CN106770006A - 一种基于近红外光谱的籽棉杂质检测方法 - Google Patents
一种基于近红外光谱的籽棉杂质检测方法 Download PDFInfo
- Publication number
- CN106770006A CN106770006A CN201611068391.6A CN201611068391A CN106770006A CN 106770006 A CN106770006 A CN 106770006A CN 201611068391 A CN201611068391 A CN 201611068391A CN 106770006 A CN106770006 A CN 106770006A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- unginned cotton
- derivative
- cotton sample
- 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.)
- Pending
Links
- 229920000742 Cotton Polymers 0.000 title claims abstract description 120
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 26
- 239000012535 impurity Substances 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 17
- 241000219146 Gossypium Species 0.000 claims abstract description 116
- 238000001228 spectrum Methods 0.000 claims abstract description 104
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000002835 absorbance Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011067 equilibration Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于近红外光谱的籽棉杂质检测方法,包括将各类籽棉分别制作成标准籽棉样本;采集各个标准籽棉样本的近红外光谱;计算各个近红外光谱的一阶导数光谱;去除各个标准籽棉样本一阶导数光谱中的零值:二值化各个标准籽棉样本的一阶导数光谱;计算各个标准籽棉样本的光谱特征峰参数;建立数据库;对待测籽棉样本进行采集近红外光谱、计算近红外光谱的一阶导数光谱、去除一阶导数光谱中的零值、将一阶导数光谱二值化以及计算光谱特征峰参数;计算标准籽棉样本光谱与待测籽棉样本光谱的相似度调用与待测籽棉样品光谱相似度最高的标准籽棉样本光谱所对应的模型与数据库信息作为分析待测籽棉样本的基础,从而获得待测籽棉样本的含杂情况。
Description
技术领域
本发明涉及棉花检测技术领域,具体是一种基于近红外光谱的籽棉杂质检测方法。
背景技术
对棉花中杂质的检测是判断棉花品质的重要方法,目前,绝大部分棉花杂质检测研究的检测对象是皮棉中的杂质,而对籽棉中的杂质检测报道非常少见。主要原因在于籽棉不是最终的棉花产品,需要经过清理、轧花等工序,其所含杂质大部分将被清除。
但随着新国标GB1103颁布与实施,规定收购籽棉时按公定重量结算,实际收购中通常按籽棉的重量扣除水和杂质的重量后结算。由于没有一个完整的籽棉含杂的行业标准,对籽棉杂质含量检测没有明确规范,缺乏快速、准确的籽棉杂质含量检测方法,从而导致较多的贸易纠纷。特别是机采籽棉量大集中,按现行标准规定的程序收购工作量太大,加之近年来全国产棉区开始大面积推广机采作业,以新疆为例,平均棉花机采比例约为50~60%,部分地区棉花机采比例更是在80%以上。
由于机采棉含杂率较高,扣杂成为籽棉交易各方特别关心的问题。所以,如何检测出籽棉杂质含量和类别,对于提高清理效率并减少棉纤维损伤、提高棉纤维品质有着重要意义。
发明内容
本发明的目的在于提供一种基于近红外光谱的籽棉杂质检测方法,该方法能够分析检测籽棉中杂质的含量与类别,提高籽棉的清理效率,减少棉纤维损伤、提高棉纤维品质。
本发明解决其技术问题所采用的技术方案是:
一种基于近红外光谱的籽棉杂质检测方法,包括以下步骤:
S1、采集各类籽棉,并将各类籽棉分别制作成标准籽棉样本;
S2、采集各个标准籽棉样本的近红外光谱;
S3、分别计算步骤S2得到的各个近红外光谱的一阶导数光谱,所述一阶导数光谱第i点的值为原始光谱第i与第i+1点之间线段的斜率;
S4、去除步骤S3得到各个标准籽棉样本一阶导数光谱中的零值:
采用紧临零值一阶导数的非零一阶导数值替换零值一阶导数,替换后光谱一阶导数仅有负值和正值;
S5、将步骤S4处理后的各个标准籽棉样本的一阶导数光谱二值化,所有正值的光谱一阶导数值均替换为1,所有负值的光谱一阶导数值均替换为0;
S6、计算各个标准籽棉样本的光谱特征峰参数;
S7、建立各个标准籽棉样本的模型,并生成包含模型与各个标准籽棉样本特征信息的数据库;
S8、制作待测籽棉样本,并对待测籽棉样本进行采集近红外光谱、计算近红外光谱的一阶导数光谱、去除一阶导数光谱中的零值、将一阶导数光谱二值化以及计算光谱特征峰参数;
S9、按照公式count/n计算标准籽棉样本光谱与待测籽棉样本光谱的相似度,count为在全波段范围内待测籽棉样本一阶导数光谱与标准籽棉样本一阶导数光谱在相同波段一阶导数同时为0或1的次数,n为光谱一阶导数数据点数;调用与待测籽棉样品光谱相似度最高的标准籽棉样本光谱所对应的模型与数据库信息作为分析待测籽棉样本的基础,从而获得待测籽棉样本的含杂情况。
本发明的有益效果是:
广泛搜集具有代表性的标准籽棉样品,采集这些标准样品的光谱数据,提取这些标准样品光谱数据的特征信息,建立各类标准籽棉及其杂质近红外光谱数据库,从而作为标准参照信息;将待测籽棉样本的光谱特征信息与标准籽棉的光谱特征信息进行比对,找出与待测籽棉样品相似度最高的标准籽棉样本,作为分析待测籽棉样本的基础,从而快速地分析出待测籽棉样品的含杂情况。
附图说明
下面结合附图和实施例对本发明进一步说明:
图1是本发明中建立标准籽棉样品近红外光谱数据库系统流程图;
图2是本发明标准籽棉样品原始光谱曲线;
图3是本发明标准籽棉样品原始光谱的一阶导数光谱曲线;
图4是本发明标准籽棉样品二值化后的一阶导数光谱曲线。
具体实施方式
如图1所示,本发明提供一种基于近红外光谱的籽棉杂质检测方法,包括以下步骤:
S1、采集各类籽棉,并将各类籽棉分别制作成标准籽棉样本;
具体为:将各类籽棉样本分别经过样本筛选、样本标号、每份样本质量统一在10±0.1g范围之内、样品平衡温度在20±1℃范围之内,统一采用相同质量压样器压实样品;
S2、结合图2所示,采集各个标准籽棉样本的近红外光谱,得到各个标准籽棉样本的原始光谱;
具体为:打开并检查光谱仪状态,将光谱仪分辨率设置在8cm-1,扫描次数32次,打开光源进行光谱仪预热约90分钟后开始光谱采集;
S3、结合图3所示,分别计算步骤S2得到的各个近红外光谱的一阶导数光谱,所述一阶导数光谱第i点的值为原始光谱第i与第i+1点之间线段的斜率;
S4、去除步骤S3得到各个标准籽棉样本一阶导数光谱中的零值:
采用紧临零值一阶导数的非零一阶导数值替换零值一阶导数,替换后光谱一阶导数仅有负值和正值; 如f’(i-1)=-1,f’(i)=0,则将f’(i)的值改为-1;
S5、结合图4所示,将步骤S4处理后的各个标准籽棉样本的一阶导数光谱二值化,所有正值的光谱一阶导数值均替换为1,所有负值的光谱一阶导数值均替换为0;如f’(i)=-1,则令f’(i)=0,否则令f’(i)=1;
S6、计算各个标准籽棉样本的光谱特征峰参数,包括特征峰位、峰高、左半峰宽、右半峰宽与峰面积;
S7、建立各个标准籽棉样本的模型,并生成包含模型与各个标准籽棉样本特征信息的数据库;
所述数据库采用Microsoft SQL Server 2008 R2作为数据库管理系统,光谱数据格式为.xlsx格式文件,数据库字符串包括光谱的吸光度字符串和光谱的波段字符串,所述字符串中的每个吸光度值使用“_”链接;
从起始波段开始,从0到n-1,依次将第i个吸光度值转换为字符串,并使用“_”链接为目标字符串,n为光谱数据点数,本实施例中n等于2179;
具体过程通过下面的程序实现:
CString temp=””;临时字符串变量,用于转换和保存当前吸光度转换得到的字符串
CString aim=””;目标字符串变量,用于拼接和保存已经转换的所有吸光度字符串
for(int i=0;;i<n; i++) 从起始波段到终止波段,挨个转换并拼接,直到所有的吸光度值都转换完毕
{temp.Format(“%f”,absorbance[i]);将第i个吸光度值转换为字符串
aim=aim+temp+”_”;}拼接字符串
所述光谱的波段字符串组成形式为:“起始波段+终止波段+数据点数”,按照上述方式,依次将所有样品光谱添加到数据库中;
S8、制作待测籽棉样本,并对待测籽棉样本进行采集近红外光谱、计算近红外光谱的一阶导数光谱、去除一阶导数光谱中的零值、将一阶导数光谱二值化以及计算光谱特征峰参数;具体方法与获得标准棉样本光谱一致;
S9、按照公式count/n计算标准籽棉样本光谱与待测籽棉样本光谱的相似度,count为在全波段范围内待测籽棉样本一阶导数光谱与标准籽棉样本一阶导数光谱在相同波段一阶导数同时为0或1的次数,n为光谱一阶导数数据点数;调用与待测籽棉样品光谱相似度最高的标准籽棉样本光谱所对应的模型与数据库信息作为分析待测籽棉样本的基础,从而获得待测籽棉样本的含杂情况;
首先将标准籽棉样本光谱,也即是以字符串形式保存的参照光谱逐一还原为原始光谱,具体实现程序如下:
int i=0;用于记录当前还原的数据点序号
int mark=0;用于标记字符串中连接符为位置
int length=0;计算原字符串长度
CString temp=””;临时保存当前数据点吸光度字符串
do{循环控制,没有连接符为止
mark=reference.Find(“_”);从左向右寻找当前参照光谱字符串中的第一个连接符
temp=reference.Left(mark);截取当前参照光谱字符串中的第一个吸光度字符串
absorbance[i]=aoti(temp);将当前数据点吸光度字符串转换为浮点型数据,实现光谱吸光度数据的还原和保存
length=len(reference);计算当前参照光谱字符串的长度
reference=reference.Right(length-mark-1);截断参照光谱字符串,删除已经还原的部分
i++;数组下标自增
}while(mark>0) 当没有连接符时,结束光谱由字符串到二维数组的还原过程
在完成对参照光谱的还原之后,依次计算待测样品光谱和参照光谱之间的相似度,具体实现程序如下:
for(int i=0; i<n-1; i++) 在全光谱范围内计算光谱一阶导数
{sample.firstderivate[i].y=( sample.absorbance[i+1]-sample
.absorbance[i])/(sample.band[i+1]-sample.band[i]);计算样品光谱的一阶导数
if(sample.fisrtderivate[i].y==0) 判断当前样品光谱当前位置为一阶导数是否为0,如果为0,则将使用前面的非0值替换
sample.firstderivate[i].y= sample.firstderivate[i-1].y;替换零值一阶导数
If (sample.firstderivate[i].y>0) 对光谱一阶导数值进行二值化变换
sample.firstderivate[i].y=1; else sample.firstderivate[i].y=0;
sample.fisrtderivate[i].x=sample.band[i] 使用原始光谱第i个数据点的波段值对第i个一阶导数的波段值进行赋值
for(int i=0;i<records;i++) 对所有的参照光谱,计算并转换其一阶导数
for(int j=0;j<n;j++) 对每一条光谱,计算并转换其一阶导数
{reference[i].firstderivate[j].y=(reference[i].absorbance[j+1]-
reference[i].absorbance[j])/(reference[i].band[j+1]-reference[i].band[j]); 计算第i个参照光谱的第j个一阶导数
if(reference[i].firstderivate[j].y==0) 判断第i个参照光谱的第j个一阶导数值是否为0
reference[i].firstderivate[j].y=reference[i].firstderivate[j-1].y;如果第i个参照光谱的第j个一阶导数值等于零,将其使用第j-1个一阶导数值替换
If (reference.firstderivate[i].y>0) 对光谱一阶导数值进行二值化变换
reference.firstderivate[i].y=1;
else reference.firstderivate[i].y=0;
reference[i].firstderivate[j].x=reference[i].band[j];} 为第i个参照光谱的第j个一阶导数的波段值赋值
float count=0; 统计变量申明,用于统计参照光谱与样品光谱一阶导数相等的点数
float temp=0;临时变量申请
float *HIT=new float[records];匹配度保存变量申请
for(int i=0;i<records;i++) 与所有的参照光谱进行匹配
{count=0;对上次循环累计值清零
for(int j=0;j<n-1;j++) 在全光谱范围内循环,进行光谱匹配
{if(sample.fisrtderivate[j].y== reference[i].firstderivate[j].y)
count=count++;} 累加当前波段匹配度
HIT[i]=count/(N-1);} 原始光谱曲线共有N个数据点,则其一阶导数共有N-1个数据点
按照以上方式,计算待测样品光谱与所有参照光谱之间的匹配度。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同替换、等效变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (1)
1.一种基于近红外光谱的籽棉杂质检测方法,其特征在于,包括以下步骤:
S1、采集各类籽棉,并将各类籽棉分别制作成标准籽棉样本;
S2、采集各个标准籽棉样本的近红外光谱;
S3、分别计算步骤S2得到的各个近红外光谱的一阶导数光谱,所述一阶导数光谱第i点的值为原始光谱第i与第i+1点之间线段的斜率;
S4、去除步骤S3得到各个标准籽棉样本一阶导数光谱中的零值:
采用紧临零值一阶导数的非零一阶导数值替换零值一阶导数,替换后光谱一阶导数仅有负值和正值;
S5、将步骤S4处理后的各个标准籽棉样本的一阶导数光谱二值化,所有正值的光谱一阶导数值均替换为1,所有负值的光谱一阶导数值均替换为0;
S6、计算各个标准籽棉样本的光谱特征峰参数;
S7、建立各个标准籽棉样本的模型,并生成包含模型与各个标准籽棉样本特征信息的数据库;
S8、制作待测籽棉样本,并对待测籽棉样本进行采集近红外光谱、计算近红外光谱的一阶导数光谱、去除一阶导数光谱中的零值、将一阶导数光谱二值化以及计算光谱特征峰参数;
S9、按照公式count/n计算标准籽棉样本光谱与待测籽棉样本光谱的相似度,count为在全波段范围内待测籽棉样本一阶导数光谱与标准籽棉样本一阶导数光谱在相同波段一阶导数同时为0或1的次数,n为光谱一阶导数数据点数;调用与待测籽棉样品光谱相似度最高的标准籽棉样本光谱所对应的模型与数据库信息作为分析待测籽棉样本的基础,从而获得待测籽棉样本的含杂情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611068391.6A CN106770006A (zh) | 2016-11-29 | 2016-11-29 | 一种基于近红外光谱的籽棉杂质检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611068391.6A CN106770006A (zh) | 2016-11-29 | 2016-11-29 | 一种基于近红外光谱的籽棉杂质检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106770006A true CN106770006A (zh) | 2017-05-31 |
Family
ID=58904899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611068391.6A Pending CN106770006A (zh) | 2016-11-29 | 2016-11-29 | 一种基于近红外光谱的籽棉杂质检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106770006A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109060771A (zh) * | 2018-07-26 | 2018-12-21 | 温州大学 | 一种基于光谱不同特征集的共识模型构建方法 |
CN110595986A (zh) * | 2019-10-08 | 2019-12-20 | 郑州轻工业学院 | 籽棉衣分率检测设备和籽棉衣分率检测方法 |
CN111760292A (zh) * | 2020-07-07 | 2020-10-13 | 网易(杭州)网络有限公司 | 采样数据的检测方法、装置及电子设备 |
CN113295090A (zh) * | 2021-04-08 | 2021-08-24 | 睿励科学仪器(上海)有限公司 | 一种用于比对光谱的方法和装置 |
CN113658143A (zh) * | 2021-08-19 | 2021-11-16 | 济南大学 | 一种机采籽棉含杂率检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487380A (zh) * | 2013-09-16 | 2014-01-01 | 浙江科技学院 | 一种梨树叶片上梨锈病斑的识别方法 |
CN105486662A (zh) * | 2016-01-28 | 2016-04-13 | 浙江大学 | 一种基于近红外光谱技术的棉籽棉酚含量的无损测定方法 |
CN106018335A (zh) * | 2016-08-04 | 2016-10-12 | 浙江大学 | 基于近红外光谱的整粒棉籽中植酸含量的无损测定方法 |
-
2016
- 2016-11-29 CN CN201611068391.6A patent/CN106770006A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487380A (zh) * | 2013-09-16 | 2014-01-01 | 浙江科技学院 | 一种梨树叶片上梨锈病斑的识别方法 |
CN105486662A (zh) * | 2016-01-28 | 2016-04-13 | 浙江大学 | 一种基于近红外光谱技术的棉籽棉酚含量的无损测定方法 |
CN106018335A (zh) * | 2016-08-04 | 2016-10-12 | 浙江大学 | 基于近红外光谱的整粒棉籽中植酸含量的无损测定方法 |
Non-Patent Citations (6)
Title |
---|
周万怀: "苹果近红外光谱数据库系统关键算法研究及原型系统开发", 《中国博士学位论文全文数据库 农业科技辑》 * |
周万怀等: "全光谱匹配算法在苹果分类识别中的应用", 《农业工程学报》 * |
张成梁等: "基于颜色和形状特征的机采棉杂质识别方法", 《农业机械学报》 * |
王昊鹏等: "基于局部二值模式和灰度共生矩阵的籽棉杂质分类识别", 《农业工程学报》 * |
袁荣昌等: "基于模糊模式识别的籽棉品级分级模型", 《计算机应用》 * |
马东昱等: "基于图像特征的籽棉品级分级模型", 《计算机应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109060771A (zh) * | 2018-07-26 | 2018-12-21 | 温州大学 | 一种基于光谱不同特征集的共识模型构建方法 |
CN109060771B (zh) * | 2018-07-26 | 2020-12-29 | 温州大学 | 一种基于光谱不同特征集的共识模型构建方法 |
CN110595986A (zh) * | 2019-10-08 | 2019-12-20 | 郑州轻工业学院 | 籽棉衣分率检测设备和籽棉衣分率检测方法 |
CN111760292A (zh) * | 2020-07-07 | 2020-10-13 | 网易(杭州)网络有限公司 | 采样数据的检测方法、装置及电子设备 |
CN113295090A (zh) * | 2021-04-08 | 2021-08-24 | 睿励科学仪器(上海)有限公司 | 一种用于比对光谱的方法和装置 |
CN113658143A (zh) * | 2021-08-19 | 2021-11-16 | 济南大学 | 一种机采籽棉含杂率检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106770006A (zh) | 一种基于近红外光谱的籽棉杂质检测方法 | |
Rastogi et al. | Leaf disease detection and grading using computer vision technology & fuzzy logic | |
CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
Fallon et al. | Spectral differentiation of oak wilt from foliar fungal disease and drought is correlated with physiological changes | |
CN105181678B (zh) | 基于激光诱导击穿光谱的水稻品种鉴别方法 | |
CN103488751B (zh) | 基于光谱曲线波形相似度的光谱匹配方法 | |
CN103278458A (zh) | 一种烤烟采收成熟度的快速无损检测方法 | |
CN105628708A (zh) | 一种南疆红枣多参量品质快速无损检测方法 | |
CN106546436B (zh) | 一种汽车零部件载荷谱有效压缩方法 | |
Mengistu et al. | An automatic coffee plant diseases identification using hybrid approaches of image processing and decision tree | |
CN108828147B (zh) | 一种耦合遥感响应特征的刚竹毒蛾危害检测方法 | |
CN105004722A (zh) | 一种烟叶成熟度快速检测方法 | |
CN113008805A (zh) | 基于高光谱成像深度分析的白芷饮片质量预测方法 | |
CN112509030A (zh) | 多目标检测的植物测量方法、系统、计算机设备及介质 | |
CN107202784B (zh) | 一种水稻浸种催芽过程中工艺节点的检测方法 | |
CN106226267B (zh) | 一种辣椒干色价的近红外测定方法 | |
CN113570538A (zh) | 一种叶片rgb图像偏态分布参数信息采集及分析方法 | |
CN109387484A (zh) | 一种结合高光谱和支持向量机分类的苎麻品种识别方法 | |
CN103245618B (zh) | 一种有机烤烟烟叶成熟度的快速无损检测方法 | |
CN117169388A (zh) | 基于机器学习的标志代谢物模型预测山药最佳采收期方法 | |
CN108596254B (zh) | 耦合叶片多表征的刚竹毒蛾危害检测方法 | |
CN116524225A (zh) | 一种基于多源遥感数据的作物分类方法及系统 | |
Dhanesha et al. | Segmentation of arecanut bunches using HSV color model | |
CN109827909B (zh) | 一种利用光谱数据筛选红富士苹果质量的方法 | |
CN109946300B (zh) | 基于图像法的烟丝耐加工性检测表征方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |