CN110575965A - 一种基于近红外光谱鉴别的蚕蛹雌雄筛选机及其筛选方法 - Google Patents
一种基于近红外光谱鉴别的蚕蛹雌雄筛选机及其筛选方法 Download PDFInfo
- Publication number
- CN110575965A CN110575965A CN201910944523.4A CN201910944523A CN110575965A CN 110575965 A CN110575965 A CN 110575965A CN 201910944523 A CN201910944523 A CN 201910944523A CN 110575965 A CN110575965 A CN 110575965A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- screening
- variable
- female
- male
- 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
- 241000255789 Bombyx mori Species 0.000 title claims abstract description 64
- 238000012216 screening Methods 0.000 title claims abstract description 45
- 241000382353 Pupa Species 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 16
- 238000001228 spectrum Methods 0.000 claims description 30
- 238000000926 separation method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 14
- 239000013307 optical fiber Substances 0.000 claims description 9
- 238000000411 transmission spectrum Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000010239 partial least squares discriminant analysis Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims description 2
- 230000004083 survival effect Effects 0.000 claims description 2
- 238000002834 transmittance Methods 0.000 claims description 2
- 238000010238 partial least squares regression Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000009395 breeding Methods 0.000 description 6
- 230000001488 breeding effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000000862 absorption spectrum Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000032544 Cicatrix Diseases 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000037387 scars Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (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)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于近红外光谱鉴别的蚕蛹雌雄筛选机及其筛选方法，主要是利用雌雄蚕蛹对近红外光谱的吸收不同，通过利用计算机结合相关的模型分析透射光谱的分布情况完成对待测蚕蛹的雌雄鉴定，最后用计算机控制驱动电机利用分离装置系统将雌雄蚕蛹进行分离。本方法较传统鉴别方法而言具有误判率低、耗时短等优势，在工业上能大量降低人工工作量，提高生产效率，具有很大的应用前景。
Description
技术领域
本发明涉及蚕蛹筛选领域，具体涉及一种基于近红外光谱鉴别的蚕蛹雌雄筛选机及其筛选方法。
背景技术
植桑养蚕在我国具有悠久的历史，至今我国依然是世界上最大的蚕丝生产国和出口国，如何提高蚕丝的质量和生产效率一直备受关注，蚕丝产业包括品种选育、蚕种制造、栽桑养蚕、鲜茧收烘、干茧流通、缫丝织绸、印染加工、外贸出口。其中品种选育是其中最重要一环，其是蚕丝质量的关键、在品种选育中雌雄蚕蛹辨别分类一直耗费大量的人工，使得效率低下生产成本增加。
随着计算机、机器视觉技术的发展，通过图像识别技术的雌雄蚕蛹鉴别技术发展起来，图像识别的雌雄蚕蛹分别技术主要是利用雌蛹和雄蛹的大小及质量的差别进行筛选，利用此方法虽能节约人工，但其筛选的错误率较高，可信度较低，因此未能进行大规模商用。
发明内容
本发明的第一个目的是提供一种基于近红外光谱鉴别蚕蛹雌雄筛选机，可以解决上述技术问题中的一个或是多个。
为了达到上述目的，本发明提出的技术方案如下：
一种基于近红外光谱鉴别蚕蛹雌雄筛选机，包括分离漏斗、上料履带、鉴定履带、光源、聚焦透镜、光纤接头、变速分离履带、第一盒，第二盒、光谱仪和计算机。
所述分离漏斗包括漏斗和出料管，出料管位于漏斗下方；所述上料履带位于分离漏斗下方，在上料履带上设置接料碗；所述接料碗正对出料管；所述鉴定履带位于上料履带下方；鉴定履带中间透明，所述光源位于鉴定履带下方，在鉴定履带上方设置聚焦透镜和光纤头，光纤接头连接到光谱仪，所述光谱仪与计算机电连接；在鉴定履带的下方设置有变速分离履带，变速分离履带通过步进电机驱动变速传输；分选盒包括第一盒、第二盒、第一滑板、第二滑板；第一滑板将变速分离履带上的下落物接入第一盒内；第二滑板将变速分离履带上的下落物接入第二盒内。
所述光源发出光线照射在蚕蛹上，透射过蚕蛹的光线经过聚焦透镜、光纤头、光谱仪最终进入进算计进行光谱分析分出雌雄蚕蛹；然后通过变速分离履带的变速，让蚕在离开变速分离履带的初速度不同进而保证其抛落点也不同，从而将雌雄蚕蛹分别分在第一盒和第二盒内。
进一步的：所述履带上设置透光的隔热片。例如平板玻璃。以防蚕蛹被光源灼伤。
进一步的：所述第一滑板、第二滑板上端相搭形成“Λ”形分选叉，“Λ”形分选叉位于第一盒和第二盒中间。
本发明的第一个目的是提供一种基于近红外光谱鉴别蚕蛹雌雄筛选机，可以解决上述技术问题中的一个或是多个。
一种基于近红外光谱鉴别蚕蛹雌雄的筛选方法，首先对光谱做预处理，建立筛选模型以确定蚕蛹雌雄的筛选条件；将蚕蛹放置到光线下照射，分析透射经过蚕蛹的光线光谱是否符合模型以分出雌雄蚕蛹；所述光谱做预处理具体包括如下步骤：
S1建立筛选模型：
S11蚕蛹主要由蛋白质、脂肪和水组成，在近红外表现出吸收，蚕蛹的吸收光谱在蛋白质、脂肪、和水的光谱带有广泛的重叠，故要对吸收光谱进行预处理。
这里通过均值中心化、二阶微分、标准正态变量变换对光谱进行预处理，以消除光谱重叠部分，留下光谱的特征部分，便于后续进行优选光波的统计；
首先对光谱做均值中心化其中G为均值中心化后的函数，X为原函数，为原函数均值；
对所得的函数进行二阶微分，一阶微分公式为：二阶微分公式为：式中xi是谱图数据中i波数下的透过率，g为窗口宽度，再将微分后的数据进行标准正态变量变换式中xi是第i样品光谱的平均值，k＝1,2,...,m，m为波长点数，i＝1,2,...,n,n为校正样品数，Xi,SNV是变换后的光谱；
S12模仿达尔文进化理论中的“适者生存”原则，采用竞争自适应重加权采样(SCARS)进行波长优选，通过稳定度确定筛选波段模型；
设定稳定度定义为：其中Cj是M次蒙特卡洛采样中第j个变量的稳定度，是M次蒙特卡洛采样中第j个变量的回归系数的均值；s(bj)是M次蒙特卡洛采样中第j个变量的回归系数的标准差；
S13对步骤S12中筛选后的光谱数据采用偏最小二乘判别分析(PLS-DA),将透射光谱数据提取相关信息，建立一个可靠的筛选模型。
S2优化步骤S13的筛选模型做；采用无信息变量消除法分析偏最小二乘(PLS-DA)回归系数b；
S21用偏最小二乘判别分析提取的光谱信息，将相同于自变量矩阵的变量数目的随机变量矩阵加入光谱矩阵中；
S22通过交叉验证的逐一剔除法建立偏最小二乘判别分析模型，得到回归系数矩阵B；回归系数矩阵B中回归系数向量b的平均值为mean(bi)；回归系数矩阵B中回归系数向量b的标准偏差为S(bi)；其中i表示光谱矩阵中第i列向量；则令Ci＝mean(bi)/S(bi)，分析Ci的稳定性，根据Ci的绝对值大小确定是否把第i列变量用于筛选模型中；以确定最终数据是否可以实现可靠筛选。
S3根据上述S11、S12的透射光线处理方式，将透射过蚕蛹的光谱做数据分析，得到透射光谱的优选波段；将优选波段的光谱信息带入到筛选模型中，进而逐一判定该透射光谱对应的是雄蚕蛹亦或雌蚕蛹。
本发明的技术效果是：
(1)本发明采用近红外光谱鉴别的方式对蚕蛹的雌雄进行鉴定，用计算机相关算法计算，极大的提高了鉴别的正确率，全自动化的鉴定流程提高了鉴定效率。
(2)本发明采用计算机驱动电机将雌雄蚕蛹进行分离，机电一体化的鉴定流程排除了人为因素的干扰，提高了鉴别的准确率。
(3)另外在建立模型过程中的数据处理分析突出和放大数据了的特征，弱化相同的信息，减小运算的复杂度，自适应重加权采样过程中包含多次循环迭代可以得到最优数据，最大程度的减小误差，可以提高筛选过程中的准确性和稳定性，提高筛选模型的预测精度。
(4)蚕蛹经分离漏斗进入上料履带，上料履带上的接料碗将蚕蛹逐个分开，等间距的通过鉴定履带，另采用变速分离法，对蚕蛹伤害小，用分选叉简化了分离的工艺。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1为基于近红外光谱鉴别的蚕蛹雌雄筛选机的系统图；
图2为基于近红外光谱鉴别的蚕蛹雌雄筛选的算法流程图；
其中，上述附图包括以下附图标记：
分离漏斗 1、上料履带 2、鉴定履带 3、光纤接头 4、聚焦透镜 5、隔热片 6、变速分离履带 7、分选叉 8、光源 9、计算机 10、光谱仪 11、待鉴蚕蛹 12。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的不当限定。
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。下面将参考附图并结合实施例来详细说明本发明。
图1为基于近红外光谱鉴别的蚕蛹雌雄筛选机的系统图，如图1所示系统包括分离漏斗、上料履带、鉴定履带、光源、聚焦透镜、光纤接头、变速分离履带、分选叉、分选盒、光谱仪和计算机，蚕蛹分别通过漏斗、上料履带依次到达鉴定履带，在鉴定履带上光源照射蚕蛹后的透射光经聚焦透镜被耦合进光纤接头中，透射光经光纤进入光谱仪，计算机解调光谱仪的光谱信息后，利用算法优化，分析数据，判断出雌雄，计算机发出指令，驱动变速分离履带的电机，将雌雄蚕蛹用不同的转速向前传递，最终通过分选叉将雌雄蚕蛹分离。
整个设备简单、可靠，运行稳定，在筛选蚕蛹时对蚕蛹的损伤小，筛选准确率高。
图2为基于近红外光谱鉴别的蚕蛹雌雄筛选的算法流程图，如图2所示，筛选模型建立过程包括首先对透射光谱进行预处理，预处理的步骤包括：均值中心化、二阶微分、标准正态变量变换，将预处理后的光谱数据采用竞争自适应重加权法进行波长优选，优选后的波长再用偏最小二乘判别分析，交叉分析，最后用无信息变量消除法来分析数据判定模型的稳定性；筛选模型建立之后再对每一蚕蛹的透射光谱做分析处理，判断其是雄或是雌。
本筛选方法整体计算量小，筛选速度快，筛选结果稳定、可靠。
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，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (4)
1.一种基于近红外光谱鉴别蚕蛹雌雄筛选机，其特征在于：包括分离漏斗、上料履带、鉴定履带、光源、聚焦透镜、光纤接头、变速分离履带、第一盒，第二盒、光谱仪和计算机；
所述分离漏斗包括漏斗和出料管，出料管位于漏斗下方；
所述上料履带位于分离漏斗下方，在上料履带上设置接料碗；所述接料碗正对出料管；
所述鉴定履带位于上料履带下方；鉴定履带中间透明，所述光源位于鉴定履带下方，在鉴定履带上方设置聚焦透镜和光纤头，光纤接头连接到光谱仪，所述光谱仪与计算机电连接；
在鉴定履带的下方设置有变速分离履带，变速分离履带通过步进电机驱动变速传输；
分选盒包括第一盒、第二盒、第一滑板、第二滑板；
第一滑板将变速分离履带上的下落物接入第一盒内；第二滑板将变速分离履带上的下落物接入第二盒内。
2.根据权利要求1所述的近红外光谱鉴别蚕蛹雌雄筛选机，其特征在于：所述履带上设置透光的隔热片。
3.根据权利要求1所述的近红外光谱鉴别蚕蛹雌雄筛选机，其特征在于：所述第一滑板、第二滑板上端相搭形成“Λ”形分选叉，“Λ”形分选叉位于第一盒和第二盒中间。
4.一种基于近红外光谱鉴别蚕蛹雌雄的筛选方法，首先对光谱做预处理，建立筛选模型以确定蚕蛹雌雄的筛选条件；将蚕蛹放置到光线下照射，分析透射经过蚕蛹的光线光谱是否符合模型以分出雌雄蚕蛹；其特征在于，所述光谱做预处理具体包括如下步骤：
S1建立筛选模型：
S11通过均值中心化、二阶微分、标准正态变量变换对光谱进行预处理，以消除光谱重叠部分，留下光谱的特征部分，便于后续进行优选光波的统计；
首先对光谱做均值中心化其中G为均值中心化后的函数，X为原函数，为原函数均值；
对所得的函数进行二阶微分，一阶微分公式为：二阶微分公式为：式中xi是谱图数据中i波数下的透过率，g为窗口宽度，再将微分后的数据进行标准正态变量变换式中xi是第i样品光谱的平均值，k＝1,2,...,m，m为波长点数，i＝1,2,...,n,n为校正样品数，Xi,SNV是变换后的光谱；
S12模仿达尔文进化理论中的“适者生存”原则，通过稳定度确定筛选波段模型；
设定稳定度定义为：其中Cj是M次蒙特卡洛采样中第j个变量的稳定度，是M次蒙特卡洛采样中第j个变量的回归系数的均值；s(bj)是M次蒙特卡洛采样中第j个变量的回归系数的标准差；
S13对步骤S12中筛选后的光谱数据采用偏最小二乘判别分析,将透射光谱数据提取相关信息，建立一个可靠的筛选模型；
S2优化步骤S13的筛选模型做；采用无信息变量消除法分析偏最小二乘回归系数b；
S21用偏最小二乘判别分析提取的光谱信息，将相同于自变量矩阵的变量数目的随机变量矩阵加入光谱矩阵中；
S22通过交叉验证的逐一剔除法建立偏最小二乘判别分析模型，得到回归系数矩阵B；
回归系数矩阵B中回归系数向量b的平均值为mean(bi)；回归系数矩阵B中回归系数向量b的标准偏差为S(bi)；其中i表示光谱矩阵中第i列向量；
则令Ci＝mean(bi)/S(bi)，分析Ci的稳定性，根据Ci的绝对值大小确定是否把第i列变量用于筛选模型中；以确定最终数据是否可以实现可靠筛选；
S3根据上述S11、S12的透射光线处理方式，将透射过蚕蛹的光谱做数据分析，得到透射光谱的优选波段；将优选波段的光谱信息带入到筛选模型中，进而逐一判定该透射光谱对应的是雄蚕蛹亦或雌蚕蛹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910944523.4A CN110575965B (zh) | 2019-09-30 | 2019-09-30 | 一种近红外光谱鉴别的蚕蛹雌雄筛选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910944523.4A CN110575965B (zh) | 2019-09-30 | 2019-09-30 | 一种近红外光谱鉴别的蚕蛹雌雄筛选方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110575965A true CN110575965A (zh) | 2019-12-17 |
| CN110575965B CN110575965B (zh) | 2021-06-01 |
Family
ID=68814228
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910944523.4A Active CN110575965B (zh) | 2019-09-30 | 2019-09-30 | 一种近红外光谱鉴别的蚕蛹雌雄筛选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110575965B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112742741A (zh) * | 2020-12-28 | 2021-05-04 | 江苏苏豪蚕种有限公司 | 一种蚕蛹雌雄自动识别分拣设备及识别分拣方法 |
| CN113019979A (zh) * | 2021-05-08 | 2021-06-25 | 杭州家俊制丝科技有限公司 | 一种智能视觉选茧装置 |
| CN113634515A (zh) * | 2021-09-24 | 2021-11-12 | 桂林航天工业学院 | 一种全自动蚕蛹雌雄分拣设备 |
| CN115350944A (zh) * | 2022-08-17 | 2022-11-18 | 无锡迅杰光远科技有限公司 | 蚕蛹识别装置和方法 |
| CN117093841A (zh) * | 2023-10-18 | 2023-11-21 | 中国科学院合肥物质科学研究院 | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 |
| CN113634515B (zh) * | 2021-09-24 | 2024-10-22 | 桂林航天工业学院 | 一种全自动蚕蛹雌雄分拣设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102095481A (zh) * | 2010-12-02 | 2011-06-15 | 江苏大学 | 一种蚕茧性别自动判别装置及方法 |
| CN106198448A (zh) * | 2016-07-17 | 2016-12-07 | 北京化工大学 | 一种自动高速无损分拣活体雌雄蚕蛹或者活体雌雄蚕茧的工艺 |
| CN106248617A (zh) * | 2016-07-12 | 2016-12-21 | 上海创和亿电子科技发展有限公司 | 基于近红外的烟叶焦油检测方法 |
| CN205982080U (zh) * | 2016-07-17 | 2017-02-22 | 北京化工大学 | 一种分拣活体雌雄蚕蛹或者活体雌雄蚕茧的装置 |
| CN106964565A (zh) * | 2017-05-08 | 2017-07-21 | 中国计量大学 | 全自动雌雄蚕蛹分选方法 |
| CN107238587A (zh) * | 2017-05-09 | 2017-10-10 | 华南农业大学 | 基于光谱技术的蚕蛹雌雄快速无损检测方法 |
| CN108526042A (zh) * | 2017-05-08 | 2018-09-14 | 中国计量大学 | 一种雌雄蚕蛹自动分选方法 |
| CN110090809A (zh) * | 2018-01-31 | 2019-08-06 | 西派特（北京）科技有限公司 | 一种在线高速无损自动分拣单倍体玉米籽粒的装置 |
-
2019
- 2019-09-30 CN CN201910944523.4A patent/CN110575965B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102095481A (zh) * | 2010-12-02 | 2011-06-15 | 江苏大学 | 一种蚕茧性别自动判别装置及方法 |
| CN106248617A (zh) * | 2016-07-12 | 2016-12-21 | 上海创和亿电子科技发展有限公司 | 基于近红外的烟叶焦油检测方法 |
| CN106198448A (zh) * | 2016-07-17 | 2016-12-07 | 北京化工大学 | 一种自动高速无损分拣活体雌雄蚕蛹或者活体雌雄蚕茧的工艺 |
| CN205982080U (zh) * | 2016-07-17 | 2017-02-22 | 北京化工大学 | 一种分拣活体雌雄蚕蛹或者活体雌雄蚕茧的装置 |
| CN106964565A (zh) * | 2017-05-08 | 2017-07-21 | 中国计量大学 | 全自动雌雄蚕蛹分选方法 |
| CN108526042A (zh) * | 2017-05-08 | 2018-09-14 | 中国计量大学 | 一种雌雄蚕蛹自动分选方法 |
| CN107238587A (zh) * | 2017-05-09 | 2017-10-10 | 华南农业大学 | 基于光谱技术的蚕蛹雌雄快速无损检测方法 |
| CN110090809A (zh) * | 2018-01-31 | 2019-08-06 | 西派特（北京）科技有限公司 | 一种在线高速无损自动分拣单倍体玉米籽粒的装置 |
Non-Patent Citations (1)
| Title |
|---|
| 颜辉等: "利用在线近红外光谱鉴别雌雄蚕蛹的方法", 《蚕业科学》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112742741A (zh) * | 2020-12-28 | 2021-05-04 | 江苏苏豪蚕种有限公司 | 一种蚕蛹雌雄自动识别分拣设备及识别分拣方法 |
| CN112742741B (zh) * | 2020-12-28 | 2023-11-10 | 江苏苏豪蚕种有限公司 | 一种蚕蛹雌雄自动识别分拣设备及识别分拣方法 |
| CN113019979A (zh) * | 2021-05-08 | 2021-06-25 | 杭州家俊制丝科技有限公司 | 一种智能视觉选茧装置 |
| CN113634515A (zh) * | 2021-09-24 | 2021-11-12 | 桂林航天工业学院 | 一种全自动蚕蛹雌雄分拣设备 |
| CN113634515B (zh) * | 2021-09-24 | 2024-10-22 | 桂林航天工业学院 | 一种全自动蚕蛹雌雄分拣设备 |
| CN115350944A (zh) * | 2022-08-17 | 2022-11-18 | 无锡迅杰光远科技有限公司 | 蚕蛹识别装置和方法 |
| CN117093841A (zh) * | 2023-10-18 | 2023-11-21 | 中国科学院合肥物质科学研究院 | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 |
| CN117093841B (zh) * | 2023-10-18 | 2024-02-09 | 中国科学院合肥物质科学研究院 | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110575965B (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110575965B (zh) | 一种近红外光谱鉴别的蚕蛹雌雄筛选方法 | |
| CN105630743B (zh) | 一种光谱波数的选择方法 | |
| CN110763698B (zh) | 一种基于特征波长的高光谱柑橘叶片病害识别方法 | |
| CN106000914A (zh) | 一种在线无损检测霉心病的苹果分选装置 | |
| CN103109754B (zh) | 血斑蛋在线无损检测分选设备及其方法 | |
| CN106290238A (zh) | 一种基于高光谱成像的苹果品种快速鉴别方法 | |
| CN102539375A (zh) | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 | |
| CN108802002B (zh) | 一种快速无损鉴别解除滞育的蚕卵拉曼光谱模型构建方法 | |
| CN104965973B (zh) | 一种苹果霉心病多因子无损检测判别模型及其建立方法 | |
| CN105043998A (zh) | 一种鉴别玉米单倍体的方法 | |
| US20240341286A1 (en) | Method and device for non-destructive sorting of fertilization information of hatching eggs before incubation | |
| CN103543107B (zh) | 基于机器视觉和高光谱技术的烟叶智能分级系统和方法 | |
| CN105866050A (zh) | 一种低成本苹果霉心病无损快速检测设备 | |
| Fernández-Novales et al. | A feasibility study on the use of a miniature fiber optic NIR spectrometer for the prediction of volumic mass and reducing sugars in white wine fermentations | |
| CN114112932A (zh) | 基于深度学习的油茶果成熟度高光谱检测方法及分选设备 | |
| CN203120696U (zh) | 一种血斑蛋在线无损检测分选设备 | |
| Meghar et al. | Hyperspectral imaging for the determination of relevant cooking quality traits of boiled cassava | |
| Kim et al. | Defect and ripeness inspection of citrus using NIR transmission spectrum | |
| CN109142248B (zh) | 早期鸡胚雌雄识别的方法 | |
| CN108645809A (zh) | 一种近红外光谱技术快速识别松脂来源树种的方法 | |
| CN111665215A (zh) | 一种基于嵌入式的苹果成熟度检测系统及方法 | |
| CN114863286B (zh) | 一种基于多算法协同选优的混合废塑料分类方法 | |
| CN110567887A (zh) | 一种基于光谱成像和深度学习技术的干茧茧层丝胶溶失率的无损检测方法 | |
| CN112304921B (zh) | 一种基于拉曼光谱技术检测桑椹中花色素苷的方法 | |
| EP3961189A1 (en) | Cigarette mainstream smoke spectral data sensory evaluation method |
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 |