CN107860720B - 一种获取红枣品质的方法和装置 - Google Patents
一种获取红枣品质的方法和装置 Download PDFInfo
- Publication number
- CN107860720B CN107860720B CN201711448667.8A CN201711448667A CN107860720B CN 107860720 B CN107860720 B CN 107860720B CN 201711448667 A CN201711448667 A CN 201711448667A CN 107860720 B CN107860720 B CN 107860720B
- Authority
- CN
- China
- Prior art keywords
- image
- high spectrum
- jujube
- spectrum image
- polarization
- 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.)
- Expired - Fee Related
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/21—Polarisation-affecting properties
Landscapes
- Physics & Mathematics (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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明实施例公开了一种获取红枣品质的方法和装置,包括:预先获取红枣的品质和正交偏振差分图像之间的对应关系;获取待评价红枣的正交偏振差分图像,根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。相比传统红枣品质光谱无损检测,本发明实施基于红枣的正交偏振差分图像对红枣的品质进行评价,差分偏振图像放大了不同品质的红枣的差异,快速的实现了对大量红枣的整体品质分布情况的评估和检测。
Description
技术领域
本发明涉及农业技术,尤指一种获取红枣品质的方法和装置。
背景技术
南疆独特光热资源和地理优势造就了南疆红枣的独特品质(糖度高)。随着南疆红枣种植规模(超过1500万亩)持续扩大,迫切需要快速监测大面积红枣品质变化信息,解决规模化种植条件下品种选育、品质提升、机械化采收等一系列问题,保证红枣产业持续快速健康发展。
相关技术采用近红外光谱无损检测技术来检测红枣的品质差异。
相关的获取红枣品质差异的方法中,由于近红外光谱无损检测技术仅对红枣上的某一点的品质进行检测,对红枣品质的评价不够全面,检测速度慢,无法反映红枣品质的整体分布信息。
发明内容
本发明实施例提供了一种获取红枣品质的方法和装置,能够实现对红枣的整体品质分布情况的评估和检测。
本发明实施例提供了一种获取红枣品质的方法,包括:
预先获取红枣的品质和正交偏振差分图像之间的对应关系;
获取待评价红枣的正交偏振差分图像,根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。
可选的,所述对应关系中还包括红枣的位置信息和/或采集时间。
可选的,所述预先获取红枣的品质和正交偏振差分图像之间的对应关系包括:
获取不同品质的红枣的正交偏振差分图像;
保存所述红枣的品质和正交偏振差分图像之间的对应关系。
可选的,所述获取红枣的正交偏振差分图像包括:
采用添加偏振片的高光谱相机拍摄所述红枣的第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像;其中,拍摄第一高光谱图像时偏振片的偏振角度与拍摄第三高光谱图像时偏振片的偏振角度垂直,拍摄第二高光谱图像时偏振片的偏振角度与拍摄第四高光谱图像时偏振片的偏振角度垂直;
计算第一高光谱图像中第一特征波段对应的第一图像和第三高光谱图像中第一特征波段对应的第三图像之差得到第一差分图像,计算第二高光谱图像中第二特征波段对应的第二图像和第四高光谱图像中第二特征波段对应的第四图像之差得到第二差分图像;
计算第一差分图像和第二差分图像之差得到所述红枣的正交偏振差分图像。
可选的,所述高光谱相机的拍摄角度采用以下方法确定:
获取不同拍摄角度下枣皮对P光和S光的反射率光谱曲线,确定枣皮对P光的反射率光谱曲线和枣皮对S光的反射率光谱曲线之差小于或等于预设阈值的拍摄角度为高光谱相机的拍摄角度。
可选的,拍摄所述第一高光谱图像时所述偏振片的偏振角度为0度,拍摄所述第三高光谱图像时所述偏振片的偏振角度为90度;
或者,拍摄所述第一高光谱图像时所述偏振片的偏振角度为90度,拍摄所述第三高光谱图像时所述偏振片的偏振角度为0度。
可选的,拍摄所述第二高光谱图像时所述偏振片的偏振角度为45度,拍摄所述第四高光谱图像时所述偏振片的偏振角度为135度;
或者,拍摄所述第二高光谱图像时所述偏振片的偏振角度为135度,拍摄所述第四高光谱图像时所述偏振片的偏振角度为45度。
可选的,所述第一特征波段为1426纳米,所述第二特征波段为1711纳米;
或者,所述第一特征波段为1711纳米,所述第二特征波段为1426纳米。
可选的,所述计算第一图像和第三图像之差得到第一差分图像之前还包括:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理。
可选的,所述对第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理包括:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行校正、多点平滑和去噪。
可选的,所述根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质包括:
在对应关系中查找与所述待评价红枣的正交偏振差分图像相似度最高的正交偏振差分图像对应的品质,将查找到的品质作为所述待评价红枣的品质。
本发明实施例提出了一种获取红枣品质的装置,包括:
存储模块,用于预先获取红枣的品质和正交偏振差分图像之间的对应关系;
获取模块,用于获取待评价红枣的正交偏振差分图像;
评价模块,用于根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。
可选的,所述获取模块还用于:
获取不同品质的红枣的正交偏振差分图像;
所述存储模块具体用于:
保存所述红枣的品质和正交偏振差分图像之间的对应关系。
可选的,所述获取模块具体用于:
采用添加偏振片的高光谱相机拍摄所述红枣的第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像;其中,拍摄第一高光谱图像时偏振片的偏振角度与拍摄第三高光谱图像时偏振片的偏振角度垂直,拍摄第二高光谱图像时偏振片的偏振角度与拍摄第四高光谱图像时偏振片的偏振角度垂直;
计算第一高光谱图像中第一特征波段对应的第一图像和第三高光谱图像中第一特征波段对应的第三图像之差得到第一差分图像,计算第二高光谱图像中第二特征波段对应的第二图像和第四高光谱图像中第二特征波段对应的第四图像之差得到第二差分图像;
计算第一差分图像和第二差分图像之差得到所述红枣的正交偏振差分图像。
可选的,所述获取模块还用于:
获取不同拍摄角度下枣皮对P光和S光的反射率光谱曲线,确定枣皮对P光的反射率光谱曲线和枣皮对S光的反射率光谱曲线之差小于或等于预设阈值的拍摄角度为高光谱相机的拍摄角度。
可选的,所述获取模块还用于:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理。
可选的,所述评价模块具体用于:
在对应关系中查找与所述待评价红枣的正交偏振差分图像相似度最高的正交偏振差分图像对应的品质,将查找到的品质作为所述待评价红枣的品质。
本发明实施例提出了一种终端,包括处理器和计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令被所述处理器执行时,实现上述任一种获取红枣品质的方法。
本发明实施例提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种获取红枣品质的方法的步骤。
与相关技术相比,本发明实施例包括:预先获取红枣的品质和正交偏振差分图像之间的对应关系;获取待评价红枣的正交偏振差分图像,根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。相比传统红枣品质光谱无损检测,本发明实施基于红枣的正交偏振差分图像对红枣的品质进行评价,差分偏振图像放大了不同品质的红枣的差异,快速的实现了对大量红枣的整体品质分布情况的的评估和检测。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为本发明实施例获取红枣品质的方法的流程图;
图2为本发明实施例不同拍摄角度枣皮对P光和S光的反射率光谱曲线示意图;
图3为本发明实施例获取红枣品质的装置的结构组成示意图;
图4为本发明实施例设备的结构组成示意图。
具体实施方式
下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
参见图1,本发明实施例提出了一种获取红枣品质的方法,包括:
步骤100、预先获取红枣的品质和正交偏振差分图像之间的对应关系。
本申请中,红枣的品质可以采用红枣的理化参数来表示,理化参数例如水分、酸度、糖分、大小等中的至少一种。
本申请中,可选的,对应关系还包括红枣的位置信息和/或采集时间。
其中,红枣的位置信息可以采用以下方式获得。
获取预设枣园的预设区域的预设点的位置信息,根据预设枣园的预设区域的预设点的位置信息获取预设枣园的预设区域内的所有红枣的位置信息。
其中,预设枣园的预设区域的预设点可以是预设枣园的预设区域的任意一点(例如中心点)、或者,预设枣园的预设区域内高光谱相机的视场内的任意一点(例如中心)所对应的点。
其中,可以采用全球定位系统(GPS,Global Position System)获取预设枣园的预设区域的预设点的位置信息。
本申请中,预先获取红枣的品质和正交偏振差分图像之间的对应关系包括:
获取不同品质的红枣的正交偏振差分图像;保存所述红枣的品质和正交偏振差分图像之间的对应关系。
具体的,可以将对应关系保存在数据库中,或者保存在列表中。
步骤101、获取待评价红枣的正交偏振差分图像,根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。
本申请中,根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质包括:
在对应关系中查找与所述待评价红枣的正交偏振差分图像相似度最高的正交偏振差分图像对应的品质,将查找到的品质作为所述待评价红枣的品质。
其中,可以采用本领域技术人员的熟知技术手段计算待评价红枣的正交偏振差分图像和对应关系中的正交偏振差分图像的相似度,这里不再赘述。
本申请中,获取红枣的正交偏振差分图像包括:
采用添加偏振片的高光谱相机拍摄所述红枣的第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像;其中,拍摄第一高光谱图像时偏振片的偏振角度与拍摄第三高光谱图像时偏振片的偏振角度垂直,拍摄第二高光谱图像时偏振片的偏振角度与拍摄第四高光谱图像时偏振片的偏振角度垂直;
计算第一高光谱图像中第一特征波段对应的第一图像和第三高光谱图像中第一特征波段对应的第三图像之差得到第一差分图像,计算第二高光谱图像中第二特征波段对应的第二图像和第四高光谱图像中第二特征波段对应的第四图像之差得到第二差分图像;
计算第一差分图像和第二差分图像之差得到所述红枣的正交偏振差分图像。
其中,高光谱相机的拍摄角度采用以下方法确定:
获取不同拍摄角度下枣皮对P光和S光的反射率光谱曲线,确定枣皮对P光的反射率光谱曲线和枣皮对S光的反射率光谱曲线之差小于或等于预设阈值的拍摄角度为高光谱相机的拍摄角度。
其中,可以采用光谱椭偏仪获取不同拍摄角度下枣皮对P光和S光的反射率光谱曲线。
图2为本发明实施例不同拍摄角度下枣皮对P光和S光的反射率光谱曲线。如图2所示,横坐标为波长,纵坐标为反射率。图中曲线1为拍摄角度为85°时枣皮对S光的反射率光谱曲线,曲线2为拍摄角度为85°时枣皮对P光的反射率光谱曲线,曲线3为拍摄角度为75°时枣皮对S光的反射率光谱曲线,曲线4为拍摄角度为85°时枣皮对P光的反射率光谱曲线,曲线5为拍摄角度为80°时枣皮对P光的反射率光谱曲线,曲线6为拍摄角度为80°时枣皮对S光的反射率光谱曲线。从图中可以看出,当拍摄角度为75°时,枣皮对P光和S光的反射率光谱具有较好的一致性。可以作为户外测量的最佳拍摄角度。
其中,拍摄所述第一高光谱图像时所述偏振片的偏振角度为0度,拍摄所述第三高光谱图像时所述偏振片的偏振角度为90度;
或者,拍摄所述第一高光谱图像时所述偏振片的偏振角度为90度,拍摄所述第三高光谱图像时所述偏振片的偏振角度为0度。
其中,拍摄所述第二高光谱图像时所述偏振片的偏振角度为45度,拍摄所述第四高光谱图像时所述偏振片的偏振角度为135度;
或者,拍摄所述第二高光谱图像时所述偏振片的偏振角度为135度,拍摄所述第四高光谱图像时所述偏振片的偏振角度为45度。
其中,高光谱相机的响应波长范围为900纳米(nm)~1700nm。
第一高光谱图像中包括高光谱相机的响应波长范围内每一个波段对应的第一图像,第二高光谱图像中包括高光谱相机的响应波长范围内每一个波段对应的第二图像,第三高光谱图像中包括高光谱相机的响应波长范围内每一个波段对应的第三图像,第四高光谱图像中包括高光谱相机的响应波长范围内每一个波段对应的第四图像。
第一特征波段为1426纳米,所述第二特征波段为1711纳米;
或者,所述第一特征波段为1711纳米,所述第二特征波段为1426纳米。
可选的,计算第一图像和第三图像之差得到第一差分图像之前还包括:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理。具体的,对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行校正、多点平滑和去噪。
其中,可以采用包络线去除的方法进行去噪,包络线去除是将反射波谱归一化的一种方法,能有效地抑制噪声和突出曲线的吸收和反射特征,经过包络线去除后的图像,有效的抑制了噪声,突出了地物波谱的特征信息,便于图像分类和识别。
相比传统红枣品质光谱无损检测,本发明实施基于红枣的正交偏振差分图像对红枣的品质进行评价,差分偏振图像放大了不同品质的红枣的差异,快速的实现了对大量红枣的整体品质分布情况的的评估和检测。
参见图3,本发明实施例提出了一种获取红枣品质的装置,包括:
存储模块,用于预先获取红枣的品质和正交偏振差分图像之间的对应关系;
获取模块,用于获取待评价红枣的正交偏振差分图像;
评价模块,用于根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。
可选的,所述获取模块还用于:
获取不同品质的红枣的正交偏振差分图像;
所述存储模块具体用于:
保存所述红枣的品质和正交偏振差分图像之间的对应关系。
可选的,所述获取模块具体用于:
采用添加偏振片的高光谱相机拍摄所述红枣的第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像;其中,拍摄第一高光谱图像时偏振片的偏振角度与拍摄第三高光谱图像时偏振片的偏振角度垂直,拍摄第二高光谱图像时偏振片的偏振角度与拍摄第四高光谱图像时偏振片的偏振角度垂直;
计算第一高光谱图像中第一特征波段对应的第一图像和第三高光谱图像中第一特征波段对应的第三图像之差得到第一差分图像,计算第二高光谱图像中第二特征波段对应的第二图像和第四高光谱图像中第二特征波段对应的第四图像之差得到第二差分图像;
计算第一差分图像和第二差分图像之差得到所述红枣的正交偏振差分图像。
可选的,所述获取模块还用于:
获取不同拍摄角度下枣皮对P光和S光的反射率光谱曲线,确定枣皮对P光的反射率光谱曲线和枣皮对S光的反射率光谱曲线之差小于或等于预设阈值的拍摄角度为高光谱相机的拍摄角度。
可选的,所述获取模块还用于:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理。
可选的,所述评价模块具体用于:
在对应关系中查找与所述待评价红枣的正交偏振差分图像相似度最高的正交偏振差分图像对应的品质,将查找到的品质作为所述待评价红枣的品质。
参见图4,本发明实施例提出了一种终端,包括处理器和计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令被所述处理器执行时,实现上述任一种获取红枣品质的方法。
本发明实施例提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种获取红枣品质的方法的步骤。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (17)
1.一种获取红枣品质的方法,其特征在于,包括:
预先获取红枣的品质和正交偏振差分图像之间的对应关系;
采用添加偏振片的高光谱相机拍摄待评价红枣的第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像;其中,拍摄第一高光谱图像时偏振片的偏振角度与拍摄第三高光谱图像时偏振片的偏振角度垂直,拍摄第二高光谱图像时偏振片的偏振角度与拍摄第四高光谱图像时偏振片的偏振角度垂直;
计算第一高光谱图像中第一特征波段对应的第一图像和第三高光谱图像中第一特征波段对应的第三图像之差得到第一差分图像,计算第二高光谱图像中第二特征波段对应的第二图像和第四高光谱图像中第二特征波段对应的第四图像之差得到第二差分图像;
计算第一差分图像和第二差分图像之差得到所述待评价红枣的正交偏振差分图像;
根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。
2.根据权利要求1所述的方法,其特征在于,所述对应关系中还包括红枣的位置信息和/或采集时间。
3.根据权利要求1所述的方法,其特征在于,所述预先获取红枣的品质和正交偏振差分图像之间的对应关系包括:
获取不同品质的红枣的正交偏振差分图像;
保存所述红枣的品质和正交偏振差分图像之间的对应关系。
4.根据权利要求1所述的方法,其特征在于,所述高光谱相机的拍摄角度采用以下方法确定:
获取不同拍摄角度下枣皮对P光和S光的反射率光谱曲线,确定枣皮对P光的反射率光谱曲线和枣皮对S光的反射率光谱曲线之差小于或等于预设阈值的拍摄角度为高光谱相机的拍摄角度。
5.根据权利要求1所述的方法,其特征在于,拍摄所述第一高光谱图像时所述偏振片的偏振角度为0度,拍摄所述第三高光谱图像时所述偏振片的偏振角度为90度;
或者,拍摄所述第一高光谱图像时所述偏振片的偏振角度为90度,拍摄所述第三高光谱图像时所述偏振片的偏振角度为0度。
6.根据权利要求1所述的方法,其特征在于,拍摄所述第二高光谱图像时所述偏振片的偏振角度为45度,拍摄所述第四高光谱图像时所述偏振片的偏振角度为135度;
或者,拍摄所述第二高光谱图像时所述偏振片的偏振角度为135度,拍摄所述第四高光谱图像时所述偏振片的偏振角度为45度。
7.根据权利要求1所述的方法,其特征在于,所述第一特征波段为1426纳米,所述第二特征波段为1711纳米;
或者,所述第一特征波段为1711纳米,所述第二特征波段为1426纳米。
8.根据权利要求1所述的方法,其特征在于,所述计算第一图像和第三图像之差得到第一差分图像之前还包括:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理。
9.根据权利要求8所述的方法,其特征在于,所述对第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理包括:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行校正、多点平滑和去噪。
10.根据权利要求1或2所述的方法,其特征在于,所述根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质包括:
在对应关系中查找与所述待评价红枣的正交偏振差分图像相似度最高的正交偏振差分图像对应的品质,将查找到的品质作为所述待评价红枣的品质。
11.一种获取红枣品质的装置,其特征在于,包括:
存储模块,用于预先获取红枣的品质和正交偏振差分图像之间的对应关系;
获取模块,用于采用添加偏振片的高光谱相机拍摄所述红枣的第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像;其中,拍摄第一高光谱图像时偏振片的偏振角度与拍摄第三高光谱图像时偏振片的偏振角度垂直,拍摄第二高光谱图像时偏振片的偏振角度与拍摄第四高光谱图像时偏振片的偏振角度垂直;
计算第一高光谱图像中第一特征波段对应的第一图像和第三高光谱图像中第一特征波段对应的第三图像之差得到第一差分图像,计算第二高光谱图像中第二特征波段对应的第二图像和第四高光谱图像中第二特征波段对应的第四图像之差得到第二差分图像;
计算第一差分图像和第二差分图像之差得到所述红枣的正交偏振差分图像;
评价模块,用于根据待评价红枣的正交偏振差分图像和对应关系确定待评价红枣的品质。
12.根据权利要求11所述的装置,其特征在于,所述获取模块还用于:
获取不同品质的红枣的正交偏振差分图像;
所述存储模块具体用于:
保存所述红枣的品质和正交偏振差分图像之间的对应关系。
13.根据权利要求11所述的装置,其特征在于,所述获取模块还用于:
获取不同拍摄角度下枣皮对P光和S光的反射率光谱曲线,确定枣皮对P光的反射率光谱曲线和枣皮对S光的反射率光谱曲线之差小于或等于预设阈值的拍摄角度为高光谱相机的拍摄角度。
14.根据权利要求11所述的装置,其特征在于,所述获取模块还用于:
对所述第一高光谱图像、第二高光谱图像、第三高光谱图像和第四高光谱图像进行预处理。
15.根据权利要求11所述的装置,其特征在于,所述评价模块具体用于:
在对应关系中查找与所述待评价红枣的正交偏振差分图像相似度最高的正交偏振差分图像对应的品质,将查找到的品质作为所述待评价红枣的品质。
16.一种终端,包括处理器和计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当所述指令被所述处理器执行时,实现如权利要求1~10任一项所述的获取红枣品质的方法。
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~10任一项所述的获取红枣品质的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711448667.8A CN107860720B (zh) | 2017-12-27 | 2017-12-27 | 一种获取红枣品质的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711448667.8A CN107860720B (zh) | 2017-12-27 | 2017-12-27 | 一种获取红枣品质的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107860720A CN107860720A (zh) | 2018-03-30 |
CN107860720B true CN107860720B (zh) | 2019-11-19 |
Family
ID=61707488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711448667.8A Expired - Fee Related CN107860720B (zh) | 2017-12-27 | 2017-12-27 | 一种获取红枣品质的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107860720B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872140B (zh) * | 2018-05-09 | 2021-01-19 | 塔里木大学 | 一种户外监测红枣品质的方法及装置 |
CN109580513B (zh) * | 2018-12-18 | 2021-06-11 | 塔里木大学 | 一种近地面遥感红枣含水率检测方法和装置 |
CN109459391B (zh) * | 2019-01-07 | 2021-07-23 | 塔里木大学 | 一种红枣品质检测、红枣偏振检测模型生成方法及装置 |
CN109827910B (zh) * | 2019-01-22 | 2021-05-04 | 塔里木大学 | 一种建立果园数据快速监测处理方法 |
CN109655426B (zh) * | 2019-01-30 | 2021-04-20 | 塔里木大学 | 一种识别红枣光谱图像中目标红枣的方法及装置 |
CN113466142B (zh) * | 2021-06-17 | 2023-04-21 | 塔里木大学 | 一种多尺度果品散射偏振光谱成像定量检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050140930A1 (en) * | 2003-12-31 | 2005-06-30 | Symbol Technologies, Inc. | Color laser projection display |
CN104251839B (zh) * | 2014-09-04 | 2017-01-25 | 塔里木大学 | 南疆红枣建模用南疆红枣样品成分的光谱分离检测方法 |
CN105809109B (zh) * | 2016-02-24 | 2019-01-25 | 塔里木大学 | 一种基于品质特征全息相关存储技术的红枣品质快速无损识别方法 |
CN106525732B (zh) * | 2016-10-25 | 2021-08-17 | 沈阳农业大学 | 基于高光谱成像技术的苹果内外品质快速无损检测方法 |
-
2017
- 2017-12-27 CN CN201711448667.8A patent/CN107860720B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN107860720A (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107860720B (zh) | 一种获取红枣品质的方法和装置 | |
Gené-Mola et al. | In-field apple size estimation using photogrammetry-derived 3D point clouds: Comparison of 4 different methods considering fruit occlusions | |
WO2023029373A1 (zh) | 一种高精度的农田植被信息提取方法 | |
CN104482860B (zh) | 鱼类形态参数自动测量装置和方法 | |
Piayda et al. | Influence of woody tissue and leaf clumping on vertically resolved leaf area index and angular gap probability estimates | |
Hsieh et al. | A simple and effective digital imaging approach for tuna fish length measurement compatible with fishing operations | |
CN108918820B (zh) | 获取耕地土壤盐渍化程度等级分布的方法和装置 | |
Grotti et al. | An intensity, image-based method to estimate gap fraction, canopy openness and effective leaf area index from phase-shift terrestrial laser scanning | |
CN112131946B (zh) | 光学遥感影像植被和水体信息自动提取方法 | |
CN106663192B (zh) | 用闪光灯、相机和自动化图像分析检测水果的方法和系统 | |
CN108872140A (zh) | 一种户外监测红枣品质的方法及装置 | |
US20220366668A1 (en) | Image processing apparatus, image processing method, and image processing program | |
EP2731052A2 (en) | Spectral scene simplification through background substraction | |
Lati et al. | Plant growth parameter estimation from sparse 3D reconstruction based on highly-textured feature points | |
Ando et al. | Robust surface reconstruction of plant leaves from 3D point clouds | |
Li et al. | Seasonal change of leaf and woody area profiles in a midlatitude deciduous forest canopy from classified dual-wavelength terrestrial lidar point clouds | |
CN110188657A (zh) | 基于卷曲叶片检测的玉米干旱识别方法 | |
Qu et al. | Estimation of leaf area index using inclined smartphone camera | |
Li et al. | Determination of the leaf inclination angle (LIA) through field and remote sensing methods: current status and future prospects | |
CN109377476B (zh) | 遥感影像云检测特征参数的动态阈值获取方法及装置 | |
Hanssen et al. | Assessment of defoliation during a pine sawfly outbreak: Calibration of airborne laser scanning data with hemispherical photography | |
Umarhadi et al. | Regression model accuracy comparison on mangrove canopy density mapping | |
Jia et al. | Location of the maize plant with machine vision | |
CN103322946A (zh) | 一种获取玉米冠层孔隙度的方法 | |
CN114494501B (zh) | 一种水体叶绿素a的重构方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191119 Termination date: 20211227 |
|
CF01 | Termination of patent right due to non-payment of annual fee |