CN106023235A - 一种农作物有效籽粒个数测量的方法 - Google Patents
一种农作物有效籽粒个数测量的方法 Download PDFInfo
- Publication number
- CN106023235A CN106023235A CN201610423250.5A CN201610423250A CN106023235A CN 106023235 A CN106023235 A CN 106023235A CN 201610423250 A CN201610423250 A CN 201610423250A CN 106023235 A CN106023235 A CN 106023235A
- Authority
- CN
- China
- Prior art keywords
- seed
- image
- quality
- grain
- standard
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005303 weighing Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 13
- 238000005520 cutting process Methods 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 239000002184 metal Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 4
- 238000005429 filling process Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000010008 shearing Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000009395 breeding Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G06T5/70—
-
- G06T5/80—
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Abstract
本发明公开一种农作物有效籽粒个数测量的方法，首先利用拍照和称重的方式分别获取不同品种农作物的籽粒分布图像和精确的籽粒称重数据，然后通过独立开发的数据处理软件，基于数学形态学的原理以及数字图像处理技术初步提取农作物籽粒个数，并在此基础上利用籽粒的称重数据对籽粒个数进行修正，剔除不饱满的籽粒，从而提高有效籽粒个数的提取精度。本发明可以针对不同的籽粒状况的照片进行图像的预处理和籽粒个数的精准、快速的识别和批量提取工作，这在保证农作物籽粒提取精度的同时，也极大的提高了提取速度。
Description
技术领域
本发明涉及一种农作物有效籽粒个数测量的方法。
背景技术
随着我国农业技术的长足发展，以及农业相关学科领域研究工作的巨大进步，不同种类农作物的产量都有了显著的提高，城乡居民在生活水平方面也有了明显的改善，这使得人们对粮食的追求已经从过去单纯数量上的需求逐渐转向对其品质的要求。因此，口感好、籽粒饱满、粒型大而均匀、颜色鲜亮有光泽的农作物产品就越来越受到市场的欢迎，这使得注重口感和产量的新品种农作物的培育工作就越来越受到重视。此外，随着我国水稻、玉米、大豆等作物出口量的增大，在国际粮食进出口市场中，具有完善的籽粒形态和均一的籽粒类型的农作物品种也越来越能体现其明显的竞争优势。
农作物品质的提高要以优良品种的选育为基础，同时也需要相关质检技术的支持。在农作物新品种的选育过程中，生长条件的不足常常严重影响作物籽粒的产量构成、籽粒的饱满程度及籽粒的质量。因此，快速、高效的农作物品质检技术，按品质进行自动分类和分级，对科学研究、品质鉴定、技术推广、生产应用等领域都具有重要的价值，而确定符合标准的有效籽粒数量，是筛选优良作物品种的基础和重要步骤。传统的筛选种子个数的方法主要以实验室条件下的盐选法和风选法为主，这两种方法虽然能够比较精确的提取农作物籽粒的个数，但在实际操作过程中往往需要比较苛刻的测量条件和实验器材，且整个过程需要人为参与的时间较长，大大降低了工作效率。
发明内容
本发明的目的是为了解决现有的盐选法和风选法等测量农作物籽粒个数操作过程费事费力、工作效率低下的技术问题，提供了一种农作物有效籽粒个数测量的方法，是一种结合图像处理和实际称重方法批量提取农作物籽粒个数的装置，既能够保证籽粒个数的提取精度，又能够大幅度提高籽粒个数提取的效率。
本发明所采用的技术如下：一种农作物有效籽粒个数测量的方法，方法步骤如下：
步骤1、获取农作物籽粒图像及质量数据
采用的设备包括试验台、金属支架、数码相机、电子称、计算机、黑、白比色板和黑白格网定标板。将数码相机和计算机连接；将数码相机固定在连接试验台的金属支架上，调整数码相机位置使其镜头与试验台平行，利用数码相机的白平衡捕获功能测量白色比色板作为相机的标准白点对比参数，实现对相机的白平衡处理；将电子称平放在试验台上，调整其位置使其水平托盘中心与数码相机镜头中心的投影重合，再将黑色比色板放置在电子称的水平托盘上，调整位置使其中心与水平托盘中心重合；将黑白网格定标板重叠放置在黑色比色板上进行拍照以获取定标图像，对电子称进行归零操作，将农作物籽粒放置在黑色比色板上用数码相机进行拍照，获取包含籽粒和电子称读数的图像；
步骤2、训练籽粒样本
针对待测品种的农作物，选取20粒特定品种饱满籽粒进行称重，获取籽粒质量的平均值作为标准籽粒质量M0，脱壳籽粒质量平均值作为标准脱壳籽粒质量M1及籽粒外壳质量的平均值作为标准籽粒外壳质量M2，将以上三个参数作为该品种农作物的训练样本数据；
步骤3、几何校正，图像处理，籽粒提取
利用图像处理技术自动对获取的籽粒图像进行裁剪，对电子称读数部分的剪切结果进行图像识别并存储读数；对籽粒部分的剪切结果进行几何校正，然后对图像进行增强处理、二值化处理、去噪和填充处理，最后针对每个籽粒进行编号，从而提取籽粒的个数；
步骤4、利用标准籽粒称重结果对图像提取结果进行修正
已有的研究标准表明，在选择籽粒过程中，如果脱壳籽粒质量低于标准籽粒质量三分之一，则认为其为不合格样本，因此根据这一原则，利用待测籽粒的实际称重结果对计算机提取的籽粒个数进行修正，进而大幅度提高籽粒个数提取精度。
本发明还具体如下技术特征：
1、步骤3具体为：根据计算机的图像处理技术，在Matlab软件中对已经获取的标准图像进行裁剪，由于试验台、电子称及黑色比色板位置固定，因此根据坐标值对每幅图像进行自动裁剪为两幅图像，一幅图像为电子称参数测量结果，另一幅为农作物籽粒图像；对电子称读数图像进行图像识别，提并记录待测籽粒的总质量m；对农作物籽粒图像进行几何校正，校正过程是在Matlab软件中利用黑白格网交点作为几何校正参考点建立几何定标多项式，根据定标多项式实现对农作物籽粒图像进行几何畸变校正，对进行几何校正后的农作物籽粒图像进行图像增强、二值化、去噪和填充处理，黑色代表背景区域，白色部分代表农作物籽粒，利用分水岭算法对二值化图像进行处理，从而将连接在一起的籽粒区域部分进行分割，最后使用连通域搜索算法对二值图采用8邻域连接进行标注，输出标记矩阵，并通过标记矩阵对每个籽粒进行编号从而提取籽粒的个数N。
2、步骤4具体为：在计算机中输入训练过的样本数据，包括标准籽粒质量M0、标准籽粒外壳质量M1及标准脱壳籽粒质量M2，根据以上参数计算不符合条件的籽粒质量M，按照已有研究的标准，籽粒的脱壳质量小于饱满籽粒脱壳质量的1/3即为不合格，因此，不合格籽粒的质量范围在M2≤M≤(M2+M1/3)之间，通过实测的籽粒质量m，结合上述两个极值点对以提取的籽粒个数N进行修正，则实际饱满籽粒个数在[(m-N×M2)/(M0-M2)]≤X≤[m-N×(M2+M1/3)]/(M0-M2-M1/3)之间。
本发明可以针对不同的籽粒状况的照片进行图像的预处理和籽粒个数的精准、快速的识别和批量提取工作，这在保证农作物籽粒提取精度的同时，也极大的提高了提取速度。
附图说明
图1为本发明的实施例1的测量方法图；
具体实施方式
下面根据说明书附图举例对本发明做进一步解释：
实施例1
一种农作物有效籽粒个数测量的方法，方法步骤如下：
步骤1：如图1所示，采用的设备包括试验台1、金属支架2、数码相机3、电子称4、计算机5、黑、白比色板6和黑白格网定标板，数码相机和计算机连接，将金属支架安装在水平试验台上，再将数码相机固定在金属支架上，调整数码相机位置使其镜头与试验台平行，使其拍照区域为数码相机镜头的正下方；利用数码相机的白平衡捕获功能测量白色比色板作为相机的标准白点对比参数，从而实现对相机的白平衡处理；将测量精度为0.01g的电子称放在水平试验台上，调整其位置使其水平托盘中心与数码相机镜头中心的投影重合，再将正方形黑色比色板放置在电子称的水平托盘上，调整比色板位置使其中心与水平托盘中心重合；按照黑色比色板尺寸制作黑白格网的定标板，黑白格网定标板是在AutoCAD软件中绘制，定标板由5mm×5mm大小黑白相间的国际象棋棋盘式格网均匀构成，用于获取标准定标点进行图像的几何畸变校正；将黑白网格定标板重叠放置在黑色比色板上进行拍照以获取定标图像，将电子称进行归零操作，然后将待识别的农作物籽粒放置在黑色比色板上，对籽粒进行称重并利用数码相机对籽粒及电子称读数进行拍照，从而获取农作物样本籽粒及质量读数的标准图像并实时传送回计算机。
步骤2：针对待测品种的农作物，选取20粒特定品种饱满籽粒进行称重，获取籽粒质量的平均值作为标准籽粒质量M0，然后将所有训练样本的籽粒进行脱壳、称重，进一步获取该品种籽粒外壳质量的平均值作为标准籽粒外壳质量M1，并基于上述数据计算脱壳籽粒质量的平均值作为标准脱壳籽粒质量M2，将以上三个参数作为该品种农作物的训练样本数据。
步骤3：根据计算机的图像处理技术，在Matlab软件中对已经获取的标准图像进行裁剪。由于试验台、电子称及黑色比色板位置固定，因此可以根据坐标值对每幅图像进行自动裁剪为两幅图像，一幅图像为电子称参数测量结果，另一幅为农作物籽粒图像。对电子称读数图像进行图像识别，提并记录待测籽粒的总质量读数m。对农作物籽粒图像进行几何校正，校正过程是在Matlab软件中利用黑白格网交点作为几何校正点建立几何定标多项式，根据定标多项式实现对农作物籽粒图像进行几何畸变校正。对进行几何校正后的农作物籽粒图像进行图像增强、二值化、去噪和填充处理，黑色代表背景区域，白色部分代表农作物籽粒，利用分水岭算法对二值化图像进行处理，从而将可能连接在一起的籽粒区域部分分割开，最后使用连通域搜索算法对二值图采用8邻域连接进行标注，输出标记矩阵，并通过标记矩阵对每个籽粒进行编号，从而提取籽粒的个数N。
步骤4：在计算机程序中输入训练过的样本数据，包括标准籽粒质量M0、标准籽粒外壳质量M1及标准脱壳籽粒质量M2，程序则根据以上参数计算不符合条件的籽粒质量M，按照已有研究的标准，籽粒的脱壳质量小于饱满籽粒脱壳质量的1/3即为不合格，因此，不合格籽粒的质量范围在M2≤M≤(M2+M1/3)之间。通过实测的籽粒质量m，结合上述两个极值点对以提取的籽粒个数N进行修正，则实际饱满籽粒个数在[(m-N×M2)/(M0-M2)]≤X≤[m-N×(M2+M1/3)]/(M0-M2-M1/3)之间。
由于仪器位置固定，拍照过程及称重方法一直，训练样本得到的标准参数也相同，因此可以对同一农作物不同植株采集的籽粒进行批处理操作，因此该装置可以实现较高精度的农作物籽粒个数快速精确的提取。
Claims (3)
1.一种农作物有效籽粒个数测量的方法，其特征在于，步骤如下：
步骤1、获取农作物籽粒图像及质量数据
采用的设备包括试验台、金属支架、数码相机、电子称、计算机、黑、白比色板和黑白格网定标板。将数码相机和计算机连接，将数码相机固定在连接试验台的金属支架上，调整数码相机位置使其镜头与试验台平行，利用数码相机的白平衡捕获功能测量白色比色板作为相机的标准白点对比参数，实现对相机的白平衡处理；将电子称平放在试验台上，调整其位置使其水平托盘中心与数码相机镜头中心的投影重合，再将黑色比色板放置在电子称的水平托盘上，调整位置使其中心与水平托盘中心重合；将黑白网格定标板重叠放置在黑色比色板上进行拍照以获取定标图像，对电子称进行归零操作，将农作物籽粒放置在黑色比色板上用数码相机进行拍照，获取包含籽粒和电子称读数的图像；
步骤2、训练籽粒样本
针对待测品种的农作物，选取20粒特定品种饱满籽粒进行称重，获取籽粒质量的平均值作为标准籽粒质量M0，脱壳籽粒质量平均值作为标准脱壳籽粒质量M1及籽粒外壳质量的平均值作为标准籽粒外壳质量M2，将以上三个参数作为该品种农作物的训练样本数据；
步骤3、几何校正，图像处理，籽粒提取
利用图像处理技术自动对获取的籽粒图像进行裁剪，对电子称读数部分的剪切结果进行图像识别并存储读数；对籽粒部分的剪切结果进行几何校正，然后对图像进行增强处理、二值化处理、去噪和填充处理，最后针对每个籽粒进行编号，从而提取籽粒的个数；
步骤4、利用标准籽粒称重结果对图像提取结果进行修正
已有的研究标准表明，在选择籽粒过程中，如果脱壳籽粒质量低于标准籽粒质量三分之一，则认为其为不合格样本，因此根据这一原则，利用待测籽粒的实际称重结果对计算机提取的籽粒个数进行修正，进而大幅度提高籽粒个数提取精度，实现对作物籽粒个数的精确测量。
2.根据权利要求1所述的一种农作物有效籽粒个数测量的方法，其特征在于，步骤3具体为：根据计算机的图像处理技术，在Matlab软件中对已经获取的标准图像进行裁剪，由于试验台、电子称及黑色比色板位置固定，因此根据坐标值对每幅图像进行自动裁剪为两幅图像，一幅图像为电子称参数测量结果，另一幅为农作物籽粒图像；对电子称读数图像进行图像识别，提并记录待测籽粒的总质量m；对农作物籽粒图像进行几何校正，校正过程是在Matlab软件中利用黑白格网交点作为几何校正点建立几何定标多项式，根据定标多项式实现对农作物籽粒图像进行几何畸变校正，对进行几何校正后的农作物籽粒图像进行图像增强、二值化、去噪和填充处理，黑色代表背景区域，白色部分代表农作物籽粒，利用分水岭算法对二值化图像进行处理，从而将连接在一起的籽粒区域部分分割开，最后使用连通域搜索算法对二值图采用8邻域连接进行标注，输出标记矩阵，并通过标记矩阵对每个籽粒进行编号从而提取籽粒的个数N。
3.根据权利要求1所述的一种农作物有效籽粒个数测量的方法，其特征在于，步骤4具体为：在计算机中输入训练过的样本数据，包括标准籽粒质量M0、标准籽粒外壳质量M1及标准脱壳籽粒质量M2，根据以上参数计算不符合条件的籽粒质量M，按照已有研究的标准，籽粒的脱壳质量小于饱满籽粒脱壳质量的1/3即为不合格，因此，不合格籽粒的质量范围在M2≤M≤(M2+M1/3)之间，通过实测的籽粒质量m，结合上述两个极值点对以提取的籽粒个数N进行修正，则实际饱满籽粒个数在[(m-N×M2)/(M0-M2)]≤X≤[m-N×(M2+M1/3)]/(M0-M2-M1/3)之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610423250.5A CN106023235B (zh) | 2016-06-15 | 2016-06-15 | 一种农作物有效籽粒个数测量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610423250.5A CN106023235B (zh) | 2016-06-15 | 2016-06-15 | 一种农作物有效籽粒个数测量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106023235A true CN106023235A (zh) | 2016-10-12 |
| CN106023235B CN106023235B (zh) | 2018-09-18 |
Family
ID=57087633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610423250.5A Expired - Fee Related CN106023235B (zh) | 2016-06-15 | 2016-06-15 | 一种农作物有效籽粒个数测量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106023235B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106576499A (zh) * | 2016-11-30 | 2017-04-26 | 深圳前海弘稼科技有限公司 | 植物发芽的提示方法、提示装置、种植监控终端和服务器 |
| CN107389511A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
| CN112651305A (zh) * | 2020-12-10 | 2021-04-13 | 哈尔滨师范大学 | 一种微生物种类的鉴别方法 |
| CN113280706A (zh) * | 2021-03-22 | 2021-08-20 | 中国十七冶集团有限公司 | 一种可折叠式地被苗平方棵数测量尺及使用方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101339117A (zh) * | 2008-08-08 | 2009-01-07 | 华中科技大学 | 稻米参数自动测量装置及方法 |
| CN103020970A (zh) * | 2012-12-25 | 2013-04-03 | 北京农业信息技术研究中心 | 玉米果穗图像籽粒分割方法 |
| US20140050391A1 (en) * | 2012-08-17 | 2014-02-20 | Nec Laboratories America, Inc. | Image segmentation for large-scale fine-grained recognition |
| JP2014186386A (ja) * | 2013-03-21 | 2014-10-02 | Canon Inc | 画像処理装置、画像処理方法、及び、コンピュータプログラム |
| CN105405145A (zh) * | 2015-11-17 | 2016-03-16 | 四川飞拓信息技术有限公司 | 一种基于图像分割技术的颗粒数粒方法 |
| CN105574853A (zh) * | 2015-12-07 | 2016-05-11 | 中国科学院合肥物质科学研究院 | 一种基于图像识别的麦穗粒数计算的方法及系统 |
-
2016
- 2016-06-15 CN CN201610423250.5A patent/CN106023235B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101339117A (zh) * | 2008-08-08 | 2009-01-07 | 华中科技大学 | 稻米参数自动测量装置及方法 |
| US20140050391A1 (en) * | 2012-08-17 | 2014-02-20 | Nec Laboratories America, Inc. | Image segmentation for large-scale fine-grained recognition |
| CN103020970A (zh) * | 2012-12-25 | 2013-04-03 | 北京农业信息技术研究中心 | 玉米果穗图像籽粒分割方法 |
| JP2014186386A (ja) * | 2013-03-21 | 2014-10-02 | Canon Inc | 画像処理装置、画像処理方法、及び、コンピュータプログラム |
| CN105405145A (zh) * | 2015-11-17 | 2016-03-16 | 四川飞拓信息技术有限公司 | 一种基于图像分割技术的颗粒数粒方法 |
| CN105574853A (zh) * | 2015-12-07 | 2016-05-11 | 中国科学院合肥物质科学研究院 | 一种基于图像识别的麦穗粒数计算的方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| YIBO QIN等: "Extended-Maxima Transform Watershed Segmentation Algorithm for Touching Corn Kernels", 《ADVANCES IN MECHANICAL ENGINEERING》 * |
| 亢秀丽等: "一种小麦穗粒数测定方法", 《农学学报》 * |
| 张亚秋等: "基于逐步改变阈值方法的玉米种子图像分割", 《农业工程学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106576499A (zh) * | 2016-11-30 | 2017-04-26 | 深圳前海弘稼科技有限公司 | 植物发芽的提示方法、提示装置、种植监控终端和服务器 |
| CN107389511A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
| CN107389511B (zh) * | 2017-06-08 | 2020-09-22 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
| CN112651305A (zh) * | 2020-12-10 | 2021-04-13 | 哈尔滨师范大学 | 一种微生物种类的鉴别方法 |
| CN112651305B (zh) * | 2020-12-10 | 2022-08-30 | 哈尔滨师范大学 | 一种微生物种类的鉴别方法 |
| CN113280706A (zh) * | 2021-03-22 | 2021-08-20 | 中国十七冶集团有限公司 | 一种可折叠式地被苗平方棵数测量尺及使用方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106023235B (zh) | 2018-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sako et al. | A system for automated seed vigour assessment | |
| CN103808263B (zh) | 谷粒粒形参数的高通量检测方法 | |
| CN106023235A (zh) | 一种农作物有效籽粒个数测量的方法 | |
| CN104132897B (zh) | 一种基于手持设备的植物叶片含氮量测量方法和装置 | |
| CN103632157B (zh) | 单株小麦穗部籽粒数计数方法 | |
| CN111462058B (zh) | 一种水稻有效穗快速检测方法 | |
| CN104776814B (zh) | 水稻叶形采集装置及稻叶形态参数提取方法 | |
| CN108765433A (zh) | 一种用于提高精度的多叶面积测量方法 | |
| CN105021617A (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 | |
| CN104021369A (zh) | 基于数字图像处理技术的单株水稻穗部籽粒数计数方法 | |
| CN201041553Y (zh) | 基于多光谱成像技术的水果品质无损检测系统 | |
| CN110610438A (zh) | 一种农作物冠层叶柄夹角计算方法及系统 | |
| CN110720937A (zh) | 一种快速的活体无损检测和评价贝类肌肉量的方法 | |
| CN104197866A (zh) | 玉米籽粒剖面角质与粉质百分比的定量测定方法 | |
| CN112557394A (zh) | 一种全自动玉米果穗高通量考种仪 | |
| CN111191543A (zh) | 油菜产量估测方法 | |
| CN108369192A (zh) | 用于测量花序、种子和/或种子产量表型的方法和设备 | |
| CN110609011A (zh) | 单籽粒玉米种子淀粉含量近红外高光谱检测方法及系统 | |
| CN110619417B (zh) | 基于大田水稻冠层穗部图像特征的理论测产方法 | |
| CN114858984A (zh) | 厚皮甜瓜种质资源商品性数据采集装置及采集与分析方法 | |
| Tohidloo et al. | Development of an image analysis aided seedling growth test for winter oilseed rape and verification as a vigour test | |
| Pasion et al. | Novel imaging techniques to analyze panicle architecture | |
| CN116740704B (zh) | 基于深度学习的小麦叶片表型参数变化率监测方法和装置 | |
| Xu et al. | Automatic measuring approach and device for mature rapeseed’s plant type parameters | |
| Jiang et al. | A nondestructive method for estimating the total green leaf area of individual rice plants using multi-angle color images |
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 | ||
| 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: 20180918 Termination date: 20190615 |