CN104849350A - 基于多特征的木材缺陷识别分类方法 - Google Patents
基于多特征的木材缺陷识别分类方法 Download PDFInfo
- Publication number
- CN104849350A CN104849350A CN201510246568.6A CN201510246568A CN104849350A CN 104849350 A CN104849350 A CN 104849350A CN 201510246568 A CN201510246568 A CN 201510246568A CN 104849350 A CN104849350 A CN 104849350A
- Authority
- CN
- China
- Prior art keywords
- defects
- sensors
- wood
- data
- timber
- 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 Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于多特征的木材缺陷识别分类方法,首先选定实验样本数据;然后采集应力波传播速度数据;接着采集阻力值;接着对应力波传播速度数据和阻力值进行数据处理;接着将每种木材缺陷类型的若干组样本数据分为训练组数据和分类组数据,最后采用支持向量机方法进行训练分类。使用应力波木材无损检测仪采集应力波传播速度数据特征以及使用微钻阻力仪采集阻力值特征,能够较好地表征木材横截面上的全局特征,利用这两种木材数据特征和支持向量机方法对木材内部的缺陷进行识别分类,能够准确分类木材缺陷类型,具有较高的可靠性,且该方法实施方便灵活,能够节省仪器成本。
Description
技术领域
本发明属于木材无损检测技术领域,具体是涉及一种基于多特征的木材缺陷识别分类方法。
背景技术
面对木材资源匮乏的现状,如何提高木材利用率以及促进我国林业现代化的可持续发展,已经成为林业工作者关注的焦点。应力波木材无损检测技术和微钻阻力木材检测技术由于具有其自身的特点,被广泛应用于木材无损检测中。然而,目前的应力波木材无损检测技术和微钻阻力木材检测技术只能定性地判断木材内部是否存在缺陷、缺陷大小以及缺陷位置,无法判断具体是何种类型的缺陷,导致古建筑维护和名木古树保护过程中很难针对具体缺陷选取不同的措施进行后期处理。所以如何使用应力波木材无损检测技术和微钻阻力木材检测技术对木材内部的缺陷类型进行判断具有非常重要的意义。
因此,需要针对木材内部缺陷类型的判断提出一种新型的方法。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种方便灵活、可靠性高的基于多特征的木材缺陷识别分类方法。
技术方案:为实现上述目的,本发明的基于多特征的木材缺陷识别分类方法,包括以下步骤:
(1)将木材缺陷类型划分为四种,分别为含空洞类型、含裂缝类型、含腐朽类型和无缺陷类型;
(2)针对每种木材缺陷类型准备若干组木材试样;
(3)使用应力波木材无损检测仪采集每组木材试样的应力波传播速度数据;
(4)使用微钻阻力木材检测仪采集每组木材试样的阻力值;
(5)将每种木材缺陷类型中每组木材试样的应力波传播速度数据和阻力值进行数据处理,得到该木材缺陷类型的一组样本数据;
(6)将每种木材缺陷类型的若干组样本数据进行分组,分别为训练组数据和分类组数据;
(7)采用支持向量机方法对所述训练组数据进行训练以及对所述分类组数据进行分类。
进一步地,所述步骤(2)中,针对每种木材缺陷类型准备不少于15组木材试样。
进一步地,针对每种木材缺陷类型准备20组木材试样。
进一步地,所述步骤(3)包括以下步骤:
(3-1)在每组木材试样周围均匀布置12个传感器且所述12个传感器之间依次通过电连接,12个传感器依次标志为1号传感器、2号传感器、3号传感器、4号传感器、5号传感器、6号传感器、7号传感器、8号传感器、9号传感器、10号传感器、11号传感器和12号传感器;
(3-2)将所述应力波木材无损检测仪分别与电脑和所述1号传感器连接;
(3-3)使用脉冲锤从1号传感器开始依次敲击12个传感器;
(3-4)当12个传感器敲击完毕时,记录电脑软件系统显示的应力波传播速度矩阵,该应力波传播速度矩阵中包括132个速度值。
进一步地,所述步骤(4)包括以下步骤:
(4-1)首先在每组木材试样上准备六条不同检测路径;
(4-2)然后使用微钻阻力木材检测仪按照每条检测路径以恒定速率钻入木材内部,得到对应每条检测路径的阻力曲线;
(4-3)记录对应每条检测路径的阻力曲线显示的阻力值并计算对应每条检测路径的平均阻力值,从而得到与所述六条检测路径对应的6个平均阻力值。
进一步地,所述步骤(7)包括以下步骤:
(7-1)首先采用支持向量机的方法对所述训练组数据进行训练,生成分类器;
(7-2)然后利用所述分类器对选取的分类组数据进行分类,得到所述分类组数据中每组数据的分类准确率和每组数据的具体分类情况;
(7-3)根据每组数据的分类准确率和每组数据的具体分类情况,判断分类结果是否满足分类精度要求,(精度要求由使用者根据实际需要确定),如果分类结果没有达到分类精度要求,则调整所述训练组数据以及调节支持向量机中的参数c和参数g,所述参数c为惩罚系数,所述参数g为核函数参数。
进一步地,所述步骤(6)中,将每种木材缺陷类型的若干组样本数据进行随机分组。
进一步地,所述步骤(7-2)中,利用所述分类器对选取的分类组数据进行分类之前,首先对样本数据进行归一化预处理,进行归一化预处理可以提高支持向量机识别分类的准确率。
进一步地,采用[0,1]区间归一化预处理方式对样本数据进行归一化预处理。
有益效果:本发明提出的方法与现有技术比较,具有的优点是:使用应力波木材无损检测仪采集应力波传播速度数据特征以及使用微钻阻力仪采集阻力值特征,能够较好地表征木材横截面上的全局特征,利用这两种木材数据特征和支持向量机方法对木材内部的缺陷进行识别分类,能够准确分类木材缺陷类型,具有较高的可靠性,且该方法实施方便灵活,能够节省仪器成本。
附图说明
图1是本发明提出的基于多特征的木材缺陷识别分类方法流程图;
图2是应力波木材无损检测实验平台图;
图3是微钻阻力木材检测仪实验平台图;
图4是微钻阻力木材检测仪的六条不同检测路径;
图5是一条检测路径的阻力曲线图;
图6是分类集实际分类和本方法分类结果分布比较图;
图7是松木试样识别分类准确率直方图。
具体实施方式
下面结合实施例对本发明作更进一步的说明。
本发明提出一种基于多特征的木材缺陷识别分类方法,该方法以应力波木材无损检测仪检测到的应力波在木材内部传播速度和利用微钻阻力木材检测仪进行木材检测时采得的阻力值为识别分类特征,利用支持向量机工具对木材内部缺陷进行识别分类。
参照图1,该基于多特征的木材缺陷识别分类方法包括以下步骤:选定实验木材试样:首先将木材内部缺陷类型划分为四种,具体包括含空洞缺陷类型、含裂缝缺陷类型、含腐朽缺陷类型和无缺陷类型,然后针对上述四种木材缺陷类型中的每种木材缺陷准备若干组木材试样;
采集应力波传播速度,对于每组木材试样,使用应力波木材无损检测仪采集应力波在每组木材内部的传播速度,具体包括:参照图2,首先在每组木材周围均匀布置12个传感器且这12个传感器依次通过电线连接,12个传感器依次标志为1号传感器、2号传感器、3号传感器、4号传感器、5号传感器、6号传感器、7号传感器、8号传感器、9号传感器、10号传感器、11号传感器和12号传感器,然后将所述应力波木材无损检测仪分别与电脑和1号传感器通过电路连接(电脑上专门安装应力波木材无损检测成像软件可以得出应力波传播速度),接着使用脉冲锤从1号传感器开始依次敲击12个传感器,最后当12个传感器敲击完毕时,电脑上的配套软件会显示应力波在该组木材试样中的传播速度表格,参照表1:
表1
从表1中可以看出,该组木材试样的应力波传播速度矩阵中包括132个速度值,具体为1号传感器与其他12个传感器(包括1号传感器本身)之间的应力波传播速度、2号传感器与其他12个传感器(包括2号传感器本身)之间的应力波传播速度,依次类推,12号传感器与其他12个传感器(包括12号传感器)之间的应力波传播速度;
采集微钻阻力数值,参照图3,使用Resistograph微钻阻力木材检测仪采集每组木材试样的阻力值,具体包括以下步骤:参照图4,首先在每组木材试样上准备六条不同的检测路径,然后使用微钻阻力木材检测仪按照每条检测路径钻入木材内部,具体是使用微钻阻力木材检测仪的微型钻针以恒定速率钻入木材内部,通过微型计算机系统把钻针在钻入木材过程中受到的阻力值记录,得到对应每条检测路径的阻力曲线,参照图5,图5是一条检测路径的阻力曲线图,最后记录对应每条检测路径的阻力曲线显示的若干个阻力值并计算对应每条检测路径的平均阻力值;
将每种木材缺陷类型中每组木材试样的应力波传播速度数据和阻力值进行数据处理,得到该木材缺陷类型的一组样本数据,具体包括:将每组木材试样的132个速度值和6个平均阻力值进行组合,组成一个1×138的行向量,该行向量显示的就是该木材试样的样本数据;
作为优选,针对每种木材缺陷类型准备不少于15组木材试样;
作为优选,针对每种木材缺陷类型准备20组木材试样;
针对每种木材缺陷类型其中的20组样本数据进行分组,分为两组,分别为训练组数据和分类组数据,针对每种木材缺陷类型的20组样本数据进行随机分组,具体操作是在MATLAB软件中实现:在载入每种木材缺陷类型的20组样本数据后,分别为每一种缺陷类型的20组样本数据进行编号,为第一种木材缺陷类型(即含空洞缺陷类型)的20组样本数据按顺序编号为1~20,为第二种木材缺陷类型(即含裂缝缺陷类型)的20组样本数据按顺序编号为21~40,为第三种木材缺陷类型(即含腐朽缺陷类型)的20组样本数据顺序编号为41~60,为第四种木材缺陷类型(即无缺陷类型)的20组样本数据顺序编号为61~80,将第一种木材缺陷类型编号为1~15的样本数据划分到第一种木材缺陷类型的训练组数据,将第一种木材缺陷类型编号为16~20的样本数据划分到第一种木材缺陷类型的分类组数据,将第二种木材缺陷类型编号为21~35的样本数据划分到第二种木材缺陷类型的训练集数据,将第二种木材缺陷类型编号为36~40的样本数据划分到第二种木材缺陷类型的分类组数据,将第三种木材缺陷类型编号为41~55的样本数据划分到第三种木材缺陷类型的训练集数据,将第三种木材缺陷类型编号为56~60的样本数据划分到第三种木材缺陷类型的分类组数据,将第四种木材缺陷类型编号为61~75的样本数据划分到第四种木材缺陷类型的训练集数据,将第四种木材缺陷类型编号为76~80的样本数据划分到第四种木材缺陷类型的分类组数据,如表2所示:
表2
缺陷类型 | 样本类型 | 训练集编号范围 | 分类集编号范围 |
1 | 含空洞样本 | 1~15 | 16~20 |
2 | 含裂缝样本 | 21~35 | 36~40 |
3 | 含腐朽样本 | 41~55 | 56~60 |
4 | 无缺陷样本 | 61~75 | 76~80 |
采用支持向量机方法对所述训练组数据进行训练以及对所述分类组数据进行分类;具体操作是在MATLAB软件中实现,具体包括以下步骤:
首先采用支持向量机方法对每种缺陷类型的训练组数据进行训练,生成对应于每种缺陷类型的分类器;
然后利用每种缺陷类型的分类器对该种缺陷类型选取的分类组数据进行分类,得到该种缺陷类型的分类组数据中每组数据的分类准确率和每组数据的具体分类情况;利用分类器对该种缺陷类型的分类组数据进行分类之前,首先对样本数据进行归一化预处理;作为优选,采用[0,1]区间归一化预处理方式对样本数据进行归一化预处理;
最后根据每组数据的分类准确率和每组数据的具体分类情况,判断该种缺陷类型的分类结果是否满足分类精度要求(精度要求由使用者根据实际需要确定),如果分类结果没有达到分类精度要求,则调整该种缺陷类型的训练组数据以及调节支持向量机中的参数c和参数g,所述参数c为惩罚系数,所述参数g为核函数参数,参数c和参数g是影响支持向量机分类效果的两个重要参数,具体操作是在MATLAB软件中利用libsvm2.91工具包中的SVMcgForClass函数找到最佳参数c和g。
实施例:选取松树为木材实验样本,采得含空洞缺陷样本数据、含裂缝缺陷样本数据、含腐朽缺陷样本数据和无缺陷样本数据各20组,在MATLAB软件中利用支持向量机方法进行分类实验,参照图6可以看出,分类集中有20个数据,其中19个数据被正确分类,分类准确率可达到95%;参照图7,图7为松木样本识别分类准确率直方图,图中显示了四种缺陷类型的分类准确率,其中含空洞缺陷的分类准确率达到100%,含裂缝缺陷的分类准确率达到100%,含腐朽缺陷的分类准确率达到80%,无缺陷类型即完好的分类准确率达到100%,总体分类准确率可达95%。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.基于多特征的木材缺陷识别分类方法,其特征在于:包括以下步骤:
(1)将木材缺陷类型划分为四种,分别为含空洞类型、含裂缝类型、含腐朽类型和无缺陷类型;
(2)针对每种木材缺陷类型准备若干组木材试样;
(3)使用应力波木材无损检测仪采集每组木材试样的应力波传播速度数据;
(4)使用微钻阻力木材检测仪采集每组木材试样的阻力值;
(5)将每种木材缺陷类型中每组木材试样的应力波传播速度数据和阻力值进行数据处理,得到该木材缺陷类型的一组样本数据;
(6)将每种木材缺陷类型的若干组样本数据进行分组,分别为训练组数据和分类组数据;
(7)采用支持向量机方法对所述训练组数据进行训练以及对所述分类组数据进行分类。
2.根据权利要求1所述的基于多特征的木材缺陷识别分类方法,其特征在于:所述步骤(2)中,针对每种木材缺陷类型准备不少于15组木材试样。
3.根据权利要求2所述的基于多特征的木材缺陷识别分类方法,其特征在于:针对每种木材缺陷类型准备20组木材试样。
4.根据权利要求1所述的基于多特征的木材缺陷识别分类方法,其特征在于:所述步骤(3)包括以下步骤:
(3-1)在每组木材试样周围均匀布置12个传感器且所述12个传感器之间依次通过电路连接,12个传感器依次标志为1号传感器、2号传感器、3号传感器、4号传感器、5号传感器、6号传感器、7号传感器、8号传感器、9号传感器、10号传感器、11号传感器和12号传感器;
(3-2)将所述应力波木材无损检测仪分别与电脑和所述1号传感器连接;
(3-3)使用脉冲锤从1号传感器开始依次敲击12个传感器;
(3-4)当12个传感器敲击完毕时,记录电脑软件系统显示的应力波传播速度矩阵,该应力波传播速度矩阵中包括132个速度值。
5.根据权利要求1所述的基于多特征的木材缺陷识别分类方法,其特征在于:所述步骤(4)包括以下步骤:
(4-1)首先在每组木材试样上准备六条不同检测路径;
(4-2)然后使用微钻阻力木材检测仪按照每条检测路径以恒定速率钻入木材内部,得到对应每条检测路径的阻力曲线;
(4-3)记录对应每条检测路径的阻力曲线显示的阻力值并计算对应每条检测路径的平均阻力值,得到与所述六条检测路径对应的6个平均阻力值。
6.根据权利要求1所述的基于多特征的木材缺陷识别分类方法,其特征在于:所述步骤(7)包括以下步骤:
(7-1)首先采用支持向量机的方法对所述训练组数据进行训练,生成分类器;
(7-2)然后利用所述分类器对选取的分类组数据进行分类,得到所述分类组数据中每组数据的分类准确率和每组数据的具体分类情况;
(7-3)最后根据每组数据的分类准确率和每组数据的具体分类情况,判断分类结果是否满足分类精度要求,如果分类结果没有达到分类精度要求,则调整所述训练组数据以及调节支持向量机中的参数c和参数g,所述参数c为惩罚系数,所述参数g为核函数参数。
7.根据权利要求1所述的基于多特征的木材缺陷识别分类方法,其特征在于:所述步骤(6)中,将每种木材缺陷类型的若干组样本数据进行随机分组。
8.根据权利要求6所述的基于多特征的木材缺陷识别分类方法,其特征在于:所述步骤(7-2)中,利用所述分类器对选取的分类组数据进行分类之前,首先对样本数据进行归一化预处理。
9.根据权利要求8所述的基于多特征的木材缺陷识别分类方法,其特征在于:采用[0,1]区间归一化预处理方式对样本数据进行归一化预处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510246568.6A CN104849350B (zh) | 2015-05-13 | 2015-05-13 | 基于多特征的木材缺陷识别分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510246568.6A CN104849350B (zh) | 2015-05-13 | 2015-05-13 | 基于多特征的木材缺陷识别分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104849350A true CN104849350A (zh) | 2015-08-19 |
CN104849350B CN104849350B (zh) | 2017-11-03 |
Family
ID=53849151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510246568.6A Expired - Fee Related CN104849350B (zh) | 2015-05-13 | 2015-05-13 | 基于多特征的木材缺陷识别分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104849350B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338520A (zh) * | 2016-09-18 | 2017-01-18 | 南京林业大学 | 一种表板为拼板的多层实木复合地板表面缺陷的识别方法 |
CN106839960A (zh) * | 2017-02-17 | 2017-06-13 | 南京工大建设工程技术有限公司 | 一种用于木结构榫卯节点尺寸及内部缺陷的无损检测方法 |
CN106885846A (zh) * | 2017-01-20 | 2017-06-23 | 浙江农林大学 | 树木缺陷检测装置及检测方法 |
CN108256550A (zh) * | 2017-12-14 | 2018-07-06 | 北京木业邦科技有限公司 | 一种木材类别更新方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6813927B1 (en) * | 1999-07-30 | 2004-11-09 | Carter Holt Harvey Limited | Log testing apparatus |
EP1707955A2 (en) * | 2005-03-31 | 2006-10-04 | Weyerhaeuser Company | Methods for determining velocity of a stress wave within a material and homogeneity of properties within the material |
CN101986150A (zh) * | 2010-10-14 | 2011-03-16 | 中国林业科学研究院木材工业研究所 | 一种应力波与阻力仪配合使用检测古建筑木构件内部缺陷的方法 |
CN102175769A (zh) * | 2010-12-13 | 2011-09-07 | 北京林业大学 | 一种古建筑落叶松木构件材料力学性能非破损检测方法 |
CN102706963A (zh) * | 2011-06-16 | 2012-10-03 | 王立海 | 古树/古建筑木结构内部腐朽应力波无损探测装置 |
CN203432944U (zh) * | 2013-06-09 | 2014-02-12 | 浙江农林大学 | 一种木材应力波缺陷检测装置 |
-
2015
- 2015-05-13 CN CN201510246568.6A patent/CN104849350B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6813927B1 (en) * | 1999-07-30 | 2004-11-09 | Carter Holt Harvey Limited | Log testing apparatus |
EP1707955A2 (en) * | 2005-03-31 | 2006-10-04 | Weyerhaeuser Company | Methods for determining velocity of a stress wave within a material and homogeneity of properties within the material |
CN101986150A (zh) * | 2010-10-14 | 2011-03-16 | 中国林业科学研究院木材工业研究所 | 一种应力波与阻力仪配合使用检测古建筑木构件内部缺陷的方法 |
CN102175769A (zh) * | 2010-12-13 | 2011-09-07 | 北京林业大学 | 一种古建筑落叶松木构件材料力学性能非破损检测方法 |
CN102706963A (zh) * | 2011-06-16 | 2012-10-03 | 王立海 | 古树/古建筑木结构内部腐朽应力波无损探测装置 |
CN203432944U (zh) * | 2013-06-09 | 2014-02-12 | 浙江农林大学 | 一种木材应力波缺陷检测装置 |
Non-Patent Citations (3)
Title |
---|
廖春晖 等: "古建筑圆柱形木构件内部缺陷筛查方法研究", 《北京林业大学学报》 * |
张爱珍 等: "以应力波频谱为特征的木材腐朽自动检测", 《木材加工机械》 * |
王浩洋 等: "层次支持向量机在色木孔洞缺陷检测中的应用", 《森林工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338520A (zh) * | 2016-09-18 | 2017-01-18 | 南京林业大学 | 一种表板为拼板的多层实木复合地板表面缺陷的识别方法 |
CN106885846A (zh) * | 2017-01-20 | 2017-06-23 | 浙江农林大学 | 树木缺陷检测装置及检测方法 |
CN106885846B (zh) * | 2017-01-20 | 2019-04-23 | 浙江农林大学 | 树木缺陷检测装置及检测方法 |
CN106839960A (zh) * | 2017-02-17 | 2017-06-13 | 南京工大建设工程技术有限公司 | 一种用于木结构榫卯节点尺寸及内部缺陷的无损检测方法 |
CN108256550A (zh) * | 2017-12-14 | 2018-07-06 | 北京木业邦科技有限公司 | 一种木材类别更新方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104849350B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101603927B (zh) | 一种无损检测丰水梨缺陷的装置与用法 | |
CN104849350A (zh) | 基于多特征的木材缺陷识别分类方法 | |
CN101701938B (zh) | 一种采用振型频率组合的工件缺陷类型音频检测方法 | |
CN105954412B (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
CN105528288A (zh) | 一种软件测试方法以及装置 | |
CN101949892A (zh) | 基于rbf人工神经网络和saw气体传感器的气体浓度检测方法 | |
CN107132266A (zh) | 一种基于随机森林的水质分类方法及系统 | |
CN107350900A (zh) | 一种基于断屑时间提取的刀具状态监测方法 | |
CN109916627A (zh) | 基于主动学习的轴承故障检测与诊断 | |
CN110208377A (zh) | 一种基于Lamb波的多特征参数损伤程度评估方法 | |
CN102944570A (zh) | 一种基于x射线元素荧光的岩石样品岩性定名的分析方法 | |
CN103411906A (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN108333300A (zh) | 用于鉴别玛咖产地的方法 | |
CN108470163B (zh) | 轨道道岔板离缝病害检测方法及终端设备 | |
CN104345045A (zh) | 一种基于化学模式识别和近红外光谱的相似药材鉴别方法 | |
CN101957316A (zh) | 一种用近红外光谱技术鉴别响水大米的方法 | |
CN103954691B (zh) | 一种材料成分分数无损检测方法 | |
CN105738581A (zh) | 一种基于电子鼻的不同新鲜度山核桃的快速鉴别方法 | |
CN104749249B (zh) | 一种基于超声波技术的检测种子净度的方法 | |
CN103902798A (zh) | 数据预处理方法 | |
CN104331664B (zh) | 一种在取证场景下自动分析未知恶意程序特征的方法 | |
CN109409216A (zh) | 基于子载波动态选择的速度自适应室内人体检测方法 | |
CN104198529A (zh) | 一种利用电子鼻技术鉴别阿胶的方法 | |
CN107677619A (zh) | 一种烤烟中部叶和上部叶的判别方法 | |
CN201314904Y (zh) | 禽蛋细小裂纹的敲击响应检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171103 Termination date: 20210513 |