CN110441396A - 一种基于振动声音信号的胡萝卜质量评价方法 - Google Patents

一种基于振动声音信号的胡萝卜质量评价方法 Download PDF

Info

Publication number
CN110441396A
CN110441396A CN201910855040.7A CN201910855040A CN110441396A CN 110441396 A CN110441396 A CN 110441396A CN 201910855040 A CN201910855040 A CN 201910855040A CN 110441396 A CN110441396 A CN 110441396A
Authority
CN
China
Prior art keywords
carrot
voice signal
signal
energy
frequency
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
CN201910855040.7A
Other languages
English (en)
Inventor
刘洋
张扬
罗印斌
蔡艳丽
崔东琦
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.)
Changshu Institute of Technology
Original Assignee
Changshu Institute of Technology
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 Changshu Institute of Technology filed Critical Changshu Institute of Technology
Priority to CN201910855040.7A priority Critical patent/CN110441396A/zh
Publication of CN110441396A publication Critical patent/CN110441396A/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
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4472—Mathematical theories or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/50—Processing the detected response signal, e.g. electronic circuits specially adapted therefor using auto-correlation techniques or cross-correlation techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Signal Processing (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于振动声音信号的胡萝卜质量评价方法，包括胡萝卜声音信号的采集、声音信号的预处理、声音信号特征值的提取等步骤，本发明所做的基于振动声音信号的胡萝卜质量评价研究，通过搭建声音信号采集平台，收集处理胡萝卜声音信号，利用MATLAB提取胡萝卜的相关特征值，建立相关数学模型，实现对胡萝卜的无损检测，可以为声学技术在食品质量无损检测中的应用提供可靠的理论依据。

Description

一种基于振动声音信号的胡萝卜质量评价方法
技术领域
本发明涉及农业领域，尤其是涉及一种基于振动声音信号的胡萝卜质量评价方法。
背景技术
近年来声音信号处理的技术日趋成熟，国内外对此技术都做了一些研究。例如在车辆领域，运用声音信号建立列车车轮擦伤故障诊断系统，可以诊断出列车的擦伤故障和擦伤程度，对列车的安全运行具有重要意义。Zdunek A等研究学者利用接触声发射检测仪，对两个季节19个不同品种的2500个苹果质地进行评估，通过自行构建的检测体系对苹果的硬度及脆度进行测定，可以有效的预测苹果的质地。Fabrizio Costa等人用声学技术，对采后冷藏两个月的86个品种的苹果进行质地分析。Mauro D. 利用声波传感器，对高压下玉米与大米淀粉凝胶化进行了研究，结果表明加工温度变化范围为5℃～34℃内，该技术可以检测凝胶化程度的不同。近年来农产品检测方法趋向更加便捷、准确、快速，其中非破坏性检测方法，既可以最大限度的保护样品本身不被破坏，同时也能实现质量评价而备受关注，在农产品质量检测也有了较为广泛的研究与应用。胡萝卜，二年生草本，茎叶高15-120厘米，其根茎是一种质脆味美、营养丰富的家常蔬菜，全国各地广泛栽培。胡萝卜在外力作用下会产生丰富的声音信号，本文以胡萝卜为研究对象，通过搭建声音信号采集平台，收集处理胡萝卜声音信号，利用MATLAB提取胡萝卜的相关特征值，建立相关数学模型，实现对胡萝卜的无损检测。
发明内容
一种基于振动声音信号的胡萝卜质量评价方法，具体包括以下步骤：
S1、胡萝卜声音信号的采集：利用钢球以45度倾斜角敲击胡萝卜的不同部位，再用采集平台中的高敏感度的麦克风连接电脑进行声音的收集；
S2、声音信号的预处理：采用MATLAB编程，对采集的声音信号进行去噪处理；
S3、声音信号特征值的提取：（1）时域特征：基于时域分析算法，从声音信号中提取2个声学参数，分别为波形指数、能量；（2）频域特征：将胡萝卜声音信号的频率定义在0-10000Hz范围内，将时频分布平均划分为若干个频率区段，再进行能量统计；
S4、测定不同储藏时期内胡萝卜的含水量、果胶含量以及多糖含量；
S5、利用SPSS软件对时域、频域所提取的声音信号特征值与胡萝卜水分含量、多糖含量、果胶含量指标进行相关性分析，其中各数据间的关系研究依据相关性理论，采用皮尔逊方法进行分析。
作为本发明进一步的方案：波形指数作为一个稳定的和敏感的参数被定义为声信号能量与幅度的均方根之比，计算公式为：；
能量被定义为离散声信号采样点的总能量，并计算公式为：。
作为本发明进一步的方案：频域特征的频域分析是利用希尔伯特黄变换分析方法，对胡萝卜的振动声音信号进行分析，并利用MATLAB试验测得该模式下声音信号的Hilbert 谱。
本发明的有益效果：本发明所做的基于振动声音信号的胡萝卜质量评价研究，通过搭建声音信号采集平台，收集处理胡萝卜声音信号，利用MATLAB提取胡萝卜的相关特征值，建立相关数学模型，实现对胡萝卜的无损检测，可以为声学技术在食品质量无损检测中的应用提供可靠的理论依据。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1振幅与时间关系图；
图2归一化振幅与频率关系图；
图3水分含量与放置天数图；
图4葡萄糖标准曲线图；
图5多糖含量与放置天数图；
图6半乳糖醛酸标准曲线图；
图7果胶含量与放置天数图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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。
以下通过实验例对本技术方案进行详尽描述
1.1材料与设备
1. 材料：新鲜胡萝卜购于吉林市某超市，产地：吉林。
设备：本实验主要设备及仪器见表1。
表1实验主要仪器与设备
1.2实验方法
1.2.1声音信号采集
胡萝卜声音信号的采集：利用钢球敲击以45度倾斜角胡萝卜的不同部位，再用采集平台中的高敏感度的麦克风（铁三角AT8033）连接电脑进行声音的收集。2.声音信号的预处理：采用MATLAB编程，对采集的声音信号进行去噪处理。3.声音信号特征值的提取：（1）时域特征：基于时域分析算法，从声音信号中提取2个声学参数，分别为波形指数、能量。（2）频域特征：将胡萝卜声音信号的频率定义在0-10000Hz范围内。将时频分布平均划分为若干个频率区段，再进行能量统计。
1.2.2水分
实验方法在直接干燥法测定牛肉中水分含量的基础上稍作修改。
1.2.3多糖
利用葡萄糖标准曲线标定多糖。
1.2.4果胶
利用半乳糖醛酸标准曲线测定果胶含量。
结果与讨论
2.1声音信号的处理
因傅里叶变换（Fourier Transform）对分析线性的、平稳的、频率不随时间变化的信号分析是非常适合的。根据傅里叶变换的这一特性结合MATLAB编程，可以将胡萝卜振动声音信号时域特征值波形指数、能量提取出来。而频域特征值以分频能量来衡量，由于分频信号不平稳，采用希尔伯特黄变换（Hilbert-Huang Transform）处理非平稳信号十分适用。
2.1.1振动声音信号时域分析
在时域分析算法中，从胡萝卜振动声音信号中提取2个声学参数。
波形指数：波形指数作为一个稳定的和敏感的参数被定义为声信号能量与幅度的均方根之比，
；
能量被定义为离散声信号采样点的总能量，并计算公式为：。
2.1.2振动声音信号频域分析
利用希尔伯特黄变换分析方法，对胡萝卜的振动声音信号进行分析。利用MATLAB试验测得该模式下声音信号的 Hilbert 谱，如图1—2所示。
由图3频率与时间关系能量分布图坐标中的每个点，都代表在某个时间点内，某频率点所出现的强度，从希尔伯特谱中可以看出，颜色的深浅代表着该声音信号的能量强度，越接近底色蓝色，能量越低；越接近黄色，则能量越高。从频域特征图中发现，声音信号的频率主要集中在0~10000HZ，为了在频域特征值中方便分析我们将声音信号频率范围定义为0~10000HZ范围内。其中将0~10000HZ 的能量划分为0~1000HZ、1000~2000HZ、2000~3000HZ、3000~4000HZ、4000~5000HZ、5000~6000HZ、6000~7000HZ、7000~8000HZ、8000~9000HZ、9000~10000HZ等10个区域内的分频能量。
根据Hilbert谱可以求出各频率段的能量，结合大量试验分析，分别对各样品声音信号各频率段内的相对能量值进行特征提取，整体频率范围0-10000 Hz，根据相对能量变化趋势，将时频分布划分为0-200 Hz、201-400 Hz、401-600 Hz、601-800 Hz、801-1000 Hz、1001-2000 Hz、2001-3000 Hz、3001-4000 Hz、4001-5000 Hz、5001-6000 Hz、6001-7000Hz、7001-8000 Hz、8001-9000 Hz、9001-10000 Hz，即14个频率区段。依据HHT分析后的Hilbert谱进行能量统计。
将各个频率范围的信号能量累加，则各频区的总能量计算公式分别为：
整个声音信号的总能量计算公式为：
各频率段的相对能量（%）计算公式如下：
2.1.3胡萝卜质地与振动声音信号特征变化趋势
将胡萝卜放置在温度为25℃、相对湿度为38%环境中模拟货架期，不进行人为的干预，随着放置时间的延长，胡萝卜质地、振动声音信号指标都有明显的变化，结果见表2。
表2不同贮藏时期内振动声音信号各指标变化
其中0~1000HZ、1000~2000HZ等表示分频能量（dB）。
2.2 胡萝卜质量指标测定结果
2.2.1水分
不同放置时间内水分含量变化见图3，随着放置天数的增加水分含量逐渐下降。
2.2.2多糖
葡萄糖标准曲线见图4，得到趋势线方程：y=5.7729x+0.005，R2=0.9994，具有良好的相关性。
2.多糖含量
经测定不同贮存时期的胡萝卜变化如图5所示，随着放置天数的增加多糖含量逐渐升高。
2.2.3果胶
半乳糖醛酸标准曲线见图6得到趋势线方程：y=0.0045x-0.0035， R2=0.9965，具有良好的相关性。
2.果胶含量
经测定不同贮存时期的胡萝卜变化如图7所示，随着放置天数的增加果胶含量逐渐下降。
2.3模型的构建
2.3.1 相关性分析
利用SPSS软件对时域、频域所提取的声音信号特征值与胡萝卜水分含量、糖分、果胶等指标进行相关性分析，其中各数据间的关系研究依据相关性理论，采用皮尔逊方法进行分析。可以发现胡萝卜糖分与波形指数（r=0.761，p<0.01）、能量（r=0.602，p<0.01）及5000~6000HZ（r=0.741，p<0.01）内的分频能量之间的相关性极显著，而胡萝卜果胶与6000~7000HZ（r=0.704，p<0.01）、7000~8000HZ（r=0.759，p<0.01）及8000~9000HZ（r=0.696，p<0.01）内的分频能量之间的相关性极显著，但是水分含量与时域特征值及频域特征值显著性不高。
2.3.2 建立模型
2.3.2.1 水分模型
由于水分含量与时域特征值及频域特征值显著性不高，所建立的模型不具有说服力，故声音信号与水分之间未建立模型。
2.3.2.2 多糖模型
由于多糖与时域特征值中波形指数、能量的显著性极好，而在2.3.1相关性分析中发现5000-6000HZ内的分频能量在10个分频能量中最为显著。利用SPSS线性回归分析得出胡萝卜多糖与波形指数、能量及5000~6000HZ内的分频能量之间的回归线性方程为
y=0.009X1-0.016X2+0.138X3+0.666。
其中X1、X2、X3分别表示波形指数、能量及5000~6000HZ内的分频能量。
2.3.2.3果胶模型
同理在2.3.1相关性分析中6000~7000HZ、7000~8000HZ及8000~9000HZ内的分频能量与胡萝卜果胶显著性最好。利用SPSS线性回归分析得出胡萝卜果胶与6000~7000HZ、7000~8000HZ及8000~9000HZ内的分频能量之间的显著性最好得出回归线性方程为
y= -0.126X1+0.598X2-0.121X3+0.098。
其中X1、X2、X3分别表示6000~7000HZ、7000~8000HZ及8000~9000HZ内的分频能量。
3.3模型验证
3.3.1多糖模型验证
模型验证结果见表3。
表3多糖含量验证平均相对误差表
由上表可知验证之后的平均相对误差小于5%，从而可以说明该模型较为合理。
3.3.2果胶模型
模型验证见表4。
表4 果胶含量验证平均相对误差表
多糖模型和果胶模型代入求得预测胡萝卜多糖和果胶平均相对误差均小于5%，从而可以说明该模型较为合理。
结论
本研究经试验得出以下结论：（1）新鲜、放置5天、10天、15天的胡萝卜水分含量平均值分别为90.29%、88.79%、87.06%、86.99%，其多糖含量平均值分别为0.69%、0.90%、1.10%、1.34%，果胶含量平均值分别为17.43%、14.92%、12.84%、7.42%。（2）频域特征图中发现，声音信号的频率主要集中在0~10000HZ，胡萝卜糖分与波形指数（r=0.761，p<0.01）、能量（r=0.602，p<0.01）及5000~6000HZ（r=0.741，p<0.01）内的分频能量之间的相关性极为显著，而胡萝卜果胶与6000~7000HZ（r=0.704，p<0.01）、7000~8000HZ（r=0.759，p<0.01）及8000~9000HZ（r=0.696，p<0.01）内的分频能量之间的相关性极为显著。（3）声音信号与多糖含量的关系的线性方程为y=0.009X1-0.016X2+0.138X3+0.666，声音信号与果胶含量的关系的线性方程为y= -0.126X1+0.598X2-0.121X3+0.098，且两个模型都比较合理。综上所述，本文所做的基于振动声音信号的胡萝卜质量评价研究，可以为声学技术在食品质量无损检测中的应用提供可靠的理论依据。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (3)

1.一种基于振动声音信号的胡萝卜质量评价方法，其特征在于，具体包括以下步骤：
S1、胡萝卜声音信号的采集：利用钢球45度倾斜角敲击胡萝卜的不同部位，再用采集平台中的高敏感度的麦克风连接电脑进行声音的收集；
S2、声音信号的预处理：采用MATLAB编程，对采集的声音信号进行去噪处理；
S3、声音信号特征值的提取：（1）时域特征：基于时域分析算法，从声音信号中提取2个声学参数，分别为波形指数、能量；（2）频域特征：将胡萝卜声音信号的频率定义在0-10000Hz范围内，将时频分布平均划分为若干个频率区段，再进行能量统计；
S4、测定不同储藏时期内胡萝卜的含水量、果胶含量以及多糖含量；
S5、利用SPSS软件对时域、频域所提取的声音信号特征值与胡萝卜水分含量、多糖含量、果胶含量指标进行相关性分析，其中各数据间的关系研究依据相关性理论，采用皮尔逊方法进行分析。
2.根据权利要求1所述的基于振动声音信号的胡萝卜质量评价方法，其特征在于，波形指数作为一个稳定的和敏感的参数被定义为声信号能量与幅度的均方根之比，计算公式为：；能量被定义为离散声信号采样点的总能量，并计算公式为：。
3.根据权利要求1所述的基于振动声音信号的胡萝卜质量评价方法，其特征在于，频域特征的频域分析是利用希尔伯特黄变换分析方法，对胡萝卜的振动声音信号进行分析，并利用MATLAB试验测得该模式下声音信号的 Hilbert 谱。
CN201910855040.7A 2019-09-10 2019-09-10 一种基于振动声音信号的胡萝卜质量评价方法 Pending CN110441396A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910855040.7A CN110441396A (zh) 2019-09-10 2019-09-10 一种基于振动声音信号的胡萝卜质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910855040.7A CN110441396A (zh) 2019-09-10 2019-09-10 一种基于振动声音信号的胡萝卜质量评价方法

Publications (1)

Publication Number Publication Date
CN110441396A true CN110441396A (zh) 2019-11-12

Family

ID=68439972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910855040.7A Pending CN110441396A (zh) 2019-09-10 2019-09-10 一种基于振动声音信号的胡萝卜质量评价方法

Country Status (1)

Country Link
CN (1) CN110441396A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111272875A (zh) * 2020-03-09 2020-06-12 常熟理工学院 一种基于振动声音信号的苹果脆度无损检测方法
CN111855800A (zh) * 2020-07-17 2020-10-30 西南科技大学 声学振动快速无损测定水果货架期或最佳食用期的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109142534A (zh) * 2018-10-18 2019-01-04 吉林化工学院 基于振动声音信号对地瓜质量评价的方法
CN109541031A (zh) * 2019-01-25 2019-03-29 山东农业大学 基于声学和振动特性的水果硬度检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109142534A (zh) * 2018-10-18 2019-01-04 吉林化工学院 基于振动声音信号对地瓜质量评价的方法
CN109541031A (zh) * 2019-01-25 2019-03-29 山东农业大学 基于声学和振动特性的水果硬度检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘洋: ""基于断裂声音信号的胡萝卜质地评价研究"", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111272875A (zh) * 2020-03-09 2020-06-12 常熟理工学院 一种基于振动声音信号的苹果脆度无损检测方法
CN111855800A (zh) * 2020-07-17 2020-10-30 西南科技大学 声学振动快速无损测定水果货架期或最佳食用期的方法
CN111855800B (zh) * 2020-07-17 2022-04-01 西南科技大学 声学振动快速无损测定水果货架期或最佳食用期的方法

Similar Documents

Publication Publication Date Title
Mizrach Ultrasonic technology for quality evaluation of fresh fruit and vegetables in pre-and postharvest processes
Cho et al. Detection of surface cracks in shell eggs by acoustic impulse method
Mizrach Determination of avocado and mango fruit properties by ultrasonic technique
CN104297112B (zh) 一种湿蒸汽区液滴颗粒的测量方法以及装置
Taniwaki et al. Non-destructive determination of the optimum eating ripeness of pears and their texture measurements using acoustical vibration techniques
CN109142534B (zh) 基于振动声音信号对地瓜质量评价的方法
Bechar et al. Determination of mealiness in apples using ultrasonic measurements
Taniwaki et al. Texture measurement of potato chips using a novel analysis technique for acoustic vibration measurements
Taniwaki et al. Postharvest quality evaluation of “Fuyu” and “Taishuu” persimmons using a nondestructive vibrational method and an acoustic vibration technique
WO1999050653A1 (fr) Procede de mesure de la maturite gustative et de la consistance d&#39;un legume ou d&#39;un fruit et instrument de mesure
CN105301099A (zh) 食品脆度检测方法
CN110441396A (zh) 一种基于振动声音信号的胡萝卜质量评价方法
Abbaszadeh et al. Nondestructive determination of watermelon flesh firmness by frequency response
Mizrach et al. Determination of mango physiological indices by mechanical wave analysis
Cui et al. The use of a laser Doppler vibrometer to assess watermelon firmness
Hou et al. Prediction of firmness and pH for “golden delicious” apple based on elasticity index from modal analysis
Andreani et al. Spectrum crispness sensory scale correlation with instrumental acoustic high-sampling rate and mechanical analyses
CN108007858A (zh) 一种用于烟叶质构特性的检测方法与评价方法
CN103713051B (zh) 一种球形水果质地预测模型的建模方法
Khoshnam et al. Acoustic testing for melon fruit ripeness evaluation during different stages of ripening
CN104255118A (zh) 基于近红外光谱技术的水稻种子发芽率快速无损测试方法
Zhang et al. Orthogonal test design to optimize the acoustic vibration method for pear texture measurement
Pan et al. Development of impact acoustic detection and density separations methods for production of high quality processed beans
Zhang et al. The impulse response method for pear quality evaluation using a laser Doppler vibrometer
Verlinden et al. Evaluation of ultrasonic wave propagation to measure chilling injury in tomatoes

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: 20191112

RJ01 Rejection of invention patent application after publication