CN110398503A - 一种基于几何形态透射测量的植物病虫害检验方法 - Google Patents

一种基于几何形态透射测量的植物病虫害检验方法 Download PDF

Info

Publication number
CN110398503A
CN110398503A CN201910147617.9A CN201910147617A CN110398503A CN 110398503 A CN110398503 A CN 110398503A CN 201910147617 A CN201910147617 A CN 201910147617A CN 110398503 A CN110398503 A CN 110398503A
Authority
CN
China
Prior art keywords
geometric shape
transmission measurement
plant
data
inspection
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
Application number
CN201910147617.9A
Other languages
English (en)
Inventor
黄素梅
涂成生
韦弟
覃柳燕
颜瑞松
叶勇
韦绍龙
李朝生
韦莉萍
周维
田丹丹
何章飞
龙盛风
张进忠
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.)
Guilin Nengchuang Information Technology Co ltd
Guangxi Zhuang Nationality Autonomous Region Academy of Agricultural Sciences
Original Assignee
Guilin Nengchuang Information Technology Co ltd
Guangxi Zhuang Nationality Autonomous Region Academy of Agricultural Sciences
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 Guilin Nengchuang Information Technology Co ltd, Guangxi Zhuang Nationality Autonomous Region Academy of Agricultural Sciences filed Critical Guilin Nengchuang Information Technology Co ltd
Priority to CN201910147617.9A priority Critical patent/CN110398503A/zh
Publication of CN110398503A publication Critical patent/CN110398503A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
    • G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/10—Different kinds of radiation or particles
    • G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
    • G01N2223/1016—X-ray
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/612—Specific applications or type of materials biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/633—Specific applications or type of materials thickness, density, surface weight (unit area)

Abstract

本发明公开了一种基于几何形态透射测量的植物病虫害检验方法，包括：S1：使用可获得植物内部组织结构数据的透射测量技术对被检植物进行非破坏性扫描，得到植物内部组织结构的透射测量数据；S2：对透射测量数据进行处理得到植物内部组织结构的几何形态；S3：将得到的几何形态与该植物正常组织几何形态进行对比检查，判定植物是否发生病变、确定病变的位置和程度、评估病变的可能原因。本发明采用透射测量技术非破坏性地获得较完整的植物内部组织形态结构数据，结合人工智能专家系统诊断系统，在病虫害为害初期，快速、无损，低成本地获得植物病虫害的检验结果，从而可以在病虫害防控的最佳处理时期及时干预。

Description

一种基于几何形态透射测量的植物病虫害检验方法
技术领域
本发明涉及一种基于几何形态透射测量的植物病虫害检验方法。
背景技术
植物的病虫害中很多是病原菌或害虫植物外部浸染，从而导致植物内部组织出现变色、腐烂、中空、干腐等症状。在病虫害为害初期，植物内部组织受到浸染后已表现为害症状，但从植物外观往往看不出为害症状，从而错过了病虫害防控的最佳处理时期，最后导致病虫害的大量发生，造成不可挽回的巨大损失。比如：香蕉种苗感染枯萎病等传染性强的检疫性病害，会造成病害大范围扩散传播蔓延、导致蕉园大面积发病、失收，土地长期污染，无法继续种植，产业急剧萎缩，危害极其严重。
目前的对植物内部病虫害的检测方法，往往需要通过对植物样本进行破坏性的切割，观察其内部为害症状，进行判断；或者通过分子检测的方法进行判断。这些方法存在植株受损、速度慢、成本高、采样率低、检测技术不够稳定、难以推广实施且检测率低。
发明内容
本发明要解决的技术问题是克服现有技术中对植物内部病虫害的检测方法往往需要通过对植物样本进行破坏性的切割的缺陷，提供一种采用透射测量技术非破坏性地获得较完整的植物内部组织形态结构数据，结合专家分析诊断系统，可快速、无损实现植物病虫害的检验，大幅提升样品的检测率。
为了解决上述技术问题，本发明提供了如下的技术方案：
一种基于几何形态透射测量的植物病虫害检验方法，包括：
S1：使用可获得植物内部组织结构数据的透射测量技术对被检植物进行非破坏性扫描，得到植物内部组织结构的透射测量数据；
S2：对透射测量数据进行处理得到植物内部组织结构的几何形态；
S3：将得到的几何形态与该植物正常组织几何形态进行对比，判定植物是否发生病变、确定病变的位置和程度、评估病变的可能原因。
进一步的，所述S1中透射测量技术为基于X射线、核磁共振或高能辐射波；所述透射测量数据为反映被测植物内部组织结构的一个方向的投影、一个剖面、一组剖面或一定空间内的体素数据。
进一步的，对透射测量数据通过专业数据处理软件进行滤波、增强、重构、抽取、建模等处理，从而得到植物内部组织结构的几何形态。
进一步的，所述几何形态为植物内部组织结构的二维平面投影或三维立体模型。
进一步的，通过对比检查所述植物内部组织的几何形态与正常组织的几何形态的异同，判定植物是否发生病变、确定病变的位置和程度、评估病变的可能原因。所述对比检查包括植物内部组织结构的形状特点、分布、体积、表面积、截面积、厚度、长度、密度等属性。
进一步的，所述透射测量技术可以表现为流水线形式的在线测量系统或独立的离线测量系统。
进一步的，所述专业数据处理软件是集成于透射测量系统的在线数据处理软件或/和独立于透射测量系统的数据后处理软件。
进一步的，S3中几何形态的对比包括植物不同生长期的几何形态数据。可以是所述植物不同生长期的几何形态数据，通过对比不同生长期的几何形态数据推断植物内部组织的生长情况，帮助植物病虫害检验检疫专家或人工智能系统完成相关检验。
进一步的，S3中所述对比通过人工智能专家系统完成，所述人工智能专家系统内存储有正常植物内部组织结构几何形态数据和病变植物内部组织结构几何形态数据，并通过机器学习或人工对数据库不断地更新和完善，以提高检查判别的能力和效率。
本发明所达到的有益效果是：本发明采用透射测量技术非破坏性地获得较完整的植物内部组织形态结构数据，结合人工智能专家系统诊断系统，在病虫害为害初期，快速、无损，低成本地获得植物病虫害的检验结果，从而可以在病虫害防控的最佳处理时期及时干预。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为从体素扫描数据中抽取得到的植物根系几何形态；
图2为香蕉种苗球茎及根部组织的三维体素扫描数据；
图3为香蕉种苗根部内部组织结构的几何形态；
图4为正常香蕉样本与疑似病变的对比图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例
一种基于几何形态透射测量的香蕉枯萎病快速检验方法，包括：
S1将待检种植在育苗杯内的香蕉种苗送实验室，采用X光透射体素扫描测量系统对育苗杯基质中的香蕉种苗球茎及根部进行透射扫描测量，获得香蕉种苗球茎及根部组织结构的三维几何形态数据；
S2在体素数据处理专业软件(如Volume Graphics Studio)中，根据香蕉种苗球茎及根部组织的不同密度(体现为上述体素扫描测量数据的灰度级)和特征，抽取所述香蕉球茎及根部组织结构的不同组分；形成被检植株的三维立体图，展示病原菌浸染后植株球茎及根部为害位置、面积、大小、程度。
S3将上述香蕉根部组织结构的不同组分的三维几何形态与正常数据对比检查，判断被测样品是否染病。
图1为从体素扫描数据中抽取得到的植物根系几何形态；
图2为香蕉种苗球茎及根部组织的三维体素扫描数据；通过对比检查被检种苗和正常种苗的球茎和根部组织内部结构的几何形态，判定种苗是否染病、确定病变的位置和程度、评估病变的可能原因。
图3为香蕉种苗根部内部组织结构的几何形态。由图3可见，该香蕉幼苗的根内部组织,最上面根的内部及根表浅层组织可见球状小粒数个、以及纺锤状膨大，根内部结构不平滑、结构不正常，判断为受根结线虫浸染造成组织异常，虫害为害等级为严重级别。而下面的另一条根的内部及根浅表比较平滑而且也很少见球状膨大的颗粒，为感染根结线虫较轻的一种情况。
图4为疑似病变香蕉样本G1与正常香蕉样本G2的对比图；其中，被测香蕉样本G1的总体积为59Kmm3，总表面积为41Kmm2，中空体积为1.1Kmm3，孔表面积为2.8Kmm2；正常香蕉样本G2的总体积为56Kmm3，总表面积为41Kmm2，中空体积为0.1Kmm3，孔表面积为1.4Kmm2。由此可知，被测香蕉样本G1内部组织中空体积比正常香蕉样本中空体积大十倍左右，初步判定香蕉果实受寒害后果肉内部组织发生变化。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于几何形态透射测量的植物病虫害检验方法，其特征在于，包括：
S1：使用可获得植物内部组织结构数据的透射测量技术对被检植物进行非破坏性扫描，得到植物内部组织结构的透射测量数据；
S2：对透射测量数据进行处理得到植物内部组织结构的几何形态；
S3：将得到的几何形态与该植物正常组织几何形态进行对比，判定植物是否发生病变、确定病变的位置和程度、评估病变的可能原因。
2.如权利要求1所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，所述S1中透射测量技术为基于X射线、核磁共振或高能辐射波；所述透射测量数据为反映被测植物内部组织结构的一个方向的投影、一个剖面、一组剖面或一定空间内的体素数据。
3.如权利要求1所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，对透射测量数据通过专业数据处理软件进行滤波、增强、重构、抽取、建模从而得到植物内部组织结构的几何形态。
4.如权利要求3所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，所述几何形态为植物内部组织结构的二维平面投影或三维立体模型。
5.如权利要求1所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，通过对比检查所述植物内部组织结构几何形态与正常组织几何形态的异同，判定植物是否发生病变、病变的位置和程度、以及病变的可能原因。所述对比检查包括但不限于植物内部组织结构的形状特点、分布、体积、表面积、截面积、厚度、长度和密度。
6.如权利要求2所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，所述透射测量技术为流水线形式的在线测量系统或独立的离线测量系统。
7.如权利要求3所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，所述专业数据处理软件是集成于透射测量系统的在线数据处理软件或/和独立于透射测量系统的数据后处理软件。
8.如权利要求4所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，S3中几何形态的对比包括植物不同生长期的几何形态数据。
9.如权利要求4所述的基于几何形态透射测量的植物病虫害检验方法，其特征在于，S3中所述对比通过人工智能专家系统完成，所述人工智能专家系统内存储有正常植物内部组织结构几何形态数据和病变植物内部组织结构几何形态数据，并通过机器学习或人工对数据库不断地更新和完善，提升检验检测的效率和可靠性。
CN201910147617.9A 2019-02-27 2019-02-27 一种基于几何形态透射测量的植物病虫害检验方法 Pending CN110398503A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910147617.9A CN110398503A (zh) 2019-02-27 2019-02-27 一种基于几何形态透射测量的植物病虫害检验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910147617.9A CN110398503A (zh) 2019-02-27 2019-02-27 一种基于几何形态透射测量的植物病虫害检验方法

Publications (1)

Publication Number Publication Date
CN110398503A true CN110398503A (zh) 2019-11-01

Family

ID=68322430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910147617.9A Pending CN110398503A (zh) 2019-02-27 2019-02-27 一种基于几何形态透射测量的植物病虫害检验方法

Country Status (1)

Country Link
CN (1) CN110398503A (zh)

Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1474999A (zh) * 2000-10-11 2004-02-11 �������ƶ�����Ӧ���о���˾ 通过透射来表示和重现物体的方法和设备
US20050084176A1 (en) * 2003-09-12 2005-04-21 Talapov Andrei L. Methods and systems for measuring the size and volume of features on live tissues
CN1776357A (zh) * 2005-12-14 2006-05-24 华南农业大学 一种植物根系几何构型的原位测量方法
CN101852725A (zh) * 2010-04-30 2010-10-06 北京航空航天大学 一种全谱段透射式植物生化参数无损检测装置和方法
CN101881726A (zh) * 2010-06-18 2010-11-10 北京农业智能装备技术研究中心 植物幼苗综合性状活体无损检测方法
CN102128843A (zh) * 2010-12-24 2011-07-20 鹤壁佳多科工贸有限责任公司 一种植物检疫x光机
US20110222656A1 (en) * 2010-03-15 2011-09-15 Yoshiki Matoba X-ray transmission inspection apparatus and x-ray transmission inspection method
CN103034910A (zh) * 2012-12-03 2013-04-10 北京农业信息技术研究中心 基于多源信息的区域尺度病虫害预测方法
US20130113924A1 (en) * 2011-11-04 2013-05-09 Electronics And Telecommunications Research Institute Plant observation device and method
CN103411984A (zh) * 2013-08-27 2013-11-27 北京依科曼生物技术有限公司 一种农用透视检测设备及其检测方法
CN103530411A (zh) * 2013-10-25 2014-01-22 北京农业信息技术研究中心 植物三维模型数据库的构建方法
CN203502364U (zh) * 2013-08-27 2014-03-26 北京依科曼生物技术有限公司 一种便携式农用x光透视检测设备
CN104006760A (zh) * 2014-05-12 2014-08-27 上海交通大学 植株生长发育三维几何形态连续监测装置及方法
CN104422660A (zh) * 2013-08-23 2015-03-18 西北农林科技大学 一种高光谱的植物叶片病虫害诊断系统
CN104748677A (zh) * 2015-02-11 2015-07-01 中国矿业大学(北京) 采用三维激光扫描方式测量植株形态的方法
KR20150088096A (ko) * 2014-01-23 2015-07-31 주식회사 내비오닉스코리아 열 영상 기반 식물 비파괴 생체 정보 획득 시스템 및 방법
CN104950082A (zh) * 2015-06-22 2015-09-30 黑龙江八一农垦大学 一种病虫害预测系统
CN105247362A (zh) * 2013-05-30 2016-01-13 斯奈克玛 改进的超声透射检查方法
CN105445291A (zh) * 2014-05-28 2016-03-30 环境保护部核与辐射安全中心 文物病害检测方法以及图像重建方法
CN105493951A (zh) * 2015-12-30 2016-04-20 广西壮族自治区农业科学院生物技术研究所 一种香蕉组培苗的移栽方法
CN105606573A (zh) * 2015-12-22 2016-05-25 深圳先进技术研究院 一种术中快速病理诊断的系统与方法
CN106153646A (zh) * 2015-04-08 2016-11-23 清华大学 X射线成像系统和方法
CN106779188A (zh) * 2016-11-30 2017-05-31 深圳前海弘稼科技有限公司 一种种植设备中植物病虫害预测方法及装置
CN107610122A (zh) * 2017-09-30 2018-01-19 华北水利水电大学 一种基于Micro‑CT的单籽粒谷物内部虫害检测方法
EP3379235A1 (de) * 2017-03-20 2018-09-26 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und vorrichtung zur bestimmung von mindestens zwei durchstrahlungspositionen
CN109297949A (zh) * 2018-09-19 2019-02-01 珠海彩晶光谱科技有限公司 显微影像结合透射拉曼光谱的肿瘤细胞检测方法及装置
CN109885557A (zh) * 2019-01-18 2019-06-14 桂林能创信息科技有限公司 一种植物果实形态结构大数据采集方法
CN111259321A (zh) * 2020-01-15 2020-06-09 杭州电子科技大学 一种具有主脉的植物叶片的卷曲程度测定方法

Patent Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1474999A (zh) * 2000-10-11 2004-02-11 �������ƶ�����Ӧ���о���˾ 通过透射来表示和重现物体的方法和设备
US20050084176A1 (en) * 2003-09-12 2005-04-21 Talapov Andrei L. Methods and systems for measuring the size and volume of features on live tissues
CN1776357A (zh) * 2005-12-14 2006-05-24 华南农业大学 一种植物根系几何构型的原位测量方法
US20110222656A1 (en) * 2010-03-15 2011-09-15 Yoshiki Matoba X-ray transmission inspection apparatus and x-ray transmission inspection method
CN101852725A (zh) * 2010-04-30 2010-10-06 北京航空航天大学 一种全谱段透射式植物生化参数无损检测装置和方法
CN101881726A (zh) * 2010-06-18 2010-11-10 北京农业智能装备技术研究中心 植物幼苗综合性状活体无损检测方法
CN102128843A (zh) * 2010-12-24 2011-07-20 鹤壁佳多科工贸有限责任公司 一种植物检疫x光机
US20130113924A1 (en) * 2011-11-04 2013-05-09 Electronics And Telecommunications Research Institute Plant observation device and method
CN103034910A (zh) * 2012-12-03 2013-04-10 北京农业信息技术研究中心 基于多源信息的区域尺度病虫害预测方法
CN105247362A (zh) * 2013-05-30 2016-01-13 斯奈克玛 改进的超声透射检查方法
CN104422660A (zh) * 2013-08-23 2015-03-18 西北农林科技大学 一种高光谱的植物叶片病虫害诊断系统
CN103411984A (zh) * 2013-08-27 2013-11-27 北京依科曼生物技术有限公司 一种农用透视检测设备及其检测方法
CN203502364U (zh) * 2013-08-27 2014-03-26 北京依科曼生物技术有限公司 一种便携式农用x光透视检测设备
CN103530411A (zh) * 2013-10-25 2014-01-22 北京农业信息技术研究中心 植物三维模型数据库的构建方法
KR20150088096A (ko) * 2014-01-23 2015-07-31 주식회사 내비오닉스코리아 열 영상 기반 식물 비파괴 생체 정보 획득 시스템 및 방법
CN104006760A (zh) * 2014-05-12 2014-08-27 上海交通大学 植株生长发育三维几何形态连续监测装置及方法
CN105445291A (zh) * 2014-05-28 2016-03-30 环境保护部核与辐射安全中心 文物病害检测方法以及图像重建方法
CN104748677A (zh) * 2015-02-11 2015-07-01 中国矿业大学(北京) 采用三维激光扫描方式测量植株形态的方法
CN106153646A (zh) * 2015-04-08 2016-11-23 清华大学 X射线成像系统和方法
CN104950082A (zh) * 2015-06-22 2015-09-30 黑龙江八一农垦大学 一种病虫害预测系统
CN105606573A (zh) * 2015-12-22 2016-05-25 深圳先进技术研究院 一种术中快速病理诊断的系统与方法
CN105493951A (zh) * 2015-12-30 2016-04-20 广西壮族自治区农业科学院生物技术研究所 一种香蕉组培苗的移栽方法
CN106779188A (zh) * 2016-11-30 2017-05-31 深圳前海弘稼科技有限公司 一种种植设备中植物病虫害预测方法及装置
EP3379235A1 (de) * 2017-03-20 2018-09-26 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und vorrichtung zur bestimmung von mindestens zwei durchstrahlungspositionen
CN107610122A (zh) * 2017-09-30 2018-01-19 华北水利水电大学 一种基于Micro‑CT的单籽粒谷物内部虫害检测方法
CN109297949A (zh) * 2018-09-19 2019-02-01 珠海彩晶光谱科技有限公司 显微影像结合透射拉曼光谱的肿瘤细胞检测方法及装置
CN109885557A (zh) * 2019-01-18 2019-06-14 桂林能创信息科技有限公司 一种植物果实形态结构大数据采集方法
CN111259321A (zh) * 2020-01-15 2020-06-09 杭州电子科技大学 一种具有主脉的植物叶片的卷曲程度测定方法

Similar Documents

Publication Publication Date Title
KR101838839B1 (ko) 보안 검사 ct 시스템 및 그 방법
CN100487362C (zh) 一种植物根系几何构型的原位测量方法
US7933441B2 (en) Method of inspection for inner defects of an object and apparatus for same
Kodagali et al. Computer vision and image analysis based techniques for automatic characterization of fruits-a review
Huang et al. Visualizing industrial CT volume data for nondestructive testing applications
US9835596B2 (en) System and method for identification, grouping and sizing of embedded flaws in rotor components using ultrasonic inspection
Posilović et al. Flaw detection from ultrasonic images using YOLO and SSD
CN107507197A (zh) 一种基于聚类算法和卷积神经网络的肺实质提取方法
CN107110795A (zh) 意图用在断层图像的质量控制中的仿体
Verboven et al. Measurement and visualization of food microstructure: Fundamentals and recent advances
Landini Applications of fractal geometry in pathology
CN110398503A (zh) 一种基于几何形态透射测量的植物病虫害检验方法
Wang Computing length-preserved free boundary for quasi-developable mesh segmentation
Márquez et al. Sexual dimorphism in the shell of a nassariid gastropod. A 3D geometric morphometrics approach
Canoville et al. Quantitative data on bone vascular supply in lissamphibians: comparative and phylogenetic aspects
Zhang Influence of segmentation over feature measurement
Wang et al. Non-destructive determination of internal defects in chestnut (Castanea mollissima) during postharvest storage using X-ray computed tomography
Landahl et al. Investigation of diseased onion bulbs using data processing of optical coherence tomography images
Ford et al. Investigation of disease in stored onions using optical coherence tomography
Donaldson A three-dimensional computer model of the tracheid cell wall as a tool for interpretation of wood cell wall ultrastructure
Cristhian et al. Detection of knots using X-ray tomographies and deformable contours with simulated annealing
Gu Research and Implementation of Automatic Cutlery Recognition Method Based on X-ray Security Inspection Image
JP2018099058A (ja) 細胞組織体の評価方法および薬効評価方法
KR20180055970A (ko) 초분광 영상을 이용한 유정란 내부 배아 생존유무 판별방법
Iuso et al. Evaluation of deeply supervised neural networks for 3D pore segmentation in additive manufacturing

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

Application publication date: 20191101

RJ01 Rejection of invention patent application after publication