CN108198165A - 籽粒真密度的测量方法及测量装置 - Google Patents

籽粒真密度的测量方法及测量装置 Download PDF

Info

Publication number
CN108198165A
CN108198165A CN201711262382.5A CN201711262382A CN108198165A CN 108198165 A CN108198165 A CN 108198165A CN 201711262382 A CN201711262382 A CN 201711262382A CN 108198165 A CN108198165 A CN 108198165A
Authority
CN
China
Prior art keywords
volume
cavity
kernel
grain
seed
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
Application number
CN201711262382.5A
Other languages
English (en)
Other versions
CN108198165B (zh
Inventor
郭新宇
赵春江
张颖
杜建军
马黎明
潘晓迪
王璟璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Center for Information Technology in Agriculture
Original Assignee
Beijing Research Center for Information Technology in Agriculture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Center for Information Technology in Agriculture filed Critical Beijing Research Center for Information Technology in Agriculture
Priority to CN201711262382.5A priority Critical patent/CN108198165B/zh
Publication of CN108198165A publication Critical patent/CN108198165A/zh
Application granted granted Critical
Publication of CN108198165B publication Critical patent/CN108198165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/245—Earth materials for agricultural purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明提供了一种籽粒真密度的测量方法及测量装置。方法包括：获取籽粒的CT序列图像以及籽粒的质量；根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；根据所述籽粒的质量和所述有效体积计算籽粒的真密度。本发明实现了非破坏性、非侵入性以及准确计算出籽粒的空腔体积，并根据籽粒的空腔体积计算出籽粒的真密度，提高计算籽粒密度的精准度和计算效率，并且重复操作性好。

Description

籽粒真密度的测量方法及测量装置
技术领域
本发明涉及农业技术领域，具体涉及一种籽粒真密度的测量方法及测量装置。
背景技术
种子的品质特性直接影响作物的产量，种子的品质特征主要包括淀粉含量、脂肪含量、蛋白组成、籽粒重量、籽粒密度、籽粒硬度、籽粒含水率等。其中淀粉含量、脂肪含量、蛋白组成等已有广泛使用的测定方法。籽粒密度是根据单粒种子的实际体积和质量求出的密度。
目前，测量种子的密度，常用的方法大致分成两类，一是量筒法，测量一定重量的种子排开液体的体积，进而求出种子密度；二是气体比重法，测量一定重量的种子排开的空气后，从而求出种子密度。
但是这两种方法均无法精确获取单粒种子的体积，仅能计算得到被测种子的平均体积，因此导致所获得的种子密度结果的准确度差、计算方法重复性不好的问题。
发明内容
针对现有技术中的缺陷，本发明提供一种籽粒真密度的测量方法及测量装置，实现了对单粒种子的体积的准确测量，提高测量种子密度的精度。
为实现上述目的，本发明提供以下技术方案：
一方面，本发明提供了一种籽粒真密度的测量方法，包括：
获取籽粒的CT序列图像以及籽粒的质量；
根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；
采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；
根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；
根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
进一步地，所述采用图像分割法对所述体素模型进行分割获取籽粒空腔的体积的步骤，具体包括：
在籽粒中空腔不与外部空间连通时，则采用填充操作获取籽粒空腔的体积；
在籽粒中空腔与外部空间连通时，则采用图像封闭操作获取籽粒的空腔后，根据填充操作获取籽粒空腔的体积。
进一步地，采用显微CT设备对籽粒进行扫描，获取籽粒三维透射的CT序列图像。
进一步地，籽粒的有效体积为所述籽粒的实际体积与所述空腔的体积之间的体积差值。
进一步地，籽粒的真密度为所述籽粒的质量与所述有效体积的比值。
另一方面，本发明还提供了一种籽粒真密度的测量装置，包括：
采集单元，用于获取籽粒的CT序列图像以及籽粒的质量；
图像重构单元，用于根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；
图像分割单元，用于采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；
第一计算单元，用于根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；
第二计算单元，用于根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
进一步地，所述图形分割单元，包括：
第一分割模块，用于在籽粒中空腔不与外部空间连通，则采用填充操作获取籽粒空腔的体积；
第二分割模块，用于在籽粒中空腔与外部空间连通，则采用图像封闭操作获取籽粒的空腔后，根据填充操作获取籽粒空腔的体积。
另一方面，本发明还提供了一种电子设备，包括：处理器、存储器和总线；其中，
处理器和存储器通过总线完成相互间的通信；
处理器用于调用存储器中的程序指令，以执行上述籽粒真密度的测量方法。
另一方面，本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述籽粒真密度的测量方法。
由上述技术方案可知，本发明所述的一种籽粒真密度的测量方法及测量装置，通过获取CT序列图像并根据图像重构体素模型，在体素模型的基础上计算空腔的体积以及籽粒的密度，实现了非破坏性、非侵入性以及准确计算出籽粒的空腔体积，并根据高精度的籽粒的空腔体积计算出籽粒的真密度，提高计算密度的精准度和计算效率，并且重复操作性好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一个实施例提供的籽粒真密度的测量方法的流程示意图；
图2是本发明第一个实施例提供的籽粒真密度的测量方法中步骤S103的一种具体实施方式的流程示意图；
图3是本发明第二个实施例提供的籽粒真密度的测量装置结构示意图；
图4是本发明第三个实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明下述实施例提出了籽粒真密度的测量方法及测量装置。
本发明第一个实施例提供的籽粒真密度的测量方法，参见图1，该方法具体包括如下步骤：
S101：获取籽粒的CT序列图像以及籽粒的质量；
在本步骤中，利用显微CT设备对籽粒进行高分辨率扫描成像，得到籽粒三维透射的CT序列图像。在进行显微CT扫描时，籽粒直接进行显微CT扫描，显微CT设备的扫描参数设置为：扫描电压40kV，电流250uA，模式设置为2K模式，分辨率8μm，X-ray光源到探测器的距离282.7000mm，X-ray光源到待扫描籽粒的距离215.601mm，180°旋转扫描，旋转步长为0.6度。采用高精度天平测得被扫描籽粒的重量。
S102：根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；
在本步骤中，将上述步骤S101中扫描获得的一系列三维透射的CT序列图像，基于序列断层扫描图像进行三维重构，将所述断层扫描图像转换为8位(8-bit)未压缩BMP格式的截面灰度图像，得到籽粒样本的三维模型。优选的重构参数为：动态图像范围-100-13000(in HU)，对准补偿(post alignment)0.5-1.0，光束硬化校正(beam-hardeningcorrection)60-80，环状伪影减少(ring-artifacts reduction)5-15。并根据软件的输出选项计算出籽粒的实际体积。其中，被扫描籽粒重构的体素模型与原籽粒的比例为1:1，在通过软件计算籽粒的实际体积中，已经建立体素模型上的单个像素点所代表的实际尺寸。
S103：采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；
在本步骤中，根据籽粒的胚、胚乳、空腔的统计CT值差异，采用阈值分割法，对籽粒的空腔进行分割，进而计算出籽粒空腔的体积。
S104：根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；
在本步骤中，根据步骤S102中获取的籽粒的实际体积减去步骤S103中获取的籽粒中空腔的体积得到籽粒的有效体积，该有效体积主要包括：籽粒中胚的体积、胚乳的体积以及种皮的体积。
S105：根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
在本步骤中，根据籽粒的质量除以籽粒的有效体积得到籽粒的真密度。
从上述描述可知，本发明实施例提供的一籽粒真密度的测量方法，通过获取CT序列图像并根据图像重构体素模型，在体素模型的基础上计算空腔的体积以及籽粒的密度，实现了非破坏性、非侵入性以及准确计算出籽粒的空腔体积，并根据高精度的籽粒的空腔体积计算出籽粒的真密度，提高计算种子密度的精准度和计算效率，并且重复操作性好。
在一种可选实施方式中，提供了上述步骤S103的一种具体实施方式。参见图2，上述步骤S103具体包括如下步骤：
S1031：在籽粒中空腔不与外部空间连通时，则采用填充操作获取籽粒空腔的体积；
在本步骤中，如果籽粒内部的空腔部分不与外部空间连通，则直接采用填充(Floodfill)的方式即可得到籽粒中空腔的体积。
S1032：在籽粒中空腔与外部空间连通时，则采用闭合操作获取籽粒的空腔后，根据填充操作获取籽粒空腔的体积。
在本步骤中，如果籽粒内部的空腔部分与外部空间连通，采用区域生长(Regiongrowing)法得到籽粒的空腔部分并进行连通空腔以使空腔形成闭合状态，采用封闭(Close)操作进一步得到籽粒的空腔体积
从上述描述可知，本发明实施例提供的具体实施方式，能够简单快速的将空腔进行分割，保证了空腔边缘的封闭性。
为更近一步的对本发明的方法进行详细说明，本法明提供一种具体应用实例，具体内容如下：
具体地，以自交系名称为：阿西-10、中128、中7491、中黄64、K12、许178、218、中72。8个自交系玉米籽粒，按照以上述方法实施例测定籽粒真密度：
用于测定的8份自交系玉米籽粒的真密度测定结果如表1所示，每个自交系3个重复值，结果显示，8份自交系籽粒材料的3个重复的变异系数在2.0以下，籽粒真密度的测定结果重复性较好。
表1自交系玉米籽粒的真密度测定结果
从上述描述可知，本发明提供的一种籽粒真密度的测量方法及测量装置，能够提高计算籽粒密度的精准度和计算效率，并且重复操作性好，具有重要的应用价值。
本发明第二个实施例提供的籽粒真密度的测量装置，参见图3，具体包括：
采集单元10，用于获取籽粒的CT序列图像以及籽粒的质量；
图像重构单元20，用于根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；
图像分割单元30，用于采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；
第一计算单元40，用于根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；
第二计算单元50，用于根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
所述图形分割单元30，包括：
第一分割模块301，用于在籽粒中空腔不与外部空间连通，则采用填充操作获取籽粒空腔的体积；
第二分割模块302，用于在籽粒中空腔与外部空间连通，则采用图像封闭操作获取籽粒的空腔后，根据填充操作获取籽粒空腔的体积。
从上述描述可知，本发明实施例提供的一种籽粒真密度的测量装置，通过获取CT序列图像并根据图像重构体素模型，在体素模型的基础上计算空腔的体积以及籽粒的密度，实现了非破坏性、非侵入性以及准确计算出籽粒的空腔体积，并根据高精度的籽粒的空腔体积计算出籽粒的真密度，提高计算密度的精准度和计算效率，并且重复操作性好。
本发明实施例三提供了一种电子设备，参见图4，该电子设备可以包括：处理器11、存储器12、总线13及存储在存储器12上并可在处理器11上运行的计算机程序；
其中，所述处理器11，存储器12通过所述总线13完成相互间的通信；
所述处理器11执行所述计算机程序时实现上述各方法实施例所提供的方法，例如包括：
获取籽粒的CT序列图像以及籽粒的质量；根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
本发明实施例四提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例所提供的方法，例如包括：获取籽粒的CT序列图像以及籽粒的质量；根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置/系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释呈反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。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组合。本发明并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (9)

1.一种籽粒真密度的测量方法，其特征在于，所述测量方法包括：
获取籽粒的CT序列图像以及籽粒的质量；
根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；
采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；
根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；
根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
2.根据权利要求1所述的测量方法，其特征在于，所述采用图像分割法对所述体素模型进行分割获取籽粒空腔的体积的步骤，具体包括：
在籽粒中空腔不与外部空间连通时，则采用填充操作获取籽粒空腔的体积；
在籽粒中空腔与外部空间连通时，则采用图像封闭操作获取籽粒的空腔后，根据填充操作获取籽粒空腔的体积。
3.根据权利要求1所述的测量方法，其特征在于，采用显微CT设备对籽粒进行扫描，获取籽粒三维透射的CT序列图像。
4.根据权利要求1所述的测量方法，其特征在于，籽粒的有效体积为所述籽粒的实际体积与所述空腔的体积之间的体积差值。
5.根据权利要求1所述的测量方法，其特征在于，籽粒的真密度为所述籽粒的质量与所述有效体积的比值。
6.一种籽粒真密度的测量装置，其特征在于，所述测量装置包括：
采集单元，用于获取籽粒的CT序列图像以及籽粒的质量；
图像重构单元，用于根据所述CT序列图像重构籽粒的体素模型，并获取籽粒的实际体积；
图像分割单元，用于采用图像分割法对所述体素模型进行分割，获取籽粒空腔的体积；
第一计算单元，用于根据所述籽粒的实际体积和所述空腔的体积计算籽粒的有效体积；
第二计算单元，用于根据所述籽粒的质量和所述有效体积计算籽粒的真密度。
7.根据权利要求6所述的测量装置，其特征在于，所述图形分割单元，包括：
第一分割模块，用于在籽粒中空腔不与外部空间连通，则采用填充操作获取籽粒空腔的体积；
第二分割模块，用于在籽粒中空腔与外部空间连通，则采用图像封闭操作获取籽粒的空腔后，根据填充操作获取籽粒空腔的体积。
8.一种电子设备，其特征在于，包括：处理器、存储器和总线；其中，
处理器和存储器通过总线完成相互间的通信；
处理器用于调用存储器中的程序指令，以执行权利要求1-5任一项所述的籽粒真密度的测量方法。
9.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1-5任一项所述的籽粒真密度的测量方法。
CN201711262382.5A 2017-12-04 2017-12-04 籽粒真密度的测量方法及测量装置 Active CN108198165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711262382.5A CN108198165B (zh) 2017-12-04 2017-12-04 籽粒真密度的测量方法及测量装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711262382.5A CN108198165B (zh) 2017-12-04 2017-12-04 籽粒真密度的测量方法及测量装置

Publications (2)

Publication Number Publication Date
CN108198165A true CN108198165A (zh) 2018-06-22
CN108198165B CN108198165B (zh) 2020-06-09

Family

ID=62573608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711262382.5A Active CN108198165B (zh) 2017-12-04 2017-12-04 籽粒真密度的测量方法及测量装置

Country Status (1)

Country Link
CN (1) CN108198165B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111579427A (zh) * 2020-05-22 2020-08-25 山东农业大学 一种玉米籽粒内部组分密度测量方法及系统
CN113447502A (zh) * 2021-06-25 2021-09-28 河南工业大学 一种粮食杂质含量的检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0618437A1 (de) * 1993-03-31 1994-10-05 Hagen Batterie Ag Verfahren und Vorrichtung zur Bestimmung wenigstens eines physikalischen Parameters von Akkumulator-Elektrodenplatten
CN101153850A (zh) * 2006-09-30 2008-04-02 长安大学 一种沥青混合料的检测方法及系统
CN102147402A (zh) * 2011-03-08 2011-08-10 江苏大学 机器视觉技术快速检测鸡蛋新鲜度的方法
CN105723423A (zh) * 2013-10-30 2016-06-29 皇家飞利浦有限公司 体积图像数据可视化
CN106644864A (zh) * 2016-12-05 2017-05-10 中国计量科学研究院 Pm2.5切割器切割特性检测用标准物质的定值方法及测量系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0618437A1 (de) * 1993-03-31 1994-10-05 Hagen Batterie Ag Verfahren und Vorrichtung zur Bestimmung wenigstens eines physikalischen Parameters von Akkumulator-Elektrodenplatten
CN101153850A (zh) * 2006-09-30 2008-04-02 长安大学 一种沥青混合料的检测方法及系统
CN102147402A (zh) * 2011-03-08 2011-08-10 江苏大学 机器视觉技术快速检测鸡蛋新鲜度的方法
CN105723423A (zh) * 2013-10-30 2016-06-29 皇家飞利浦有限公司 体积图像数据可视化
CN106644864A (zh) * 2016-12-05 2017-05-10 中国计量科学研究院 Pm2.5切割器切割特性检测用标准物质的定值方法及测量系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CASSANDRA K. WALKER, JOSEPH F. PANOZZO: "Measuring volume and density of a barley grain using ellipsoid approximation from a 2-D digital image", 《JOURNAL OF CEREAL SCIENCE》 *
SHIVANGI KELKAR 等: "Developing novel 3D measurement techniques and prediction method for food density determination", 《PROCEDIA FOOD SCIENCE》 *
史琳 等: "基于显微CT技术的结焦砂3维孔隙结构精细表征", 《清华大学学报（自然科学版）》 *
肖波 等: "《生物质热化学转化技术》", 30 June 2016 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111579427A (zh) * 2020-05-22 2020-08-25 山东农业大学 一种玉米籽粒内部组分密度测量方法及系统
CN111579427B (zh) * 2020-05-22 2021-09-07 山东农业大学 一种玉米籽粒内部组分密度测量方法及系统
CN113447502A (zh) * 2021-06-25 2021-09-28 河南工业大学 一种粮食杂质含量的检测方法

Also Published As

Publication number Publication date
CN108198165B (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN108198165B (zh) 籽粒真密度的测量方法及测量装置
JP6564254B2 (ja) Ｘ線ｃｔ装置及びその制御方法
Gunz et al. The mammalian bony labyrinth reconsidered, introducing a comprehensive geometric morphometric approach
ES2964215T3 (es) Inspección de artículos mediante obtención de imágenes por radiación usando un enfoque de coincidencia de proyecciones iterativo
KR102342575B1 (ko) 광섬유 번들 이미지 처리 방법 및 장치
JPWO2017069286A1 (ja) Ｘ線装置、データ処理装置及びデータ処理方法
JP6888041B2 (ja) 医用矢状面画像を取得する方法、医用矢状面画像を取得するニューラルネットワークのトレーニング方法及びコンピュータ装置
US20150125061A1 (en) Apparatus and Method for Reconstructing an Image Using High-Energy-Based Data
US20190034749A1 (en) Methods and systems for imaging performance analysis
JP5681924B2 (ja) サンプルの立体表現を決定するためのコンピュータ断層撮影法、コンピュータソフトウェア、計算装置およびコンピュータ断層撮影システム
US20170032702A1 (en) Method and Apparatus For Generating an Ultrasound Scatterer Representation
CN117321639A (zh) 用于所存储商品的电磁成像的深度学习
CN110113996A (zh) 用于暗场成像的系统和方法
Barigou et al. X-ray micro-computed tomography for resolving food microstructures
Tan et al. Influence of scan resolution, thresholding, and reconstruction algorithm on computed tomography-based kinematic measurements
JP6262869B2 (ja) 乳房パラメータマップの生成
CN108195724B (zh) 籽粒成分含量的测量方法及测量装置
Mustafa et al. Sparse-view spectral CT reconstruction using deep learning
Briguglio et al. Changing investigation perspectives: methods and applications of computed tomography on larger benthic foraminifera
CN108254418A (zh) 电容与超声层析成像多模态融合的三维变分方法
CN116269501A (zh) 基于模糊熵的超声成像方法、装置、计算机设备及介质
US10037616B2 (en) Apparatus and method for reconstructing image using microwave
Van de Casteele et al. Discrete tomography in an in vivo small animal bone study
RU2690709C1 (ru) Способ измерения внутреннего объема объекта
Sidky et al. Image reconstruction in digital breast tomosynthesis by total variation minimization

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