CN108760838A - 一种基于介电特性的叶片含水率预测模型及其建立方法 - Google Patents
一种基于介电特性的叶片含水率预测模型及其建立方法 Download PDFInfo
- Publication number
- CN108760838A CN108760838A CN201810376244.8A CN201810376244A CN108760838A CN 108760838 A CN108760838 A CN 108760838A CN 201810376244 A CN201810376244 A CN 201810376244A CN 108760838 A CN108760838 A CN 108760838A
- Authority
- CN
- China
- Prior art keywords
- dielectric
- water content
- prediction model
- frequency
- leaf water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 62
- 235000007688 Lycopersicon esculentum Nutrition 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 15
- 238000010219 correlation analysis Methods 0.000 claims description 13
- 238000001035 drying Methods 0.000 claims description 6
- 208000005156 Dehydration Diseases 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 235000011194 food seasoning agent Nutrition 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 241000227653 Lycopersicon Species 0.000 claims 4
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000009659 non-destructive testing Methods 0.000 abstract description 4
- 230000005284 excitation Effects 0.000 abstract 1
- 239000000523 sample Substances 0.000 abstract 1
- 240000003768 Solanum lycopersicum Species 0.000 description 14
- 238000001514 detection method Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010021036 Hyponatraemia Diseases 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 235000019362 perlite Nutrition 0.000 description 1
- 239000010451 perlite Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000004382 potting Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/223—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance for determining moisture content, e.g. humidity
Abstract
本发明涉及一种基于介电特性的叶片含水率预测模型及其建立方法。属于无损检测技术领域。利用LCR测量仪测定叶片在最佳频率和电压下的介电参数，并将这些介电参数带入预测模型，即可计算出叶片的含水率。具体为了克服传统叶片含水率检测方法的不足，并为叶片含水率检测仪器开发提供前期探索和理论依据，本发明基于介电特性技术检测叶片含水率，探究外加电激励信号的频率和电压对叶片介电特性的影响，优选出最佳测试频率和电压，并在此基础上建立叶片含水率预测模型。
Description
技术领域
本发明涉及一种基于介电特性无损测量物质属性的测量方法，属于无损检测技术领域。
背景技术
水分是影响作物产量和品质的重要元素之一，生长期间若水分不足，会导致果实变小，产量降低；若供水过多，不仅会造成植株疯长，还使作物品质下降，且造成水资源浪费。因此，研究一种快速、准确的水分检测方法，能够为作物生长期间水分环境提供有效监测，具有一定的现实应用意义。
传统的叶片含水率检测方法主要有干燥法和卡尔˙费休法，这两种方法破坏性强、资源浪费大、时间跨度长，是有损检测方法，不利于大规模推广。而介电特性技术是一种快速无损检测技术，已被广泛应用于农产品品质检测、分级筛选等领域，国内外已取得大量成果。
有关作物叶片介电特性的研究结果旨在找寻介电参数与叶片含水率之间的相关关系，而对叶片外加电场的激励信号源的频率和电压对介电特性的影响还没有人进行过深入研究。为此，本发明以不同含水率的番茄叶片为研究对象，利用平行极板法测定叶片在50Hz～200kHz、0.1～2.0V范围内的介电参数，找出最佳测试频率和电压，并建立叶片含水率与介电参数间的数学模型，准确预测叶片含水率。以期为快速无损检测其他叶片含水率提供新的思路和方法，更加有利于指导农业灌溉。
发明内容
本发明的目的:一种基于介电特性无损测量物质属性的测量法，使测量叶片含水率的过程方便简单，能够优选出最佳测试频率和电压，并能够有效的降低测量操作过程的误差，提高测量的精确度。本发明克服了传统方法的缺陷，可以无损检测，便于操作，检测的质量和精度更高。
本发明的技术方案:
一种基于介电特性的叶片含水率预测模型及其建立方法，采用LCR测量仪和平行极板法测定叶片的介电参数，利用干燥法测定叶片的含水率，在此基础之上，对叶片含水率和各频率点下的介电参数进行相关性分析，提取出最佳测试频率，最后对不同电压下的介电参数与含水率建立关系模型，优选出最佳测试电压值。
进一步，该方法具体步骤如下：
试验样本选取：以番茄叶片为试验对象，在温室中培育番茄幼苗，待幼苗长至开花期后，进行水胁迫试验，获取不同含水率的番茄叶片；
试验样本介电常数测定：将不同含水率的番茄叶片清洗干净后，利用LCR测量仪和平行极板夹具测定和计算不同频率和电压下的介电参数；
试验样本含水率测定：根据干燥前后样本的鲜重与干重计算样本的含水率；
含水率与叶片介电参数的相关性分析：对不同频率点下的介电参数和含水率进行相关性分析，并选择出相关系数R大于0.8的频率点下的介电参数；
叶片含水率预测模型的建立：在最佳测试频率下，分别以不同测试电压下的介电参数作为建模分析的自变量，叶片含水率为因变量，采用支持向量回归SVR方法建立含水率预测模型，并根据建模结果选择出最佳测试电压值。
进一步，所述的叶片是片状，建立的叶片含水率预测模型也仅适合片状叶片。
进一步，所述SVR方法的核函数选择稳定性和准确性较好的RBF核函数，模型的惩罚因子参数c和核函数参数g为默认值。
进一步，所述SVR方法建模数据不仅限于介质损耗因数ε″，最佳测试频率和电压下的相对介电常数ε′也可通过该方法进行含水率预测。
进一步，依据最佳测试频率和最佳测试电压所建立的叶片含水率预测模型也可用于非最佳频率和非最佳电压下的介电参数，即建模所用介电参数对应的频率点和电压点并非唯一可用的数据点。
进一步，所建立的SVR方法是基于最佳测试频率1kHz、1.2kHz、5kHz、10kHz、12kHz、15kHz、20kHz、25kHz、30kHz、40kHz、50kHz、100kHz，和最佳测试电压1.0V下的介质损耗因数ε″，该模型的测试集的决定系数R2为0.9154，均方根误差RMSE为0.0179。
进一步，利用LCR测量仪测定叶片在最佳频率和电压下的介电参数，并将这些介电参数带入预测模型，即可计算出叶片的含水率.
本发明通过LCR测量仪测定叶片在50Hz～200kHz下的相对介电常数ε′和介质损耗因数ε″，并采用干燥法测量叶片含水率，在此基础上，对不同频率点下的介电参数与含水率进行相关性分析，优选出与含水率相关程度高的介电参数，后续通过建立基于最佳测试频率和不同电压下的含水率预测模型，以该模型预测叶片含水率，并根据建模结果选择最佳测试电压值。具体包括以下步骤：
(1)试验样本的选取：本发明试验对象选为番茄叶片，对番茄进行水胁迫试验，得到不同含水率的番茄叶片，选择其中外观未破损的叶片进行相关试验。
(2)试验样本介电参数测定：采用LCR测量仪配合平行极板法测量和计算样本在50Hz～200kHz、0.1V～2.0V下的相对介电常数ε′和介质损耗因数ε″。
(3)试验样本含水率测定：根据干燥前后样本的鲜重与干重计算样本的含水率。
(4)含水率与叶片介电参数的相关性分析：对不同频率点下的介电参数和含水率进行相关性分析。
(5)叶片含水率预测模型的建立：在最佳测试频率下，分别以不同测试电压下的介电参数作为建模分析的自变量，叶片含水率为因变量，建立含水率预测模型，并根据不同电压下所建模型结果，选择最佳测试电压值。
有效技术效果：
(1)测量快速高效：由于本技术方案提供的方法质素要测出待测叶片的介电参数，即可通过预测模型得到叶片的含水率，不需要传统方法中对叶片进行破坏性加热、试剂反应等操作，测量用时少，使用设备简单，操作要求低，便于开发出专用高效的检测仪器。
(2)测量参数少：由于本技术方案通过方法优选出了介电特性检测的最佳频率和电压，后续检测所需设置的检测频率和电压参数减少，便于快速检测，能为开发相关检测仪器奠定基础。
(3)测量精度高：本发明中给出的含水率预测模型的预测集的决定系数达到0.9154，因此基于本发明的作物叶片含水率检测可获得较高的预测精度。
附图说明
图1是基于介电特性的叶片含水率预测模型及其建立方法的流程图
图2是介电参数的测定的结构示意图
图3为SVR模型在最佳测试频率和1.0V下的测试集结果
具体实施方式
基于最佳测试频率和电压的叶片含水率介电特性预测模型及其建立方法的流程图如图1所示。
(1)试验样本选取：本发明试验对象选为番茄叶片，试验品种为“长江一号”番茄，采用珍珠岩盆栽方式对番茄样本进行统一培育。试验地点在江苏大学现代农业装备与技术省部共建重点实验室Venlo型温室中进行。生长初期，对幼苗进行统一培育，包括灌溉施肥。水分胁迫试验于番茄开花期内进行，将样本分成五组，分别命名为T1、T2、T3、T4、T5，浇水频率控制为：T1：每天一次；T2：两天一次；T3：三天一次；T4：四天一次；T5：不浇水，每次浇水量控制相同。待植株自然生长至20天后，从每组随机选取60片完整良好的叶片，采集后放入密封袋中迅速带回实验室进行试验。将叶柄去除，清洗灰尘杂质后，利用吸水纸巾吸出多余水分并晾干，编号备用。试验环境温度(25±1)℃，相对湿度70％～80％。
(2)试验样本介电参数测定：采用LCR测量仪配合平行极板法测量和计算样本在50Hz～200kHz、0.1V～2.0V下的相对介电常数ε′和介质损耗因数ε″。
试验所需仪器如下：
HPS2816B型LCR测量仪：测试频率50Hz～200kHz；测试电压0.1V～2.0V，以0.01V步进；精度0.1％。常州海尔帕电子科技公司。
微量天平：用于测量鲜重与干重，范围0～100g，精度0.001g，型号：WT1003，杭州万特衡器有限公司。
厚度测量仪：用于测量叶片厚度，精度0.01mm，型号：YH-1，浙江托普云农科技股份有限公司。
电热鼓风干燥箱：加热干燥样本，温度控制精度0.1℃，型号：101-00BS，天津宏诺仪器有限公司。
计算机与HPS2816B数据采集软件(与LCR测量仪配套使用)：用于采集叶片的介电特性数据。
自制平行极板夹具：主要由2片直径20mm、厚1.5mm的圆形铜质极板组成。
利用LCR测量仪、自制平行极板夹具及HPS2816B数据采集软件等采集介电特性数据。其中LCR的测定频率范围为50Hz～200kHz，电压为0.1V～2.0V，测试频率点为：50Hz、60Hz、80Hz、100Hz、120Hz、150Hz、200Hz、250Hz、300Hz、400Hz、500Hz、600Hz、800Hz、1kHz、1.2kHz、1.5kHz、2kHz、2.5kHz、3kHz、4kHz、5kHz、6kHz、8kHz、10kHz、12kHz、15kHz、20kHz、25kHz、30kHz、40kHz、50kHz、60kHz、80kHz、100kHz、120kHz、150kHz、200kHz，这些频率点在对数值下等间距。电压分11个：0.1V、0.2V、0.4V、0.6V、0.8V、1.0V、1.2V、1.4V、1.6V、1.8V、2.0V。测量时，先固定电压值，在11个不同电压下分别测定37个频率点下的介电特性数据，并根据电容器原理计算介电参数：
式中：ε′是相对介电常数，无量纲；CP是叶片的并联电容，单位为F；d是叶片厚度，单位为m；ε0是真空介电常数，ε0＝8.85×10-12F/m；s是平行极板面积，单位为m2。
ε″＝ε′tanδ＝ε′D
式中：ε″是介质损耗因数，无量纲；tanδ是介质损耗角正切，无量纲；δ是损耗角；D是LCR测量仪测得损耗因数，即tanδ。
(3)试验样本含水率测定：称取叶片鲜重并记录，待介电参数测定完后，将样本置于电热鼓风干燥箱中，在130℃下干燥18h，至前后两次重质量不变为止，根据鲜重与干重的差值计算实际含水率。叶片含水率为：
式中：WC是叶片含水率；FW是叶片鲜重，单位为g；DW是叶片干重，单位为g。
(4)含水率与叶片介电参数的相关性分析：对不同频率点下的介电参数和含水率进行相关性分析，提取相关系数的频率点和介电参数。为了确定最佳测试频率，对叶片含水率与不同频率下的介电参数进行相关性分析，从中提取出相关系数R大于0.8的频率点，结果如表1所示。
表1叶片介电参数与含水率的相关性分析
由表1可得出，相对介电常数ε′和介质损耗因数ε″各提取12个和14个频率点，这些点对应的介电参数与含水率的相关系数R均大于0.8，说明这些点下介电参数与含水率的关系密切。从相关系数R的大小可以看出，介质损耗因数ε″整体上大于相对介电常数ε′，表明介质损耗因数ε″与含水率的密切程度高于相对介电常数ε′。从频率点的分布可以看出，低频和高频的点较少，主要因为低频和高频下，受硬件等因素影响，得到的数据含有一定的误差。考虑到相对介电常数ε′和介质损耗因数ε″提取的频率点存在相同的情况，因此选择1、1.2、5、10、12、15、20、25、30、40、50、100(单位：kHz)作为番茄叶片介电特性检测的最佳频率。
(5)叶片含水率预测模型的建立：在最佳测试频率下，分别以不同测试电压下的介电参数作为建模分析的自变量，叶片含水率为因变量，建立含水率预测模型。模型的预测能力和稳定性采用决定系数(R2)和均方根误差(RMSE)进行评价，其中模型校正集决定系数为RC 2，均方根误差为RMSEC；预测集决定系数为RP 2，均方根误差为RMSEP。
选择稳定性和准确性较好的RBF核函数作为SVR核函数，模型的参数c(惩罚因子)和g(核函数参数)为默认值，建立SVR回归模型，建模结果如表2所示。
表2不同电压下SVR建模结果
表2给出在最佳频率和不同电压下所建立的含水率预测模型，番茄叶片介电特性检测的最佳电压值为1.0V，SVR模型在该电压值下取得最优结果，其预测集R2＝0.9154，RMSE＝0.0179。
在50Hz～200kHz、0.1V～2.0V下，通过对叶片含水率与不同频率下的介电参数进行相关性分析，得出最佳测试频率为：1、1.2、5、10、12、15、20、25、30、40、50、100(单位：kHz)。通过建立不同电压和最佳测试频率下的介电参数和含水率的关系模型，得出最佳测试电压为1.0V。基于最佳测试频率和电压的含水率预测模型的预测集决定系数R2为0.9154，均方根误差为0.0179。
除去本发明中最佳测试频率点1、1.2、5、10、12、15、20、25、30、40、50、100(单位：kHz)和最佳测试电压1.0V下的介电参数外，其他频率点和电压点下的介电参数也适用本发明所用模型和方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，采用LCR测量仪和平行极板法测定叶片的介电参数，利用干燥法测定叶片的含水率，在此基础之上，对叶片含水率和各频率点下的介电参数进行相关性分析，提取出最佳测试频率，最后对不同电压下的介电参数与含水率建立关系模型，优选出最佳测试电压值。
2.根据权利要求1所述的一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，该方法具体步骤如下：
试验样本选取：以番茄叶片为试验对象，在温室中培育番茄幼苗，待幼苗长至开花期后，进行水胁迫试验，获取不同含水率的番茄叶片；
试验样本介电常数测定：将不同含水率的番茄叶片清洗干净后，利用LCR测量仪和平行极板夹具测定和计算不同频率和电压下的介电参数；
试验样本含水率测定：根据干燥前后样本的鲜重与干重计算样本的含水率；
含水率与叶片介电参数的相关性分析：对不同频率点下的介电参数和含水率进行相关性分析，并选择出相关系数R大于0.8的频率点下的介电参数；
叶片含水率预测模型的建立：在最佳测试频率下，分别以不同测试电压下的介电参数作为建模分析的自变量，叶片含水率为因变量，采用支持向量回归SVR方法建立含水率预测模型，并根据建模结果选择出最佳测试电压值。
3.根据权利要求1所述的一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，所述的叶片是片状，建立的叶片含水率预测模型也仅适合片状叶片。
4.根据权利要求2所述的一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，所述SVR方法的核函数选择稳定性和准确性较好的RBF核函数，模型的惩罚因子参数c和核函数参数g为默认值。
5.根据权利要求2所述的一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，所述SVR方法建模数据不仅限于介质损耗因数ε″，最佳测试频率和电压下的相对介电常数ε′也可通过该方法进行含水率预测。
6.根据权利要求2所述的一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，依据最佳测试频率和最佳测试电压所建立的叶片含水率预测模型也可用于非最佳频率和非最佳电压下的介电参数，即建模所用介电参数对应的频率点和电压点并非唯一可用的数据点。
7.根据权利要求2所述的一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，所建立的SVR方法是基于最佳测试频率1kHz、1.2kHz、5kHz、10kHz、12kHz、15kHz、20kHz、25kHz、30kHz、40kHz、50kHz、100kHz，和最佳测试电压1.0V下的介质损耗因数ε″实现的，该模型的测试集的决定系数R2为0.9154，均方根误差RMSE为0.0179。
8.根据权利要求2所述的一种基于介电特性的叶片含水率预测模型及其建立方法，其特征在于，利用LCR测量仪测定叶片在最佳频率和电压下的介电参数，并将这些介电参数带入预测模型，即可计算出叶片的含水率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810376244.8A CN108760838B (zh) | 2018-04-25 | 2018-04-25 | 一种基于介电特性的叶片含水率预测模型的建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810376244.8A CN108760838B (zh) | 2018-04-25 | 2018-04-25 | 一种基于介电特性的叶片含水率预测模型的建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108760838A true CN108760838A (zh) | 2018-11-06 |
| CN108760838B CN108760838B (zh) | 2021-04-20 |
Family
ID=64011865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810376244.8A Active CN108760838B (zh) | 2018-04-25 | 2018-04-25 | 一种基于介电特性的叶片含水率预测模型的建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108760838B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110082395A (zh) * | 2019-04-28 | 2019-08-02 | 云南中烟工业有限责任公司 | 一种基于复合电阻的新鲜烟叶水分检测方法 |
| CN112881480A (zh) * | 2021-01-14 | 2021-06-01 | 中国农业大学 | 玉米水分无损检测方法及装置 |
| WO2023284114A1 (zh) * | 2021-07-16 | 2023-01-19 | 武汉理工大学 | 沥青混合料含水率预测方法、系统、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0314513A2 (en) * | 1987-10-30 | 1989-05-03 | Canon Kabushiki Kaisha | Ink jet recording apparatus |
| CN103424440A (zh) * | 2013-08-22 | 2013-12-04 | 浙江工商大学 | 一种植物叶片含水量在线检测装置和方法 |
| KR101368658B1 (ko) * | 2012-09-21 | 2014-03-19 | 삼성중공업 주식회사 | 풍력발전기 및 풍력발전기의 결빙 방지 방법 |
| CN203849198U (zh) * | 2014-02-24 | 2014-09-24 | 西北农林科技大学 | 一种植物叶片含水率检测装置 |
| CN104155350A (zh) * | 2014-07-24 | 2014-11-19 | 中国农业大学 | 一种频率测量法测粮食水分含量的方法 |
| EP3086881A1 (fr) * | 2013-12-24 | 2016-11-02 | Institut National de la Recherche Agronomique | Procédé de fractionnement par voie séche de biomasse ligno-cellulosique |
| CN106248746A (zh) * | 2016-09-25 | 2016-12-21 | 西北农林科技大学 | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 |
| CN205910119U (zh) * | 2016-06-23 | 2017-01-25 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测系统 |
| US20170362406A1 (en) * | 2010-03-15 | 2017-12-21 | Washington State University | Recycled composite materials and related methods |
-
2018
- 2018-04-25 CN CN201810376244.8A patent/CN108760838B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0314513A2 (en) * | 1987-10-30 | 1989-05-03 | Canon Kabushiki Kaisha | Ink jet recording apparatus |
| US20170362406A1 (en) * | 2010-03-15 | 2017-12-21 | Washington State University | Recycled composite materials and related methods |
| KR101368658B1 (ko) * | 2012-09-21 | 2014-03-19 | 삼성중공업 주식회사 | 풍력발전기 및 풍력발전기의 결빙 방지 방법 |
| CN103424440A (zh) * | 2013-08-22 | 2013-12-04 | 浙江工商大学 | 一种植物叶片含水量在线检测装置和方法 |
| EP3086881A1 (fr) * | 2013-12-24 | 2016-11-02 | Institut National de la Recherche Agronomique | Procédé de fractionnement par voie séche de biomasse ligno-cellulosique |
| CN203849198U (zh) * | 2014-02-24 | 2014-09-24 | 西北农林科技大学 | 一种植物叶片含水率检测装置 |
| CN104155350A (zh) * | 2014-07-24 | 2014-11-19 | 中国农业大学 | 一种频率测量法测粮食水分含量的方法 |
| CN205910119U (zh) * | 2016-06-23 | 2017-01-25 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测系统 |
| CN106248746A (zh) * | 2016-09-25 | 2016-12-21 | 西北农林科技大学 | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| FRANCESCO FABIANO MONTESANO ET AL.: ""Sensor-based irrigation management of soilless basil using a new smart irrigation system: Effects of set-point on plant physiological responses and crop performance"", 《AGRICULTURAL WATER MANAGEMENT》 * |
| 张兵 等: ""小麦叶片生理电特性测定与含水率预测研究"", 《西南农业学报》 * |
| 张国坤: ""基于介电特性的玉米叶片含水率无损检测研究"", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110082395A (zh) * | 2019-04-28 | 2019-08-02 | 云南中烟工业有限责任公司 | 一种基于复合电阻的新鲜烟叶水分检测方法 |
| CN110082395B (zh) * | 2019-04-28 | 2022-07-01 | 云南中烟工业有限责任公司 | 一种基于复合电阻的新鲜烟叶水分检测方法 |
| CN112881480A (zh) * | 2021-01-14 | 2021-06-01 | 中国农业大学 | 玉米水分无损检测方法及装置 |
| WO2023284114A1 (zh) * | 2021-07-16 | 2023-01-19 | 武汉理工大学 | 沥青混合料含水率预测方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108760838B (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108760838A (zh) | 一种基于介电特性的叶片含水率预测模型及其建立方法 | |
| CN102960096B (zh) | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 | |
| CN101806730B (zh) | 一种醋糟有机基质含水量的检测方法 | |
| CN102435645B (zh) | 一种无土栽培基质含水量、电导率检测方法及其传感器 | |
| Zheng et al. | Real-time evaluation of corn leaf water content based on the electrical property of leaf | |
| CN102169008B (zh) | 一种农作物生物量测量装置及方法 | |
| CN103163217A (zh) | 声表面波谐振器串联检测系统及其检测方法 | |
| CN110220948A (zh) | 一种环刀称重法土壤水分传感器标定装置及标定方法 | |
| CN106769629B (zh) | 一种土壤质量含水量检测方法 | |
| CN104390857A (zh) | 一种造纸法烟草薄片脆性的测定方法 | |
| CN103439353A (zh) | 一种植物叶片含水率的测量方法 | |
| CN108572194A (zh) | 一种基于生理电阻的植物叶片导水度和固有导水度的测定方法及装置 | |
| Chamecki et al. | Atmospheric dispersion of wheat rust spores: a new theoretical framework to interpret field data and estimate downwind dispersion | |
| CN104132865A (zh) | 一种用近红外光谱技术预测火炬松木材密度的方法 | |
| CN104730027B (zh) | 应用近红外光谱技术测定小麦条锈病菌夏孢子萌发率的方法 | |
| CN109444227B (zh) | 具有电导率补偿特性的低频电容土壤水分检测方法 | |
| CN105891264A (zh) | 一种鲜茧茧层含水率与干壳量快速无损检测方法及装置 | |
| CN202421116U (zh) | 一种无土栽培基质含水量、电导率检测传感器 | |
| Kalita et al. | A comparative study of polymer coated capacitive sensors for soil moisture sensing | |
| Ogbu et al. | Development and testing of a capacitive digital soil moisture metre | |
| Li et al. | Imaging spatial-temporal distribution of moisture in intact maize ear | |
| CN105572056B (zh) | 一种测量土壤含水特性的装置及方法 | |
| WO2018032293A1 (zh) | 一种种植土壤pH值多点检测方法 | |
| CN103439276A (zh) | 一种土壤水分含量的测量方法及传感器 | |
| CN105675548A (zh) | 一种利用光谱法测定水稻主要营养成分的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240103 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Patentee before: JIANGSU University |
|
| TR01 | Transfer of patent right |