CN105931223A - 基于波段比方法的高光谱反射图像中玉米胚部的分割方法 - Google Patents
基于波段比方法的高光谱反射图像中玉米胚部的分割方法 Download PDFInfo
- Publication number
- CN105931223A CN105931223A CN201610230491.8A CN201610230491A CN105931223A CN 105931223 A CN105931223 A CN 105931223A CN 201610230491 A CN201610230491 A CN 201610230491A CN 105931223 A CN105931223 A CN 105931223A
- Authority
- CN
- China
- Prior art keywords
- image
- wave band
- seed
- high spectrum
- embryo
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法。胚面朝上,采集玉米种子的高光谱图像;提取胚乳部和胚部的多个像素点及其光谱,归一化处理;并计算其任意两波段的光谱比值作为波段比,选取最优波段比;选取波段子集,计算所有像素在波段子集的方差,进行阈值分割获得种子二值图像,掩模运算获得去背景后的玉米种子高光谱图像;由去背景后的玉米种子高光谱图像计算其最优波段比下的灰度图像,对于灰度图像采用区域增长法分割得到胚部二值图像,再进行图像处理获得种子胚部二值图像,再次掩模运算得到玉米种子胚部的高光谱图像。本发明方法实现对可见近红外高光谱图像中玉米种子胚部的有效分割,分割效果好,实用性较强。
Description
技术领域
本发明涉及了一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,可应用于各种黄色玉米种子胚部质量检测,尤其是对胚部化学特性分析等领域的应用。
背景技术
种子的胚部是种子中最重要的部分,可以发育成植物的根、茎和叶。如果种子的胚部受损对植物的后续发育影响最大。玉米种子的胚部大,体积占籽粒的1/3左右,重量占籽粒的10%-20%。玉米胚中含有较多亲水基,比胚乳更易吸湿。同时玉米胚部集中了玉米籽粒中84%的脂肪、83%的无机盐、65%的糖和22%的蛋白质,营养丰富,适宜霉菌的生长和繁殖,容易霉变。胚部脂肪含量高,吸湿性强,容易酸败,导致玉米种子的生活力降低。研究玉米种子的胚部特性,对玉米种业有重要意义。
高光谱图像融合了传统图像技术和光谱技术的优势,可以同时提取出对象的图像和光谱信息,能够反映对象的颜色、形态和化学成分差异。光谱技术用于谷物化学成分检测的研究较多,但并不能研究单个种子的化学成分空间差异等特性。高光谱图像技术可以提取图像中每个像素点的光谱进行分析,可以有效的分析种子各部位的化学成分指标。
发明内容
本发明的目的在于,针对单独分析玉米种子胚部特性的需求,提出一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,克服了在传统高光谱图像分析中需要手工选择种子胚部区域后在再人工提取胚部光谱的问题,实现玉米种子胚部在高光谱图像中的准确、快速分割。
本发明的技术方案如图1所示,具体步骤如下:
1)将玉米种子胚面朝上,通过高光谱反射图像采集系统采集N粒玉米种子在x个可见近红外波段的高光谱图像;
x一般具体实施可取400、1000或者更大的数值,使得每段可见近红外波段的波段范围小于2nm。
2)如图2所示,从高光谱反射图像中选取胚乳部和胚部的多个像素点(至少200个像素点),提取各像素点的光谱,对所有波段的高光谱反射图像进行归一化处理;
3)对于步骤2)中提取得到的各像素点,计算其任意两波段的光谱比值作为波段比,采用KW(Kruskal and Wallis)检验法选取最优波段比;
4)如图2所示,选取500-580nm波段子集,选取涵盖500-580nm波段的所有可见近红外波段作为波段子集,计算高光谱图像所有像素在波段子集的方差,并构建波段方差图并进行阈值分割,获得种子二值图像;
5)图像背景分割:利用阈值分割后得到的二值图像,对玉米种子的各可见近红外波段的高光谱图像进行掩模运算实现背景分割,获得去背景后的玉米种子高光谱图像;
6)胚部分割及掩模:如图3所示,由去背景后的玉米种子高光谱图像计算其最优波段比下的灰度图像,对于灰度图像采用区域增长法分割得到胚部二值图像,再对胚部二值图像和步骤4)获得的种子二值图像进行图像处理操作获得种子胚部二值图像,用种子胚部二值图像对步骤5)获得的去背景后的玉米种子高光谱图像进行掩模运算,得到玉米种子胚部的高光谱图像,实现种子高光谱图像中的胚部分割。
所述的步骤2)中,归一化计算方法采用下式方法计算:
其中,λi为第i个波段的波长,I′λi表示第i个波段下归一化后的图像像素反射值,Iλi表示第i个波段下采集到的图像像素反射值。
所述步骤3)采用KW(Kruskal and Wallis)检验法选取最优波段比具体采用以下方式:
3.1)提取的所有像素点分为位于胚乳部和位于胚部的两类,以像素点的任意两波段的波段比为特征,根据波段比对像素点进行编号,形成特征集合为Xj;
3.2)对于胚乳部和胚部,分别计算每类像素点编号的平均值,记为
3.3)采用以下公式计算第j个像素点的波段比的统计量KWj,选取统计量KWj最大的波段比作为最优波段比:
其中,k表示分类的序号,Nk表示k类像素点数量,N表示提取获得的胚乳部和位于胚部两类所有像素点的总数,M表示k类像素点的总数;统计量KWj越大,说明该特征下的类间离差越大,该特征的分类能力越强。
所述根据波段比对像素点进行编号具体为:对于胚乳部和胚部所有提取得到的像素点,按波段比从小到大排序编号;如果多个像素点的波段比相同,则这几个像素点按随机顺序排序编号;如果所有像素点的波段比全部相同,则该波段比下的KWj值为0。
如果存在多个统计量KWj最大的波段比,则分别计算胚乳部的像素点光谱和胚部的像素点光谱在统计量KWj最大的波段比下的平均值,取二者平均值差异最大值所在的波段比作为最优波段比。
所述步骤6)中对灰度图像采用区域增长法进行区域增长分割时,种子点取为0,差分相似度阈值取为1。
所述步骤6)中种子胚部二值图像采用以下方式图像处理获得:先将胚部二值图像和种子二值图像相乘,然后依次进行填充空洞、腐蚀、删除白色连通区域和膨胀得到玉米种子胚部二值图。
删除白色连通区域是指删除含有小于100个白色像素的连通区域。
所述的光谱反射图像采集系统在采集前经过黑白校正,具体采用以下方式进行校正:
首先将标准聚四氟乙烯白板(Spectralon,Labsphere Inc.,USA)放于成像区域,调整曝光时间,采集本标准白板的全白反射标定图像;
然后盖上镜头盖,关闭光源,获取暗场全黑标定图像;
接着采用下式进行黑白校正,获取校正后的高光谱反射图像I:
式中:I0为采集获得的高光谱图像;W为标准白板的全白反射标定图像;B全黑标定图像。
所有玉米种子的采集条件相同,包括光照、曝光时间和样品台移动速度等,玉米种子高光谱图像采集的背景色为黑色。
所述最优波段比取其整数部分数值。
本发明的有益效果是:
用本发明方法对玉米种子高光谱图像中的种子胚部进行分割,分割效果好,自动化程度高,弥补了传统胚部分析中需要手工选取每个分析样本的胚部区域的缺陷。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明方法的流程图。
图2为本发明背景分割和最优波段比选择流程图。
图3为本发明利用最优波段比进行胚部分割的流程图。
图4为实施例玉米种子胚部分割各步骤图像。
图5为实施例玉米种子胚部分割结果与胚部区域在原图上的对比示例。
具体实施方式
为了使专利局的审查员尤其是公众能够更加清楚地理解本发明的技术实质和有益效果,申请人将在下面以实施例的方式作详细说明,但是对实施例的描述均不是对本发明方案的限制,任何依据本发明构思所作出的仅仅为形式上的而非实质性的等效变换都应视为本发明的技术方案范畴。
如图4的各个步骤所示,采用本发明的实施例及其实施过程下:
玉米样本采用丹玉405玉米种子。
1)将玉米种子胚面朝上,放置于高光谱反射图像采集系统中,采集玉米种子样本在432-985nm波段范围共440个波段的可见近红外波段高光谱图像;
2)从高光谱反射图像中选取胚乳部和胚部的500个像素点,提取各像素点的光谱,对所有波段的高光谱反射图像进行归一化处理;
3)对于步骤2)中提取得到的各像素点,计算其任意两波段的光谱比值作为波段比,采用KW(Kruskal and Wallis)检验法选取最优波段比;
4)选取500-580nm波段子集,实施例为节省计算时间选取包含斜率变化最大波段的波段子集代替,计算高光谱图像所有像素在波段子集的方差,并构建波段方差图并进行阈值分割,获得种子二值图像;
5)图像背景分割:利用阈值分割后得到的二值图像,对玉米种子的各可见近红外波段的高光谱图像进行掩模运算实现背景分割,获得去背景后的玉米种子高光谱图像;
6)胚部分割及掩模:由去背景后的玉米种子高光谱图像计算其最优波段比下的灰度图像,对于灰度图像采用区域增长法分割得到胚部二值图像,再对胚部二值图像和步骤4)获得的种子二值图像进行图像处理操作获得种子胚部二值图像,用种子胚部二值图像对步骤5)获得的去背景后的玉米种子高光谱图像进行掩模运算,得到玉米种子胚部的高光谱图像,实现种子高光谱图像中的胚部分割。
最终列出八个玉米种子的分割结果如图5所示,图中可见采用波段比图像结合图像处理方法,可以正确的将玉米种子的胚部区域分割出来,与原图对比,分割误差小,胚部分割效果较好,由此可见本发明的显著技术效果。
Claims (10)
1.一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其步骤包括:
1)将玉米种子胚面朝上,通过高光谱反射图像采集系统采集N粒玉米种子在x个可见近红外波段的高光谱图像;
2)从高光谱反射图像中选取胚乳部和胚部的多个像素点,提取各像素点的光谱,对所有波段的高光谱反射图像进行归一化处理;
3)对于步骤2)中提取得到的各像素点,计算其任意两波段的光谱比值作为波段比,采用KW(Kruskal and Wallis)检验法选取最优波段比;
4)选取涵盖500-580nm波段的所有可见近红外波段作为波段子集,计算高光谱图像所有像素在波段子集的方差,构建波段方差图并进行阈值分割,获得种子二值图像;
5)图像背景分割:利用阈值分割后得到的二值图像,对玉米种子的各可见近红外波段的高光谱图像进行掩模运算实现背景分割,获得去背景后的玉米种子高光谱图像;
6)胚部分割及掩模:由去背景后的玉米种子高光谱图像计算其最优波段比下的灰度图像,对于灰度图像采用区域增长法分割得到胚部二值图像,再对胚部二值图像和步骤4)获得的种子二值图像进行图像处理操作获得种子胚部二值图像,用种子胚部二值图像对步骤5)获得的去背景后的玉米种子高光谱图像进行掩模运算,得到玉米种子胚部的高光谱图像,实现种子高光谱图像中的胚部分割。
2.根据权利要求1所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所述的步骤2)中,归一化计算方法采用下式方法计算:
其中,λi为第i个波段的波长,I′λi表示第i个波段下归一化后的图像像素反射值,Iλi表示第i个波段下采集到的图像像素反射值。
3.根据权利要求1所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所述步骤3)采用KW(Kruskal and Wallis)检验法选取最优波段比具体采用以下方式:
3.1)提取的所有像素点分为位于胚乳部和位于胚部的两类,以像素点的任意两波段的波段比为特征,根据波段比对像素点进行编号,形成特征集合为Xj;
3.2)对于胚乳部和胚部,分别计算每类像素点编号的平均值,记为
3.3)采用以下公式计算第j个像素点的波段比的统计量KWj,选取统计量KWj最大的波段比作为最优波段比:
其中,k表示分类的序号,Nk表示k类像素点数量,N表示提取获得的胚乳部和位于胚部两类所有像素点的总数,M表示k类像素点的总数。
4.根据权利要求3所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所述根据波段比对像素点进行编号具体为:对于胚乳部和胚部所有提取得到的像素点,按波段比从小到大排序编号;如果多个像素点的波段比相同,则按随机顺序排序编号;如果所有像素点的波段比全部相同,则所在波段比下的统计量KWj值为0。
5.根据权利要求3所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:如果存在多个统计量KWj最大的波段比,则分别计算胚乳部的像素点光谱和胚部的像素点光谱在统计量KWj最大的波段比下的平均值,取二者平均值差异最大值所在的波段比作为最优波段比。
6.根据权利要求1所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所述步骤6)中对灰度图像采用区域增长法进行区域增长分割时,种子点取为0,差分相似度阈值取为1。
7.根据权利要求1所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所述步骤6)中种子胚部二值图像采用以下方式图像处理获得:先将胚部二值图像和种子二值图像相乘,然后依次进行填充空洞、腐蚀、删除白色连通区域和膨胀得到玉米种子胚部二值图。
8.根据权利要求1所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所述的光谱反射图像采集系统在采集前经过黑白校正,具体采用以下方式进行校正:
首先将标准聚四氟乙烯白板(Spectralon,Labsphere Inc.,USA)放于成像区域,调整曝光时间,采集本标准白板的全白反射标定图像;
然后盖上镜头盖,关闭光源,获取暗场全黑标定图像;
接着采用下式进行黑白校正,获取校正后的高光谱反射图像I:
式中:I0为采集获得的高光谱图像;W为标准白板的全白反射标定图像;B全黑标定图像。
9.根据权利要求1所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所有玉米种子的采集条件相同,包括光照、曝光时间和样品台移动速度等,玉米种子高光谱图像采集的背景色为黑色。
10.根据权利要求1或3所述的一种基于波段比方法的高光谱反射图像中玉米胚部的分割方法,其特征在于:所述最优波段比取其整数部分数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610230491.8A CN105931223B (zh) | 2016-04-13 | 2016-04-13 | 基于波段比方法的高光谱反射图像中玉米胚部的分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610230491.8A CN105931223B (zh) | 2016-04-13 | 2016-04-13 | 基于波段比方法的高光谱反射图像中玉米胚部的分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931223A true CN105931223A (zh) | 2016-09-07 |
CN105931223B CN105931223B (zh) | 2019-05-21 |
Family
ID=56838143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610230491.8A Active CN105931223B (zh) | 2016-04-13 | 2016-04-13 | 基于波段比方法的高光谱反射图像中玉米胚部的分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931223B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446599A (zh) * | 2018-02-27 | 2018-08-24 | 首都师范大学 | 一种p值统计量建模独立性的高光谱图像波段快速选择方法 |
CN108444928A (zh) * | 2018-03-12 | 2018-08-24 | 浙江大学 | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 |
CN108645814A (zh) * | 2018-06-28 | 2018-10-12 | 浙江理工大学 | 一种用于识别多色织物润湿区域的高光谱图像采集方法 |
CN109164014A (zh) * | 2018-06-28 | 2019-01-08 | 浙江理工大学 | 一种基于高光谱图像处理的多色织物润湿区域识别方法 |
CN109459106A (zh) * | 2019-01-02 | 2019-03-12 | 山东农业大学 | 一种玉米籽粒内部组分体积测量方法及系统 |
CN110020679A (zh) * | 2019-03-25 | 2019-07-16 | 中国科学院半导体研究所 | 基于单因素方差分析选择高光谱波长的分类方法及装置 |
CN113433076A (zh) * | 2021-05-18 | 2021-09-24 | 中国检验检疫科学研究院 | 基于高光谱成像技术的玉米籽粒中黄曲霉毒素鉴别方法 |
CN113588596A (zh) * | 2021-08-25 | 2021-11-02 | 浙江大学 | 一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统 |
CN113777104A (zh) * | 2021-08-24 | 2021-12-10 | 北京工商大学 | 一种单粒玉米种子高光谱检测成熟度的方法 |
CN115508303A (zh) * | 2022-09-20 | 2022-12-23 | 核工业北京地质研究院 | 一种数字化编录中的岩心箱信息屏蔽方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070031042A1 (en) * | 2005-08-02 | 2007-02-08 | Edmundo Simental | Efficient imagery exploitation employing wavelet-based feature indices |
CN102621077A (zh) * | 2012-03-30 | 2012-08-01 | 江南大学 | 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法 |
KR101463354B1 (ko) * | 2013-10-22 | 2014-11-18 | 영남대학교 산학협력단 | 초분광 영상의 특이영역 검출 장치 및 그 방법 |
CN105067532A (zh) * | 2015-07-15 | 2015-11-18 | 浙江科技学院 | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 |
-
2016
- 2016-04-13 CN CN201610230491.8A patent/CN105931223B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070031042A1 (en) * | 2005-08-02 | 2007-02-08 | Edmundo Simental | Efficient imagery exploitation employing wavelet-based feature indices |
CN102621077A (zh) * | 2012-03-30 | 2012-08-01 | 江南大学 | 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法 |
KR101463354B1 (ko) * | 2013-10-22 | 2014-11-18 | 영남대학교 산학협력단 | 초분광 영상의 특이영역 검출 장치 및 그 방법 |
CN105067532A (zh) * | 2015-07-15 | 2015-11-18 | 浙江科技学院 | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 |
Non-Patent Citations (3)
Title |
---|
张林泉: "多独立样本Kruskal-Wallis检验的原理及其实证分析", 《苏州科技学院学报(自然科学版)》 * |
蔡健荣 等: "波段比算法结合高光谱图像技术检测柑橘果锈", 《农业工程学报》 * |
虞佳佳: "基于高光谱成像技术的番茄灰霉病早期快速无损检测机理和方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446599B (zh) * | 2018-02-27 | 2021-11-05 | 首都师范大学 | 一种p值统计量建模独立性的高光谱图像波段快速选择方法 |
CN108446599A (zh) * | 2018-02-27 | 2018-08-24 | 首都师范大学 | 一种p值统计量建模独立性的高光谱图像波段快速选择方法 |
WO2019174572A1 (zh) * | 2018-03-12 | 2019-09-19 | 浙江大学 | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 |
CN108444928A (zh) * | 2018-03-12 | 2018-08-24 | 浙江大学 | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 |
US11454594B2 (en) | 2018-03-12 | 2022-09-27 | Zhejiang University | Method for identifying frostbite condition of grain seeds using spectral feature wavebands of seed embryo hyperspectral images |
CN108444928B (zh) * | 2018-03-12 | 2020-10-09 | 浙江大学 | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 |
CN109164014B (zh) * | 2018-06-28 | 2020-11-06 | 浙江理工大学 | 一种基于高光谱图像处理的多色织物润湿区域识别方法 |
CN108645814B (zh) * | 2018-06-28 | 2020-12-15 | 浙江理工大学 | 一种用于识别多色织物润湿区域的高光谱图像采集方法 |
CN109164014A (zh) * | 2018-06-28 | 2019-01-08 | 浙江理工大学 | 一种基于高光谱图像处理的多色织物润湿区域识别方法 |
CN108645814A (zh) * | 2018-06-28 | 2018-10-12 | 浙江理工大学 | 一种用于识别多色织物润湿区域的高光谱图像采集方法 |
CN109459106A (zh) * | 2019-01-02 | 2019-03-12 | 山东农业大学 | 一种玉米籽粒内部组分体积测量方法及系统 |
CN110020679A (zh) * | 2019-03-25 | 2019-07-16 | 中国科学院半导体研究所 | 基于单因素方差分析选择高光谱波长的分类方法及装置 |
CN113433076A (zh) * | 2021-05-18 | 2021-09-24 | 中国检验检疫科学研究院 | 基于高光谱成像技术的玉米籽粒中黄曲霉毒素鉴别方法 |
CN113777104A (zh) * | 2021-08-24 | 2021-12-10 | 北京工商大学 | 一种单粒玉米种子高光谱检测成熟度的方法 |
CN113777104B (zh) * | 2021-08-24 | 2023-08-29 | 北京工商大学 | 一种单粒玉米种子高光谱检测成熟度的方法 |
CN113588596A (zh) * | 2021-08-25 | 2021-11-02 | 浙江大学 | 一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统 |
CN115508303A (zh) * | 2022-09-20 | 2022-12-23 | 核工业北京地质研究院 | 一种数字化编录中的岩心箱信息屏蔽方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105931223B (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931223A (zh) | 基于波段比方法的高光谱反射图像中玉米胚部的分割方法 | |
Lu et al. | Hyperspectral imaging technology for quality and safety evaluation of horticultural products: A review and celebration of the past 20-year progress | |
CN108444928B (zh) | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 | |
Mahendran et al. | Application of computer vision technique on sorting and grading of fruits and vegetables | |
CN111666815B (zh) | 一种基于Sentinel-2遥感影像的大蒜种植信息自动化提取方法 | |
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 | |
CN109916838B (zh) | 一种水稻种子发芽能力的检测方法 | |
CN112287886B (zh) | 基于高光谱图像融合图谱特征的小麦植株氮含量估测方法 | |
CN110763698A (zh) | 一种基于特征波长的高光谱柑橘叶片病害识别方法 | |
AU2005209655B2 (en) | Method of classifying plant embryos using penalized logistic regression | |
Abdullah et al. | Automated inspection system for colour and shape grading of starfruit (Averrhoa carambola L.) using machine vision sensor | |
CN105067532B (zh) | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 | |
CN111462223A (zh) | 基于Sentinel-2影像的江淮地区大豆和玉米种植面积识别方法 | |
CN110596280A (zh) | 基于高光谱图像和光谱信息融合的小麦呕吐毒素污染水平快速检测方法 | |
de A. Silva et al. | Coffee quality and its relationship with Brix degree and colorimetric information of coffee cherries | |
CN114965346A (zh) | 基于深度学习和高光谱成像技术的猕猴桃品质检测方法 | |
CN105300895A (zh) | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 | |
Zhao et al. | Early detection of aphid (Myzus persicae) infestation on Chinese cabbage by hyperspectral imaging and feature extraction | |
CN109765190B (zh) | 一种利用高光谱成像技术识别稻田稗草的方法 | |
Wen et al. | Color and shape grading of citrus fruit based on machine vision with fractal dimension | |
Fredes et al. | An analysis of seed colour during ripening of cabernet sauvignon grapes | |
Dhanesha et al. | Segmentation of arecanut bunches using YCgCr color model | |
Moltó et al. | Analysis of hyperspectral images of citrus fruits | |
CN114463322A (zh) | 一种蔬菜种植用病害识别及补光调节方法 | |
CN107941802A (zh) | 基于机器视觉的盆栽水稻卷叶程度测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |