20140133753A1 (en) | Spectral scene simplification through background subtraction | |
Gené-Mola et al. | Looking behind occlusions: A study on amodal segmentation for robust on-tree apple fruit size estimation | |
US8165340B2 (en) | Methods for gas detection using stationary hyperspectral imaging sensors | |
US8538695B2 (en) | System and method for analyzing trees in LiDAR data using views | |
Jerbi et al. | High resolution imaging of maize (Zea mays) leaf temperature in the field: the key role of the regions of interest | |
Zeng et al. | Detecting and measuring fine roots in minirhizotron images using matched filtering and local entropy thresholding | |
CN106373157B (zh) | 高光谱异常探测方法和装置 | |
KR101824203B1 (ko) | 대상 개체 계수 장치 및 대상 개체 계수 장치의 대상 개체 계수 방법 | |
Chéné et al. | Shape descriptors to characterize the shoot of entire plant from multiple side views of a motorized depth sensor | |
Zhao et al. | Application of hyperspectral imaging in measurement real-time of seeds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |