CN110882948B - 一种柚子品质分类方法与装置 - Google Patents

一种柚子品质分类方法与装置 Download PDF

Info

Publication number
CN110882948B
CN110882948B CN201911196974.0A CN201911196974A CN110882948B CN 110882948 B CN110882948 B CN 110882948B CN 201911196974 A CN201911196974 A CN 201911196974A CN 110882948 B CN110882948 B CN 110882948B
Authority
CN
China
Prior art keywords
grapefruit
quality
classification
classification model
light source
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.)
Active
Application number
CN201911196974.0A
Other languages
English (en)
Other versions
CN110882948A (zh
Inventor
曾镜源
冯亚芬
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.)
Jiaying University
Original Assignee
Jiaying University
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 Jiaying University filed Critical Jiaying University
Priority to CN201911196974.0A priority Critical patent/CN110882948B/zh
Publication of CN110882948A publication Critical patent/CN110882948A/zh
Application granted granted Critical
Publication of CN110882948B publication Critical patent/CN110882948B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B07C7/00—Sorting by hand only e.g. of mail
    • B07C7/005—Computer assisted manual sorting, e.g. for mail
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
    • 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
    • B07C5/16—Sorting according to weight
    • B07C5/18—Sorting according to weight using a single stationary weighing mechanism
    • 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
    • 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
    • B07C5/38—Collecting or arranging articles in groups
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N15/00—Machines or apparatus for other treatment of fruits or vegetables for human purposes; Machines or apparatus for topping or skinning flower bulbs
    • A23N2015/008—Sorting of fruit and vegetables
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/009—Sorting of fruit

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Food Science & Technology (AREA)
  • Polymers & Plastics (AREA)
  • Multimedia (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种柚子品质分类方法，属于柚子分类技术领域，主要解决的是现有分类方式效果差的技术问题，该方法是根据口感对同一批次的柚子挑选训练样本，根据训练样本的参数构建分类模型，利用该分类模型对该批次的柚子进行品质分类。本发明还公开了一种柚子品质分类装置。本发明分类效果好，柚子品质的一致性好。

Description

一种柚子品质分类方法与装置
技术领域
本发明涉及柚子分类技术领域，更具体地说，它涉及一种柚子品质分类方法及装置。
背景技术
现有的设备、科技论文和专利中，对果实类的农产品的分类一般采用计算机视觉(或称机器视觉)、高光谱、红外、称重等设备或传感器对果实的内外特征进行无损检测。由于柚类果实品质的一致性较差，不同年份、区域、采摘时间、果实在树上的朝向等因素，对品质都可以产生较大的影响，所以采用柚子内外检测数据来判断柚子的品质的方法，在实践中不可行，分类效果差。另外，柚子表皮对果肉的保护比较重要，任何对表皮的损伤，都会导致柚子快速腐烂，所以实践中只考虑无损检测方案。
发明内容
本发明要解决的技术问题是针对现有技术的上述不足，本发明的目的一是提供一种分类效果好的柚子品质分类方法。
本发明的目的二是提供一种分类效果好的柚子品质分类装置。
为了实现上述目的一，本发明提供一种柚子品质分类方法，该方法是根据口感对同一批次的柚子挑选训练样本，根据训练样本的参数构建分类模型，利用该分类模型对该批次的柚子进行品质分类。
作为进一步地改进，包括如下步骤：
S1.获取所述批次的柚子的年份、区域、采摘时间、种植监测数据并作为第一参数；
S2.口感检测人员从所述批次的柚子中挑选能代表各个类型的柚子；
S3.口感检测人员对挑选的柚子进行品尝，根据其感觉将品尝的柚子进行品质分类，并为每个类别挑选多个训练样本；
S4.获取各所述训练样本的轮廓、表面及表层图像特征、重量并作为第二参数；
S5.根据所述训练样本的轮廓、重量得到品质评价指标，将各所述训练样本的品质评价指标之间的比值作为第三参数；
S6.分别将所述第一参数、第二参数、第三参数输入不同的数据挖掘分类模型进行训练，分别使用各数据挖掘分类模型对待测样本进行分类，由口感检测人员挑选最适合的分类模型作为最终的分类模型；
S7.使用最终的分类模型对所述批次的柚子进行品质分类。
进一步地，所述同一批次的柚子的年份、区域、采摘时间一致。
进一步地，在所述步骤S5中，其中一个训练样本的品质评价指标Qp为：
Figure BDA0002294904190000021
其中，
Figure BDA0002294904190000022
x为图像像素的边长，hx为柚子的高，nx为柚子的宽，m柚子的质量，v柚子的体积，
另一个训练样本的品质评价指标Qs为：
Figure BDA0002294904190000023
ms为训练样本的质量，vs为训练样本的体积，其中，
Figure BDA0002294904190000031
hs为当前训练样本高的像素个数，ns为其宽的像素个数，品质评价指标Qp与品质评价指标Qs的比值Rp为：
Figure BDA0002294904190000032
令：
Figure BDA0002294904190000033
在同一测试批次上，Ap为常数，
Figure BDA0002294904190000034
其中，
Figure BDA0002294904190000035
进一步地，在所述步骤S6中，所述数据挖掘分类模型包括PCA数据挖掘分类模型、K-Means数据挖掘分类模型。
为了实现上述目的二，本发明提供一种柚子品质分类装置，包括计算机，还包括传送带，所述传送带上方设有检测箱，所述检测箱内腔顶部设有顶部光源，所述检测箱内腔两侧分别设有第一侧光源、第二侧光源，所述检测箱内腔设有若干个图像采集单元，所述传送带下方设有称重传感器，所述计算机分别电性连接所述顶部光源、第一侧光源、第二侧光源、图像采集单元、称重传感器；所述计算机通过图像采集单元、称重传感器采集柚子的参数并利用上述的方法对柚子进行品质分类。
作为进一步地改进，所述图像采集单元包括相机、高光谱图像传感器、红外图像传感器中的至少一种。
进一步地，所述检测箱由不透光的物质制成。
有益效果
本发明与现有技术相比，具有的优点为：
1.本发明通过根据口感对同一批次的柚子挑选训练样本，根据训练样本的参数构建分类模型，利用该分类模型对该批次的柚子进行品质分类，分类效果好，柚子品质的一致性好。
2.本发明通过口感检测人员挑选能代表各个类型的柚子，对挑选的柚子进行品尝，并根据柚子的口感进行品质分类和挑选各类别的训练样本，可以准确分类，保证柚子品质的一致性。
3.本发明将柚子的年份、区域、采摘时间、种植监测数据并作为第一参数，将训练样本的轮廓、表面及表层图像特征、重量作为第二参数，将各训练样本的品质评价指标之间的比值作为第三参数，根据第一参数、第二参数、第三参数挑选最适合的分类模型，分类模型的泛化能力强，稳定性好。
附图说明
图1为本发明的结构示意图；
图2为柚子的高度和宽度的示意图。
其中：1-计算机、2-传送带、3-检测箱、4-顶部光源、5-第一侧光源、6-第二侧光源、7-图像采集单元、8-称重传感器、9-柚子。
具体实施方式
下面结合附图中的具体实施例对本发明做进一步的说明。
参阅图1，一种柚子品质分类方法，该方法是根据口感对同一批次的柚子挑选训练样本，根据训练样本的参数构建分类模型，利用该分类模型对该批次的柚子进行品质分类。具体包括如下步骤：
S1.获取批次的柚子的年份、区域、采摘时间、种植监测数据并作为第一参数；
S2.口感检测人员从该批次的柚子中挑选能代表各个类型的柚子；
S3.口感检测人员对挑选的柚子进行品尝，根据其感觉将品尝的柚子进行品质分类，并为每个类别挑选多个训练样本；
S4.获取各训练样本的轮廓、表面及表层图像特征、重量并作为第二参数；
S5.根据训练样本的轮廓、重量得到品质评价指标，将各训练样本的品质评价指标之间的比值作为第三参数；
S6.分别将第一参数、第二参数、第三参数输入不同的数据挖掘分类模型进行训练，分别使用各数据挖掘分类模型对待测样本进行分类，由口感检测人员挑选最适合的分类模型作为最终的分类模型；
S7.使用最终的分类模型对该批次的柚子进行品质分类。
同一批次的柚子的年份、区域、采摘时间一致。柚子的体积与重量的比值是柚子口感的重要挑选标准，可以作为品质评价指标，质评价指标直接计算涉及到像素长度的标定，精确的长度标定甚至还需要线纹尺，不但成本高，而且步骤复杂。由于同一批次的柚子之间的品质评价指标的比值更有实际意义。
在步骤S5中，其中一个训练样本的品质评价指标Qp为：
Figure BDA0002294904190000061
其中，
Figure BDA0002294904190000062
如图2所示，x为图像像素的边长，hx为柚子的高，nx为柚子的宽，m柚子的质量，v柚子的体积，
另一个训练样本的品质评价指标Qs为：
Figure BDA0002294904190000063
ms为训练样本的质量，vs为训练样本的体积，其中，
Figure BDA0002294904190000064
hs为当前训练样本高的像素个数，ns为其宽的像素个数，品质评价指标Qp与品质评价指标Qs的比值Rp：
Figure BDA0002294904190000065
令：
Figure BDA0002294904190000066
在同一测试批次上，Ap为常数，
Figure BDA0002294904190000071
其中，
Figure BDA0002294904190000072
求取品质评价指标的比值Rp的n和h不再需要像素标定，也减少了运算量。质量m由称重传感器测出来，运行时只需要计算Vt，则可得到Rp的值。若柚子分为k个类别，则Rp为包含k个元素的向量，其每个元素取类内的平均值。
在步骤S6中，数据挖掘分类模型包括PCA数据挖掘分类模型、K-Means数据挖掘分类模型，当然不可以包括其他数据挖掘分类模型。
一种柚子品质分类装置，包括计算机1，还包括传送带2，传送带2上方设有检测箱3，检测箱3内腔顶部设有顶部光源4，检测箱3内腔两侧分别设有第一侧光源5、第二侧光源6，检测箱3内腔设有若干个图像采集单元7，传送带2下方设有称重传感器8，计算机1分别电性连接顶部光源4、第一侧光源5、第二侧光源6、图像采集单元7、称重传感器8。柚子9果柄朝上置于托盘上，托盘运动到称重传感器8上后称重结果实时传输至计算机1。计算机1可以对顶部光源4、第一侧光源5、第二侧光源6进行调节，使柚子9表面的打光达到拍照所需的亮度。若干个图像采集单元7固定于箱体内部，在计算机1的控制下，图像采集单元7对柚子9采集图像，得到的图像供计算机1处理。计算机1根据采集到的参数利用上述的方法对柚子9进行品质分类。计算机1处理主要包含提取柚子9的轮廓、纹理、柚皮表面的斑点特征、斑点数量、有无腐烂或机械伤害。其中具有腐烂或机械伤害特征的柚子9不受其它特征影响，直接规定为不合格。
图像采集单元7包括相机、高光谱图像传感器、红外图像传感器中的至少一种。检测箱3由不透光的物质制成，以免外部光源对内部图像采集单元7采集的图像造成干扰。
本发明通过根据口感对同一批次的柚子挑选训练样本，根据训练样本的参数构建分类模型，利用该分类模型对该批次的柚子进行品质分类，分类效果好，柚子品质的一致性好。通过口感检测人员挑选能代表各个类型的柚子，对挑选的柚子进行品尝，并根据柚子的口感进行品质分类和挑选各类别的训练样本，可以准确分类，保证柚子品质的一致性。将柚子的年份、区域、采摘时间、种植监测数据并作为第一参数，将训练样本的轮廓、表面及表层图像特征、重量作为第二参数，将各训练样本的品质评价指标之间的比值作为第三参数，根据第一参数、第二参数、第三参数挑选最适合的分类模型，分类模型的泛化能力强，稳定性好。
以上仅是本发明的优选实施方式，应当指出对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些都不会影响本发明实施的效果和专利的实用性。

Claims (6)

1.一种柚子品质分类方法，其特征在于，该方法是根据口感对同一批次的柚子挑选训练样本，根据训练样本的参数构建分类模型，利用该分类模型对该批次的柚子进行品质分类；
包括如下步骤：
S1.获取所述批次的柚子的年份、区域、采摘时间、种植监测数据并作为第一参数；
S2.口感检测人员从所述批次的柚子中挑选能代表各个类型的柚子；
S3.口感检测人员对挑选的柚子进行品尝，根据其感觉将品尝的柚子进行品质分类，并为每个类别挑选多个训练样本；
S4.获取各所述训练样本的轮廓、表面及表层图像特征、重量并作为第二参数；
S5.根据所述训练样本的轮廓、重量得到品质评价指标，将各所述训练样本的品质评价指标之间的比值作为第三参数；
S6.分别将所述第一参数、第二参数、第三参数输入不同的数据挖掘分类模型进行训练，分别使用各数据挖掘分类模型对待测样本进行分类，由口感检测人员挑选最适合的分类模型作为最终的分类模型；
S7.使用最终的分类模型对所述批次的柚子进行品质分类；
在所述步骤S5中，其中一个训练样本的品质评价指标Qp为：
Figure FDA0003029626680000011
其中，
Figure FDA0003029626680000012
x为图像像素的边长，hx为柚子的高，nx为柚子的宽，m柚子的质量，v柚子的体积，
另一个训练样本的品质评价指标Qs为：
Figure FDA0003029626680000021
ms为训练样本的质量，vs为训练样本的体积，其中，
Figure FDA0003029626680000022
hs为当前训练样本高的像素个数，ns为其宽的像素个数，品质评价指标Qp与品质评价指标Qs的比值Rp为：
Figure FDA0003029626680000023
令：
Figure FDA0003029626680000024
在同一测试批次上，Ap为常数，
Figure FDA0003029626680000025
其中，
Figure FDA0003029626680000026
2.根据权利要求1所述的一种柚子品质分类方法，其特征在于，所述同一批次的柚子的年份、区域、采摘时间一致。
3.根据权利要求1所述的一种柚子品质分类方法，其特征在于，在所述步骤S6中，所述数据挖掘分类模型包括PCA数据挖掘分类模型、K-Means数据挖掘分类模型。
4.一种柚子品质分类装置，包括计算机(1)，其特征在于，还包括传送带(2)，所述传送带(2)上方设有检测箱(3)，所述检测箱(3)内腔顶部设有顶部光源(4)，所述检测箱(3)内腔两侧分别设有第一侧光源(5)、第二侧光源(6)，所述检测箱(3)内腔设有若干个图像采集单元(7)，所述传送带(2)下方设有称重传感器(8)，所述计算机(1)分别电性连接所述顶部光源(4)、第一侧光源(5)、第二侧光源(6)、图像采集单元(7)、称重传感器(8)；所述计算机(1)通过图像采集单元(7)、称重传感器(8)采集柚子(9)的参数并利用权利要求1-3任一所述的方法对柚子(9)进行品质分类。
5.根据权利要求4所述的一种柚子品质分类装置，其特征在于，所述图像采集单元(7)包括相机、高光谱图像传感器、红外图像传感器中的至少一种。
6.根据权利要求4或5所述的一种柚子品质分类装置，其特征在于，所述检测箱(3)由不透光的物质制成。
CN201911196974.0A 2019-11-29 2019-11-29 一种柚子品质分类方法与装置 Active CN110882948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911196974.0A CN110882948B (zh) 2019-11-29 2019-11-29 一种柚子品质分类方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911196974.0A CN110882948B (zh) 2019-11-29 2019-11-29 一种柚子品质分类方法与装置

Publications (2)

Publication Number Publication Date
CN110882948A CN110882948A (zh) 2020-03-17
CN110882948B true CN110882948B (zh) 2021-06-25

Family

ID=69749456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911196974.0A Active CN110882948B (zh) 2019-11-29 2019-11-29 一种柚子品质分类方法与装置

Country Status (1)

Country Link
CN (1) CN110882948B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113976457B (zh) * 2021-10-25 2024-06-14 嘉应学院 一种食用百合种植用选种装置
CN115041419B (zh) * 2022-06-13 2024-01-23 嘉应学院 一种基于图像识别的球状水果方位检测及调整的装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1164646A (zh) * 1995-06-29 1997-11-12 住友金属矿山株式会社 非破坏型味道特性测定装置及适用于该装置的托盘
JP3611519B2 (ja) * 2000-12-04 2005-01-19 株式会社クボタ 農産物の内部品質評価装置
CN106269589A (zh) * 2016-08-11 2017-01-04 南京农业大学 一种大花型茶用、观赏兼用菊花品种的高效筛选方法
CN108021910A (zh) * 2018-01-04 2018-05-11 青岛农业大学 基于图谱识别和深度学习的果实分类的分析方法
CN108097603A (zh) * 2017-12-06 2018-06-01 中国计量大学 基于视觉技术的柚子品质分选方法
CN109242342A (zh) * 2018-09-29 2019-01-18 中国农业科学院农产品加工研究所 基于苹果原料指标预测苹果鲜食感官品质的方法
CN110208201A (zh) * 2019-06-11 2019-09-06 华东交通大学 水果在线检测装置及在线检测模型的维护方法
CN110263969A (zh) * 2019-05-07 2019-09-20 西北农林科技大学 一种货架期苹果品质动态预测系统及预测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1164646A (zh) * 1995-06-29 1997-11-12 住友金属矿山株式会社 非破坏型味道特性测定装置及适用于该装置的托盘
JP3611519B2 (ja) * 2000-12-04 2005-01-19 株式会社クボタ 農産物の内部品質評価装置
CN106269589A (zh) * 2016-08-11 2017-01-04 南京农业大学 一种大花型茶用、观赏兼用菊花品种的高效筛选方法
CN108097603A (zh) * 2017-12-06 2018-06-01 中国计量大学 基于视觉技术的柚子品质分选方法
CN108021910A (zh) * 2018-01-04 2018-05-11 青岛农业大学 基于图谱识别和深度学习的果实分类的分析方法
CN109242342A (zh) * 2018-09-29 2019-01-18 中国农业科学院农产品加工研究所 基于苹果原料指标预测苹果鲜食感官品质的方法
CN110263969A (zh) * 2019-05-07 2019-09-20 西北农林科技大学 一种货架期苹果品质动态预测系统及预测方法
CN110208201A (zh) * 2019-06-11 2019-09-06 华东交通大学 水果在线检测装置及在线检测模型的维护方法

Also Published As

Publication number Publication date
CN110882948A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN103063585B (zh) 瓜果成熟度快速无损检测装置及检测系统建立方法
CN108444928A (zh) 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法
Hahn AE—Automation and Emerging Technologies: Multi-spectral prediction of unripe tomatoes
CN110882948B (zh) 一种柚子品质分类方法与装置
Eissa et al. Understanding color image processing by machine vision for biological materials
CN101339117B (zh) 稻米参数自动测量装置及方法
CN105181912A (zh) 一种大米储藏过程中的新鲜度检测方法
CN110108649A (zh) 基于太赫兹光谱技术的油料作物品质的快速无损检测方法
Shahin et al. Lentil type identification using machine vision
CN108037256A (zh) 稻米食味品质的快速测定方法
Torres et al. Setting up a methodology to distinguish between green oranges and leaves using hyperspectral imaging
CN110715918B (zh) 单籽粒玉米淀粉含量拉曼高光谱分级方法
Singh et al. Image analysis methods for real-time color grading of stonefruit
Manickavasagan et al. Non-destructive measurement of total soluble solid (TSS) content of dates using near infrared (NIR) imaging
CN109470639A (zh) 基于可见光和近红外高光谱成像的桑螟幼虫及其对桑叶损害的快速识别方法
Aredo et al. Predicting of the Quality Attributes of Orange Fruit Using Hyperspec-tral Images
CN104749126A (zh) 基于近红外高光谱图像分析的小麦硬度预测方法
CN109781730A (zh) 一种快速识别垩白米的方法
CN102788796B (zh) 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法
CN108369192A (zh) 用于测量花序、种子和/或种子产量表型的方法和设备
CN105424622B (zh) 一种利用特征三角形面积预警马铃薯发芽的方法
CN105158178B (zh) 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法
CN110609011A (zh) 单籽粒玉米种子淀粉含量近红外高光谱检测方法及系统
CN110118735A (zh) 一种检测香梨公母的高光谱成像检测方法及装置
CN107403181B (zh) 基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法

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