CN107843581A - 基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 - Google Patents
基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 Download PDFInfo
- Publication number
- CN107843581A CN107843581A CN201710985405.9A CN201710985405A CN107843581A CN 107843581 A CN107843581 A CN 107843581A CN 201710985405 A CN201710985405 A CN 201710985405A CN 107843581 A CN107843581 A CN 107843581A
- Authority
- CN
- China
- Prior art keywords
- content
- raman
- voigt
- gas
- decomposition gas
- 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
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Abstract
本发明公开了一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,该方法包括以下步骤:S1:采集SO2气体样品的拉曼光谱图,对所述拉曼光谱图进行预处理;S2:根据Voigt峰型拟合算法对预处理后的拉曼光谱图进行拟合,计算得到多组特征峰面积与气体浓度参量;S3:采用最小二乘回归算法,建立得到最优的特征峰面积与SO2含量之间关系的模型,根据所述模型计算得出SF6特征分解气体SO2的含量。
Description
技术领域
本发明涉及一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法。
背景技术
当SF6电气设备存在故障时,故障区域的SF6气体和固体绝缘材料在热和电的作用下裂解,将产生硫化物、氟化物和碳化物。硫化物主要有SO2、H2S、SOF2、 SF4和SO2F2;其中SOF2、SF4等又会进一步水解产生SO2和HF,因此SF6气体中的 SO2浓度是直接分解和水解产生的总和。
其中SO2是SF6电气设备故障时分解的主要特征组分,正常运行的设备中SO2的含量极少。若发生故障时,SO2会增长10倍以上,故在设备运行过程中,通常通过检测 SO2的含量来判断设备内部是否存在故障,但是目前的SO2含量的检测方法SO2含量检测复杂,且检测结果往往存在较大误差。
发明内容
本发明的目的是提供一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,以解决现有SF6特征分解气体的微量检测复杂,且检测结果的准确性差的问题。
为解决上述技术问题,本发明提供一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,包括以下步骤:
S1:采集SO2气体样品的拉曼光谱图,对所述拉曼光谱图进行预处理;
S2:根据Voigt峰型拟合算法对预处理后的拉曼光谱图进行拟合,计算得到多组特征峰面积与气体浓度参量;
S3:采用最小二乘回归算法,建立得到最优的特征峰面积与SO2含量之间关系的模型,根据所述模型计算得出SF6特征分解气体SO2的含量。
进一步地,所述步骤S2中所述Voigt峰型拟合算法采用的Voigt峰型拟合函数为:
其中:为洛伦兹函数,为高斯函数,y0为基线坐标,A为拉曼峰面积,x为半宽,xc为拉曼峰中心位置,wG和wL分别为Voigt函数中高斯函数和洛伦兹函数的权重。
2、根据权利要求1所述的基于Voigt峰型拟合算法的拉曼光谱定量检测 SF6特征分解气体SO2含量的方法,其特征在于,所述步骤S3具体包括:
S31:根据建立拉曼峰面积与气体浓度之间的线性回归模型:
y=β0+β1x (2)
其中,y表示组分浓度;x表示谱峰面积,β0和β1为回归系数;
S32:对回归系数β0和β1进行评估,确定β0和β1的最小二乘估计量;
S33:根据所述线性回归模型计算得出SF6特征分解气体SO2的含量。
进一步地,所述步骤S32具体包括:
S321:设(xi,yi)(i=1,2,…,n)为取得的试验观测数据,则xi和yi的关系可以表示为
yi=β0+β1xi+εi,(i=1,2,…,n) (3)
其中εi为残差,表示每次试验引入的随机误差,且满足
(4)
S322:对回归系数β0和β1进行评估使得到的估计量和满足残差εi的平方和最小,即
利用二元函数求极值的方法,令
分别求偏导,并令其等于0,得到
整理式(7),得到正规方程
求得
将上述结果作为β0和β1的最小二乘估计量,即可得到关于组分浓度和谱峰面积的简单线性回归方程
进一步地,所述步骤S32还包括:
S323:对简单线性回归方程可以通过拟合优度R2对其拟合效果进行评价,评价公式为:
其中,R2越接近1,说明回归直线对试验观测值的拟合效果越好;R2越接近0,说明回归直线对试验观测值的拟合效果越差。
进一步地,所述步骤S1具体包括:
S11:使用4L碳钢瓶存储SO2高纯气体和SO2/Ar混合气体,气体样品池及管路先经Ar气吹扫2分钟,碳钢瓶气体经减压阀连接管路到内壁镀金石英气体样品池,维持实验温度,静置样品池30分钟使得气体流动均匀;
S12:拉曼光谱仪通过光纤探头在样品池窗口收集反射的拉曼散射光,光谱仪共扫描5次取平均值得到拉曼光谱图;
S13:对S12得到的拉曼光谱图进行背景扣除、基线调整、平滑去噪预处理。
本发明的有益效果为:本发明减小了使用内标法的误差,提高了SF6特征分解气体的微量检测结果的准确性。证实了拉曼光谱结合Voigt峰型拟合算法应用于SO2含量的检测是可行的,且测量过程更简单,适用于SO2成分的快速分析。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为SO2拉曼光谱图;
图2为SO2光谱特征峰的拟合图。
具体实施方式
如图1所示的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,通过采用拉曼光谱检测系统测定SO2气体样品的拉曼光谱图,对原始拉曼光谱图进行背景扣除、基线调整、平滑去噪等预处理。基于Voigt 曲线的峰位置、半高宽和峰面积,提出Voigt峰型拟合算法对预处理后的光谱进行拟合,并利用拟合得到的特征峰面积表征物质的含量信息,结合最小二乘回归方法,建立拉曼光谱特征峰面积与SO2含量之间的关系模型,进而实现对 SO2含量的快速预测。
使用4L碳钢瓶存储SO2高纯气体和SO2/Ar混合气体,气体样品池及管路先经Ar气吹扫2分钟,碳钢瓶气体经减压阀连接管路到内壁镀金石英气体样品池,维持实验温度,静置样品池30分钟使得气体流动均匀。拉曼光谱仪通过光纤探头在样品池窗口收集反射的拉曼散射光,光谱仪共扫描5次取平均值。使用拉曼光谱仪软件进行背景扣除、光谱基线调整,采用Savitzky-Golay算法平滑去噪,一阶导数寻峰。随着SO2浓度增大,光谱特征变化明显,拉曼峰强度逐步增大,即拉曼峰面积正比于气体含量。
拉曼光谱的Voigt峰型拟合线型如下:
其中:为洛伦兹函数,为高斯函数,y0为基线坐标,A为拉曼峰面积,xc为拉曼峰中心位置,wG和wL分别为Voigt 函数中高斯函数和洛伦兹函数的权重。
如图1为SO2的拉曼光谱图,可知其共有518.8cm-1,1150.4cm-1,1362.8 cm-1三个拉曼峰值,选择1150.4cm-1处拉曼峰为定性识别SO2的特征峰。如图2 所示Voigt峰型拟合操作如下:选定待处理的高纯SO2拉曼光谱图,设半高宽 FWHM初始值为10,然后在xc=1150.4cm-1特征峰处完成Voigt峰型拟合,并计算 y0、A、wG和wL等参数。
最小二乘法是一种数学优化技术,通过最小化误差的平方和寻找数据的最佳函数匹配。由于拉曼特征峰面积与气体浓度成线性比例关系,两者的关系可用简单线性回归模型来表示
y=β0+β1x (1)
其中y表示组分浓度;x表示谱峰面积,这里;β0和β1为回归系数。
设(xi,yi)(i=1,2,…,n)为取得的试验观测数据,则xi和yi的关系可以表示为
yi=β0+β1xi+εi,(i=1,2,…,n) (2)
其中εi为残差,表示每次试验引入的随机误差,且满足
(3)
最小二乘法的基本思想是对回归系数β0和β1进行估计,并使得到的估计量和满足残差εi的平方和最小,即
利用二元函数求极值的方法,令
分别求偏导,并令其等于0,得到
整理式(6),得到正规方程
求得
将上面的结果作为β0和β1的最小二乘估计量,即可得到关于组分浓度和谱峰面积的简单线性回归方程
简单线性回归方程可以通过拟合优度R2对其拟合效果进行评价。R2越接近 1,说明回归直线对试验观测值的拟合效果越好;R2越接近0,说明回归直线对试验观测值的拟合效果越差。
利用同样的实验平台测定不同浓度的SO2/Ar混合气体的拉曼光谱,Voigt 峰型拟合其中SO2的1150.4cm-1特征峰,计算得到多组特征峰面积与气体浓度参量,采用最小二乘算法得到最优的特征峰面积与SO2含量模型,利用模型可以快速方便地测定SF6特征分解气体SO2的含量。
本发明减小了使用内标法的误差,提高了SF6特征分解气体的微量检测结果的准确性。证实了拉曼光谱结合Voigt峰型拟合算法应用于SO2含量的检测是可行的,且测量过程更简单,适用于SO2成分的快速分析。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,其特征在于,包括以下步骤:
S1:采集SO2气体样品的拉曼光谱图,对所述拉曼光谱图进行预处理;
S2:根据Voigt峰型拟合算法对预处理后的拉曼光谱图进行拟合,计算得到多组特征峰面积与气体浓度参量;
S3:采用最小二乘回归算法,建立得到最优的特征峰面积与SO2含量之间关系的模型,根据所述模型计算得出SF6特征分解气体SO2的含量。
2.根据权利要求1所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,其特征在于,
所述步骤S2中所述Voigt峰型拟合算法采用的Voigt峰型拟合函数为:
其中:为洛伦兹函数,为高斯函数,y0为基线坐标,A为拉曼峰面积,x为半宽,xc为拉曼峰中心位置,wG和wL分别为Voigt函数中高斯函数和洛伦兹函数的权重。
3.根据权利要求1所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,其特征在于,所述步骤S3具体包括:
S31:根据建立拉曼峰面积与气体浓度之间的线性回归模型:
y=β0+β1x (2)
其中,y表示组分浓度;x表示谱峰面积,β0和β1为回归系数;
S32:对回归系数β0和β1进行评估,确定β0和β1的最小二乘估计量;
S33:根据所述线性回归模型计算得出SF6特征分解气体SO2的含量。
4.根据权利要求3所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,其特征在于,所述步骤S32具体包括:
S321:设(xi,yi)(i=1,2,…,n)为取得的试验观测数据,则xi和yi的关系可以表示为
yi=β0+β1xi+εi,(i=1,2,…,n) (3)
其中εi为残差,表示每次试验引入的随机误差,且满足
(4)
S322:对回归系数β0和β1进行评估使得到的估计量和满足残差εi的平方和最小,即
利用二元函数求极值的方法,令
分别求偏导,并令其等于0,得到
整理式(7),得到正规方程
求得
将上述结果作为β0和β1的最小二乘估计量,即可得到关于组分浓度和谱峰面积的简单线性回归方程
5.根据权利要求4所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,其特征在于,所述步骤S32还包括:
S323:对简单线性回归方程可以通过拟合优度R2对其拟合效果进行评价,评价公式为:
其中,R2越接近1,说明回归直线对试验观测值的拟合效果越好;R2越接近0,说明回归直线对试验观测值的拟合效果越差。
6.根据权利要求1所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法,其特征在于,所述步骤S1具体包括:
S11:使用4L碳钢瓶存储SO2高纯气体和SO2/Ar混合气体,气体样品池及管路先经Ar气吹扫2分钟,碳钢瓶气体经减压阀连接管路到内壁镀金石英气体样品池,维持实验温度,静置样品池30分钟使得气体流动均匀;
S12:拉曼光谱仪通过光纤探头在样品池窗口收集反射的拉曼散射光,光谱仪共扫描5次取平均值得到拉曼光谱图;
S13:对S12得到的拉曼光谱图进行背景扣除、基线调整、平滑去噪预处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710985405.9A CN107843581A (zh) | 2017-10-20 | 2017-10-20 | 基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710985405.9A CN107843581A (zh) | 2017-10-20 | 2017-10-20 | 基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107843581A true CN107843581A (zh) | 2018-03-27 |
Family
ID=61662632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710985405.9A Pending CN107843581A (zh) | 2017-10-20 | 2017-10-20 | 基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107843581A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109030449A (zh) * | 2018-04-25 | 2018-12-18 | 中国民航科学技术研究院 | 一种润滑油和燃油混合比快速检测方法 |
CN110530848A (zh) * | 2019-09-27 | 2019-12-03 | 国网重庆市电力公司电力科学研究院 | 一种检测装置及检测方法 |
CN110688751A (zh) * | 2019-09-24 | 2020-01-14 | 西南大学 | 铂掺杂改性石墨炔传感器检测sf6的仿真方法 |
CN111562248A (zh) * | 2020-05-15 | 2020-08-21 | 云南电网有限责任公司电力科学研究院 | 一种基于sf6内标的gis故障诊断方法 |
CN111863147A (zh) * | 2020-07-22 | 2020-10-30 | 云南电网有限责任公司电力科学研究院 | Sf6及其分解组分气体的浓度检测方法及装置 |
CN111893705A (zh) * | 2020-08-11 | 2020-11-06 | 珠海格力电器股份有限公司 | 衣物护理装置和衣物护理系统 |
CN112098392A (zh) * | 2020-09-16 | 2020-12-18 | 杭州芯河光电科技有限公司 | 一种β-胡萝卜素无损检测方法及装置 |
CN112362636A (zh) * | 2020-11-04 | 2021-02-12 | 西安建筑科技大学 | 一种基于拉曼光谱的绿泥石矿物种类鉴定方法 |
CN113916865A (zh) * | 2021-10-09 | 2022-01-11 | 中国工程物理研究院激光聚变研究中心 | 一种空心微球保气性能在线拉曼测量方法 |
CN115792136A (zh) * | 2023-01-28 | 2023-03-14 | 清华大学合肥公共安全研究院 | 气体浓度检测方法及装置、终端设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564965A (zh) * | 2011-12-31 | 2012-07-11 | 聚光科技(杭州)股份有限公司 | 基于光谱检测技术的检测方法 |
CN105319198A (zh) * | 2014-07-15 | 2016-02-10 | 中国石油化工股份有限公司 | 基于拉曼光谱解析技术的汽油苯含量预测方法 |
CN106053386A (zh) * | 2016-05-23 | 2016-10-26 | 中国人民解放军装备学院 | 一种用于吸收光谱测量的无近似Voigt线型拟合方法 |
CN206161530U (zh) * | 2016-08-31 | 2017-05-10 | 国家电网公司 | 六氟化硫分解物拉曼光谱在线监测分析仪 |
CN107121425A (zh) * | 2017-07-06 | 2017-09-01 | 中国海洋大学 | 一种高灵敏度气液两相拉曼光谱探测装置和方法 |
-
2017
- 2017-10-20 CN CN201710985405.9A patent/CN107843581A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564965A (zh) * | 2011-12-31 | 2012-07-11 | 聚光科技(杭州)股份有限公司 | 基于光谱检测技术的检测方法 |
CN105319198A (zh) * | 2014-07-15 | 2016-02-10 | 中国石油化工股份有限公司 | 基于拉曼光谱解析技术的汽油苯含量预测方法 |
CN106053386A (zh) * | 2016-05-23 | 2016-10-26 | 中国人民解放军装备学院 | 一种用于吸收光谱测量的无近似Voigt线型拟合方法 |
CN206161530U (zh) * | 2016-08-31 | 2017-05-10 | 国家电网公司 | 六氟化硫分解物拉曼光谱在线监测分析仪 |
CN107121425A (zh) * | 2017-07-06 | 2017-09-01 | 中国海洋大学 | 一种高灵敏度气液两相拉曼光谱探测装置和方法 |
Non-Patent Citations (4)
Title |
---|
QIAN WANG ET AL.: "The Density Functional Theory Research on The Raman Spectra of SF6 Decomposition Gas Products", 《CHEMICAL ENGINEERING TRANSACTIONS》 * |
李松: "变压器油中溶解气体拉曼光谱数据处理方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
李津蓉 等: "基于Voigt峰的未知成分光谱拟合算法及其在甲醇汽油定量分析中的应用", 《分析化学(FENXI HUAXUE)研究报告》 * |
李津蓉 等: "基于谱峰分解的拉曼光谱定量分析方法", 《化工学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109030449A (zh) * | 2018-04-25 | 2018-12-18 | 中国民航科学技术研究院 | 一种润滑油和燃油混合比快速检测方法 |
CN110688751A (zh) * | 2019-09-24 | 2020-01-14 | 西南大学 | 铂掺杂改性石墨炔传感器检测sf6的仿真方法 |
CN110530848A (zh) * | 2019-09-27 | 2019-12-03 | 国网重庆市电力公司电力科学研究院 | 一种检测装置及检测方法 |
CN111562248A (zh) * | 2020-05-15 | 2020-08-21 | 云南电网有限责任公司电力科学研究院 | 一种基于sf6内标的gis故障诊断方法 |
CN111863147A (zh) * | 2020-07-22 | 2020-10-30 | 云南电网有限责任公司电力科学研究院 | Sf6及其分解组分气体的浓度检测方法及装置 |
CN111893705A (zh) * | 2020-08-11 | 2020-11-06 | 珠海格力电器股份有限公司 | 衣物护理装置和衣物护理系统 |
CN112098392A (zh) * | 2020-09-16 | 2020-12-18 | 杭州芯河光电科技有限公司 | 一种β-胡萝卜素无损检测方法及装置 |
CN112362636A (zh) * | 2020-11-04 | 2021-02-12 | 西安建筑科技大学 | 一种基于拉曼光谱的绿泥石矿物种类鉴定方法 |
CN113916865A (zh) * | 2021-10-09 | 2022-01-11 | 中国工程物理研究院激光聚变研究中心 | 一种空心微球保气性能在线拉曼测量方法 |
CN113916865B (zh) * | 2021-10-09 | 2024-03-29 | 中国工程物理研究院激光聚变研究中心 | 一种空心微球保气性能在线拉曼测量方法 |
CN115792136A (zh) * | 2023-01-28 | 2023-03-14 | 清华大学合肥公共安全研究院 | 气体浓度检测方法及装置、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107843581A (zh) | 基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法 | |
Hu et al. | Rapid detection of three quality parameters and classification of wine based on Vis-NIR spectroscopy with wavelength selection by ACO and CARS algorithms | |
Chen et al. | Rapid measurement of total acid content (TAC) in vinegar using near infrared spectroscopy based on efficient variables selection algorithm and nonlinear regression tools | |
WO2017084118A1 (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
Casale et al. | NIR and UV–vis spectroscopy, artificial nose and tongue: comparison of four fingerprinting techniques for the characterisation of Italian red wines | |
CN102944583B (zh) | 基于漂移补偿的金属氧化物气体传感器阵列浓度检测方法 | |
CN103983595B (zh) | 一种基于紫外-可见光谱处理的水质浊度解算方法 | |
CN104062256B (zh) | 一种基于近红外光谱的软测量方法 | |
CN109709057A (zh) | 水质指标预测模型构建方法及水质指标监测方法 | |
CN108287141A (zh) | 一种基于光谱法的多组分气体浓度分析方法 | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
Lin et al. | Calibration set selection method based on the “M+ N” theory: application to non-invasive measurement by dynamic spectrum | |
CN103018344A (zh) | 油中色谱在线检测装置校正方法 | |
WO2017084119A1 (zh) | 一种具有无测点温度补偿功能的近红外物性参数测量方法 | |
CN104020127A (zh) | 一种利用近红外光谱快速测量烟叶中无机元素的方法 | |
US11333646B2 (en) | Gas sensor system and method | |
CN104990895A (zh) | 一种基于局部区域的近红外光谱信号标准正态校正方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN103018178A (zh) | 基于局部保持投影的红外光谱仪校准方法 | |
Gao et al. | Quantitative Detection of Multicomponent SF 6 Decomposition Products Based on Fourier Transform Infrared Spectroscopy Combined With CARS-ELM Algorithm | |
Li et al. | Filter design for molecular factor computing using wavelet functions | |
Chen et al. | Application of VMD and Mahalanobis distance combination algorithm in TDLAS methane gas detection | |
CN111141809B (zh) | 一种基于非接触式电导信号的土壤养分离子含量检测方法 | |
CN107871215A (zh) | 一种标准对经济发展影响评估模型及验证方法 | |
Wang et al. | Research on vehicle-mounted soil electrical conductivity and moisture content detection system based on current–voltage six-terminal method and spectroscopy |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180327 |