CN109406267A - 一种苹果舌触力学信息的三维重构方法 - Google Patents
一种苹果舌触力学信息的三维重构方法 Download PDFInfo
- Publication number
- CN109406267A CN109406267A CN201810435826.9A CN201810435826A CN109406267A CN 109406267 A CN109406267 A CN 109406267A CN 201810435826 A CN201810435826 A CN 201810435826A CN 109406267 A CN109406267 A CN 109406267A
- Authority
- CN
- China
- Prior art keywords
- apple
- tongue
- image
- sample
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003595 spectral effect Effects 0.000 claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000001125 extrusion Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims abstract description 4
- 241000220225 Malus Species 0.000 claims description 50
- 238000001514 detection method Methods 0.000 claims description 16
- 235000021016 apples Nutrition 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 235000013399 edible fruits Nutrition 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 claims description 2
- 238000000985 reflectance spectrum Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 7
- 238000012628 principal component regression Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 210000000887 face Anatomy 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 241001547860 Gaya Species 0.000 description 1
- 235000021452 apple slice Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0016—Tensile or compressive
- G01N2203/0019—Compressive
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0076—Hardness, compressibility or resistance to crushing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
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)
Abstract
本发明公开了一种苹果舌触力学信息的三维重构方法，包括如下步骤：S1、基于仿舌压头力学检测装置获取苹果样本在挤压过程中三帧的力学变化数据；S2、基于高光谱分选仪苹果样本数据的获取与光谱提取；S3、运用连续投影法(SPA)从光谱信息中充分寻找含有最低限度的冗余信息的变量组；S4、基于SPA‑PLSR模型实现苹果舌触力学信息的三维重构。本发明利用高光谱成像技术实现了在不同帧下的苹果舌触力学信息的情况分布图。
Description
技术领域
本发明涉及苹果硬度检测领域，具体涉及一种苹果舌触力学信息的三维重构方法。
背景技术
苹果作为人们日常食用的水果，硬度作为它的品质之一，影响着大多数消费者的选择。 硬度可以通过许多方式来体现。在物理学层面，硬度值也可以由样本所受压力大小来表征。 然而现在市场上对水果内部品质检测方法都主要是破坏性的，并且仅仅是对少量样本的抽样 检测。每次检测处理周期长，操作复杂，不适合在线检测。市场上一般的力学检测装置只能 给出部分位置力学信息来代替整个样本的力学信息，然而，水果在空间各部位的差异性对实 验结果的准确性的影响也很大。
发明内容
为解决上述问题，本发明提供了一种苹果舌触力学信息的三维重构方法。
为实现上述目的，本发明采取的技术方案为：
一种苹果舌触力学信息的三维重构方法，包括如下步骤：
S1、基于仿舌压头力学检测装置获取苹果样本力学数据
选取同一批次、大小、形状基本一致、无机械损伤的苹果，按国标GB/T10651-2008选出 优等果品90个，将其切块后，利用仿舌压头力学检测装置采集苹果样本在挤压过程中三帧的 力学变化数据；
S2、基于高光谱分选仪苹果样本数据的获取与光谱提取
S21、将选出的90个优等苹果放在纯黑的平板上利用高光谱分选仪进行扫描，采集苹果 图像；然后通过以下公式采用黑白校正对原始图像进行校正，获取校正后的漫反射光谱图像；
式中，Rs-样本原始的漫反射光谱图像；Rw-白板的漫反射图像；Rd- 暗图像；R-校正后的漫反射光谱图像；
S22、对黑白校正后的目标图像依次进行掩膜处理和影像裁剪处理，其中，掩膜后的图像 除目标样本外其他区域光谱数值均为0；将一个苹果样本划分为4个面，在每个面上分别取 编号1-5的5个感兴趣区域，每个感兴趣区域大小大约为300像素点，利用高光谱分选仪获 取每个表面上的5个感兴趣区域的光谱，并求取每个苹果样品4个表面整体的光谱均值；
S3、运用连续投影法(SPA)从光谱信息中充分寻找含有最低限度的冗余信息的变量组；
S4、基于SPA-PLSR模型实现苹果舌触力学信息的三维重构
选取SPA方法来获取不同帧下的舌触压力信息所对应光谱数据的10个特征波段，在所得 特征光谱的基础上建立特征光谱数据与不同帧下压力值的PLSR模型，获得图像上每一像素点 的预测压力值，通过转换成色彩值的方式使苹果上每个像素点的压力分布情况可视化。
本发明利用高光谱成像技术实现了在不同帧下的苹果舌触力学信息的情况分布图。
附图说明
图1为本发明实施例中感兴趣区域平均光谱曲线图。
图2为本发明实施例中压力残差分布图。
图3为本发明实施例中SPA特征波段图；
图中：a)特征波段数目图；b)特征波段图。
图4为本发明实施例中不同帧下的苹果舌触力学信息分布。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说 明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
1、基于仿舌压头力学检测装置获取苹果样本力学数据
本实施例选取同一批次、大小、形状基本一致、无机械损伤的阿克苏糖心苹果为研究对 象，按国标GB/T10651-2008选出优等果品90个。将其切块，利用仿舌压头力学检测装置采 集苹果的力学信息，其中仿舌压头力学检测装置主要包括支撑导柱、压力臂、底座、仿舌压 头、阵列式薄膜压力传感器、数据采集手柄、计算机等。该装置用仿舌压头结合阵列式薄膜 压力传感器依次对样品进行压触测试，并采集传感器传感区域的压力信息，用以反映食物进 入口腔内部后与舌头相互挤压作用的过程中舌面上的应力分布情况。苹果样本在被挤压的过 程中力学分布是随时间变化的。在此我们提取苹果样本在挤压过程中三帧的力学变化数据， 共得到90*3维的数据集，该数据第一列数据表示90个苹果样本在第一帧下所受最大压力值。 故，利用仿舌压头力学检测装置我们可以得到每一个苹果样本的三帧压力数据。
2、基于高光谱分选仪苹果样本数据的获取与光谱提取
利用北京卓立汉光仪器有限公司的Gaia Sorter“盖亚”高光谱分选仪获取苹果样本数 据，将选出的90个优等苹果放在纯黑的平板上进行扫描，采集苹果图像。由于各波长下光强 度分布的不均匀性及CCD探测器的非线性和暗电流的存在，需要对原始图像进行校正，校正 计算公式如公式(1)，获取校正后的漫反射光谱图像。
式中，Rs-样本原始的漫反射光谱图像；Rw-白板的漫反射图像；Rd-暗图像； R-校正后的漫反射光谱图像。
对黑白校正后的目标图像进行掩膜处理。由于获取的图像边缘包含较多的光谱噪声会增 加后期数据处理难度，故对掩膜处理后的图像进行影像裁剪，掩膜后的图像除目标样本外其 他区域光谱数值均为0。其中，由于苹果形状属于类球型，为保证苹果提取的光谱数据具有 泛化性，能够表征整个苹果样本。我们将一个苹果样本划分为4个面，并获取每个面的高光 谱图像数据。除此之外，我们还在每个面上分别取编号1-5的5个感兴趣区域(每个感兴趣 区域大小大约为300像素点)。获取每个表面上的5个感兴趣区域的平均光谱曲线如图1所示， 并求取每个苹果样品4个表面整体的光谱均值，最终得到90×256维的苹果光谱数据。
3、原始光谱数据与压力数据间的关联性判断
建立光谱数据与第一帧下的舌触压力值之间的线性回归模型，结果如表1所示，通过观 察其关联性中R2(线性拟合度)、F(回归方程的显著与否)、Sig(差异的显著与否)三个参 数值发现，压力值与光谱数据之间具有较高的相关性，且通过线性回归后的残差分布图发现 (图2)，压力回归分析残差分布呈正态分布且压力值回归残值呈现集中化，表明具有较好的 回归效果，因此，可以选取舌触压力值与光谱数据建立相应的回归预测模型。
表1 模型参数结果图
4、光谱数据特征波段方法的选取
由于光谱数据是高维数据，数据间存在大量的冗余信息，且针对高维数据建立的数学模 型相对复杂且运行时间较长，影响运行效率。基于此，运用连续投影法(SPA)从光谱信息中 充分寻找含有最低限度的冗余信息的变量组，使得变量之间的共线性达到最小。同时能大大 减少建模所用变量的个数，提高建模的速度和效率。其中，得到验证集的预测标准偏差 (RMSEV)，由最小的RMSEV值对应的k(i)(波段)和N(波段数目)就是最优值。结果如图3所示，选取的特征变量为：22，44，13，233，141，254，1，6，5，69。对比主成分分析(PCA)法，其中PCA的思想是把多指标转化为少数几个综合指标，其中每个主成分都能够反映原始变量 的大部分信息，且所含信息互不重复。因为前两成分已经达到总量的99.32％，其中第一主成 分为为98.21％，第二主成分为1.11％，因此选取前2主成分作为特征变量。将样本第一帧下 的舌触压力数据依次与降维后的特征变量进行线性关联，检测结果如表2所示。依据R2、 F、Sig的值选取效果最好的特征波段，通过表中可以看出经过SPA后选取的特征波段的
R2在0.7左右相关性较好，F值相对PCA来说较大，说明各变量间的差异性显著，适合 模型的建立，Sig值越小整体回归的线性模型效果越显著。因此，选取SPA处理后的特征波 段作为后续模型建立的依据。
表2 各模型的检测结果
5、回归模型的确立
利用SPA方法优化筛选完光谱数据的特征变量后，选择合适的回归预测模型也必不可少 的步骤，在此我们比较两种回归模型。其中，偏最小二乘法(PLSR)是一种数学优化技术， 它通过最小化误差的平方和找到一组数据的最佳函数匹配。主成分回归法(PCR)变换过程是呈 线性变换的，其线性变化过程是找出一个投影的方向选取方差最大的变量来代替原始数据的 变量，前几个投影的坐标主成分能够对初始的信息进行取代。分别求取基于SPA选取的特征 波段光谱数据与第一帧下的力学数据之间的偏最小二乘回归模型与主成分回归模型，结果如 公式(2)、(3)所示。
y＝-1.94x1-0.87x2+1.84x3+5.65x4+13.42x5-2.68x6-0.98x7+3.42x8-
(2)
y＝-12.34x1-24.48x2-31.98x3-132.22x4-120.4x5-10.2x6-4.09x7+2.83x8+4.07xg+
(3)
通过分析比较样本第一帧下的舌触压力值与SPA优化筛选后特征波段的光谱值建立的偏 最小二乘回归模型(PLSR)和主成分回归模型(PCR)，结果如表3所示。观察预测模型的拟 合优度R2与均方根误差RMSE，可以看出SPA-PLSR整体上关联性优于SPA-PCR，R2为0.92远 高于SPA-PCA。因此，选取SPA优化下的PLSR回归模型作为求取样本上每个像素点压力值的 模型。
表3 模型系数结果图
6、基于SPA-PLSR模型实现苹果舌触力学信息的三维重构
依据上述过程，选取SPA方法来获取不同帧下的舌触压力信息所对应光谱数据的10个特 征波段，如表4所示。在所得特征光谱的基础上建立特征光谱数据与不同帧下压力值的PLSR 模型，获得图像上每一像素点的预测压力值，通过转换成色彩值的方式使苹果上每个像素点 的压力分布情况可视化。在采用力学检测装置对苹果样本进行挤压的过程中，我们能够发现 样本所受的力是持续的，具有连续性特征，基于上述研究，我们可以通过利用高光谱图像数 据直接获得苹果样本在受挤压的过程中力学信息在不同时间段下样本空间上的分布情况。效 果如图4所示。再此，选择三帧数据，该图能够反映出在每一帧下的苹果样本舌触力学信息 的空间分布情况。便于观察。
表4 不同帧下对应的特征波段
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说， 在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发 明的保护范围。
Claims (1)
1.一种苹果舌触力学信息的三维重构方法，其特征在于，包括如下步骤：
S1、基于仿舌压头力学检测装置获取苹果样本力学数据
选取同一批次、大小、形状基本一致、无机械损伤的苹果，按国标GB/T10651-2008选出优等果品90个，将其切块后，利用仿舌压头力学检测装置采集苹果样本在挤压过程中三帧的力学变化数据；
S2、基于高光谱分选仪苹果样本数据的获取与光谱提取
S21、将选出的90个优等苹果放在纯黑的平板上利用高光谱分选仪进行扫描，采集苹果图像；然后通过以下公式采用黑白校正对原始图像进行校正，获取校正后的漫反射光谱图像；
式中，Rs-样本原始的漫反射光谱图像；Rw-白板的漫反射图像；Rd-暗图像；R-校正后的漫反射光谱图像；
S22、对黑白校正后的目标图像依次进行掩膜处理和影像裁剪处理，其中，掩膜后的图像除目标样本外其他区域光谱数值均为0；将一个苹果样本划分为4个面，在每个面上分别取编号1-5的5个感兴趣区域，每个感兴趣区域大小大约为300像素点，利用高光谱分选仪获取每个表面上的5个感兴趣区域的光谱，并求取每个苹果样品4个表面整体的光谱均值；
S3、运用连续投影法(SPA)从光谱信息中充分寻找含有最低限度冗余信息的变量组；
S4、基于SPA-PLSR模型实现苹果舌触力学信息的三维重构
选取SPA方法来获取不同帧下的舌触压力信息所对应光谱数据的10个特征波段，在所得特征光谱的基础上建立特征光谱数据与不同帧下压力值的PLSR模型，获得图像上每一像素点的预测压力值，通过转换成色彩值的方式使苹果上每个像素点的压力分布情况可视化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810435826.9A CN109406267A (zh) | 2018-04-28 | 2018-04-28 | 一种苹果舌触力学信息的三维重构方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810435826.9A CN109406267A (zh) | 2018-04-28 | 2018-04-28 | 一种苹果舌触力学信息的三维重构方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109406267A true CN109406267A (zh) | 2019-03-01 |
Family
ID=65464070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810435826.9A Pending CN109406267A (zh) | 2018-04-28 | 2018-04-28 | 一种苹果舌触力学信息的三维重构方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109406267A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101696935A (zh) * | 2009-10-27 | 2010-04-21 | 中国农业大学 | 基于高光谱空间散射曲线的苹果硬度无损检测方法 |
| CN101915708A (zh) * | 2010-08-17 | 2010-12-15 | 江南大学 | 食品物性仿生检测机器人及检测方法 |
| CN103760047A (zh) * | 2014-02-10 | 2014-04-30 | 兰海鹏 | 一种水果多点硬度信号发生装置 |
| CN104359838A (zh) * | 2014-11-11 | 2015-02-18 | 上海理工大学 | 一种无损检测梨的硬度方法 |
| CN104698044A (zh) * | 2013-12-10 | 2015-06-10 | 上海闵临机电科技有限公司 | 一种用于食品检测的电子舌 |
| CN105547557A (zh) * | 2016-01-12 | 2016-05-04 | 东北电力大学 | 仿舌压头力学检测装置 |
| CN106053204A (zh) * | 2016-05-13 | 2016-10-26 | 东北电力大学 | 一种基于仿生口腔的力学检测装置 |
| CN106124417A (zh) * | 2016-06-06 | 2016-11-16 | 东北电力大学 | 一种利用高光谱技术检测苹果涩味的回味的方法 |
-
2018
- 2018-04-28 CN CN201810435826.9A patent/CN109406267A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101696935A (zh) * | 2009-10-27 | 2010-04-21 | 中国农业大学 | 基于高光谱空间散射曲线的苹果硬度无损检测方法 |
| CN101915708A (zh) * | 2010-08-17 | 2010-12-15 | 江南大学 | 食品物性仿生检测机器人及检测方法 |
| CN104698044A (zh) * | 2013-12-10 | 2015-06-10 | 上海闵临机电科技有限公司 | 一种用于食品检测的电子舌 |
| CN103760047A (zh) * | 2014-02-10 | 2014-04-30 | 兰海鹏 | 一种水果多点硬度信号发生装置 |
| CN104359838A (zh) * | 2014-11-11 | 2015-02-18 | 上海理工大学 | 一种无损检测梨的硬度方法 |
| CN105547557A (zh) * | 2016-01-12 | 2016-05-04 | 东北电力大学 | 仿舌压头力学检测装置 |
| CN106053204A (zh) * | 2016-05-13 | 2016-10-26 | 东北电力大学 | 一种基于仿生口腔的力学检测装置 |
| CN106124417A (zh) * | 2016-06-06 | 2016-11-16 | 东北电力大学 | 一种利用高光谱技术检测苹果涩味的回味的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘思伽等: "采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测", 《食品科学》 * |
| 刘文涛: "基于高光谱成像技术的苹果品质无损检测研究", 《信息科技辑》 * |
| 孙钟雷等: "仿生食品质构仪设计与试验", 《农业机械学报》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment: A review—Part I: Fundamentals | |
| CN111968080B (zh) | 一种基于高光谱和深度学习的肥城桃内外品质检测方法 | |
| Yu et al. | Identification of crack features in fresh jujube using Vis/NIR hyperspectral imaging combined with image processing | |
| CN109100323B (zh) | 一种苹果水心病的透射光谱无损定量评价方法 | |
| CN110033032B (zh) | 一种基于显微高光谱成像技术的组织切片分类方法 | |
| JP2014515587A (ja) | デジタル画像装置用の画像処理パイプラインの学習 | |
| US8285018B2 (en) | Method for reconstructing color images | |
| CN108760655B (zh) | 一种苹果味觉图谱信息可视化方法 | |
| KR102448123B1 (ko) | 농산물 신선도 예측 방법 및 장치 | |
| CN109253975A (zh) | 基于msc-cfs-ica的苹果轻微损伤高光谱检测方法 | |
| CN116849612B (zh) | 一种多光谱舌象图像采集分析系统 | |
| CN112446298A (zh) | 一种小麦赤霉病的高光谱无损检测方法 | |
| JP2006084425A (ja) | マルチスペクトル画像処理方法及びマルチスペクトル皮膚画像による診断方法 | |
| CN115266608A (zh) | 基于相位和高光谱信息融合的果蔬品质检测装置及方法 | |
| CN113418874A (zh) | 面向果实品质检测的高光谱图像重构方法及检测方法 | |
| CN109858317A (zh) | 一种基于低秩稀疏表达的高光谱图像可疑目标探测方法 | |
| WO2021195817A1 (zh) | 一种提取待测物质的光谱信息的方法 | |
| CN116824171A (zh) | 中医高光谱舌象图像波段的选择方法及相关装置 | |
| CN112927215A (zh) | 一种消化道活检病理切片自动分析方法 | |
| Liu et al. | Spatial anomaly detection in hyperspectral imaging using optical neural networks | |
| US20120242858A1 (en) | Device and method for compensating for relief in hyperspectral images | |
| CN109406267A (zh) | 一种苹果舌触力学信息的三维重构方法 | |
| KR102576427B1 (ko) | 구름 이미지를 이용한 실시간 강수량 예측 장치, 이를 이용한 강수량 예측 방법 및 이를 제공하기 위한 컴퓨터 프로그램이 기록된 컴퓨터-판독가능매체 | |
| CN116977648A (zh) | 一种基于目标检测的菜用大豆表型信息的识别方法和系统 | |
| Ma et al. | Deep attention network for melanoma detection improved by color constancy |
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 |