CN112113930B - 一种杏果实品质多尺度表型方法 - Google Patents
一种杏果实品质多尺度表型方法 Download PDFInfo
- Publication number
- CN112113930B CN112113930B CN202010906082.1A CN202010906082A CN112113930B CN 112113930 B CN112113930 B CN 112113930B CN 202010906082 A CN202010906082 A CN 202010906082A CN 112113930 B CN112113930 B CN 112113930B
- Authority
- CN
- China
- Prior art keywords
- apricot
- fruit
- model
- quality
- different
- 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
Links
- 235000009827 Prunus armeniaca Nutrition 0.000 title claims abstract description 144
- 244000018633 Prunus armeniaca Species 0.000 title claims abstract description 144
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 48
- 230000010287 polarization Effects 0.000 claims abstract description 31
- 238000005286 illumination Methods 0.000 claims abstract description 20
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 10
- 210000002615 epidermis Anatomy 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 14
- 230000005855 radiation Effects 0.000 claims description 12
- 238000009659 non-destructive testing Methods 0.000 claims description 11
- 210000003491 skin Anatomy 0.000 claims description 10
- 239000011148 porous material Substances 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 238000002329 infrared spectrum Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 239000007787 solid Substances 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000003306 harvesting Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 17
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000013334 tissue model Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009342 intercropping Methods 0.000 description 2
- 230000007261 regionalization Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G01N21/21—Polarisation-affecting properties
-
- 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Food Science & Technology (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Medicinal Chemistry (AREA)
- Agronomy & Crop Science (AREA)
- Geometry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种杏果实品质多尺度表型方法，基于建立杏果实微观组织切片模型库、杏果实表皮特征组织模型库、杏果实硬度、理化品质数据库和与之对应光谱偏振数据库,建立杏果实品质微观光谱品质统计相关模型。通过室内外不同时期杏果实光谱随光照条件、空间距离角度变化BRDF双向反射率分布数据库。建立室内外杏冠层尺度BRDF双向反射率分布模型,和多时相室外典型环境光谱模型。通过多参量定性分类和定量检测，构建多尺度杏品质表型方法和无损检测体系，提高了模型的稳定性和环境适应性。
Description
技术领域
本发明涉及无损检测技术领域，更具体的说是涉及一种杏果实品质多尺度表型方法。
背景技术
目前，南疆杏通常以“杏棉间作”和“杏粮间作”的种植模式，日趋规模化和机械化。随着新疆南部杏林果业的产业区域化、规模化，信息化快速健康发展，迫切需要发展大面积果品品质区域化快速检测技术。具有开展多尺度高精度网格化近地面校正模型研究条件。
基于常规的无损检测方法，通常在暗箱进行。由于缺乏微观品质信息，模型不稳定，环境适应性差。常规的近红外无损模型检测方法，需要对样品粉碎和多元散射校正(MSC)等方法做前期预处理，通过近距离测量光谱强度变化获得检测组分信息。由于没有考虑样品表面特征，如绒毛多少、果皮纹理、光泽度、果皮粗糙度、果实颜色等表面物理特征的影响。使得无损检测模型机理不明确，不稳定且精度不高，使得无损检测模型应用范围受到一定限制。
因此，通过获取典型环境杏果实光谱和品质对应关系数据，开展多尺度空间维度、多时相特征信息提取，构建多尺度杏品质无损检测体系是本领域技术人员亟需解决的问题。
发明内容
本发明提供了一种杏果实品质多尺度表型方法，通过室内杏果实光谱随光照条件和空间距离变化规律和多时相室外典型环境光谱模型，构建多尺度杏品质无损检测体系，提高了模型的稳定性和环境适应性。
为了实现上述目的，本发明采用如下技术方案：
一种杏果实品质多尺度表型方法，包括以下步骤：
S1、基于杏果实品质的数字化表征建立对应的杏果实微观组织切片模型库，建立杏果皮组织切片模型库、杏果实硬度品质模型库、杏果实理化品质模型库；
S2、通过近红外光谱无损检测模型，获得杏果实微观组织切片模型库中不同品质杏果实表皮物理特征对应的多角度偏振光谱，通过表皮物理特征与光谱偏振特征参量的对应关系，建立杏果实表皮特征品质偏振模型；
S3、固定光照条件下，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，采集不同果实特征杏果实偏振高光谱，建立不同距离杏果实表面特征BRDF模型；
S4、不同方位光照条件下，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，建立杏果实品质光谱BRDF双向反射率分布函数模型；
S5、从杏果实微观组织切片模型库中获取不同杏的品种，采收后的典型环境下树冠层杏果实微观组织切片模型，在固定光照条件下，室内多通道网格化标记不同方位杏果实，通过标准板对不同方位杏果实光谱进行辐射校正，建立室内杏冠层尺度BRDF双向反射率分布模型；
优选的，所述光谱偏振特征参量包括线偏振度DOLP，偏振相角orient。
优选的，所述步骤S1中的杏果实微观组织切片模型库包括：果实表皮结构解剖模型和果实纵向解剖模型，其中包括杏果皮有无绒毛，杏果皮气孔形态，杏果皮气孔大小，杏果皮数量，杏果皮厚度，杏果肉薄壁细胞密度，果实大小、硬度，果皮纹理，果实颜色，果实的理化特性，果实的理化特性包括水分及可溶性固形物。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种通过室内模拟户外不同方位光照条件，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，通过采集大量不同表皮杏果实偏振高光谱，研究杏果实光谱随空间距离变化特征，通过不同时期(成熟期，完熟期)典型环境杏树冠层，及标记对应不同方位杏的高光谱数据，不同品种，多尺度，多时相杏光谱数据，构建多时相室外典型环境光谱模型，通过获取典型环境杏果实光谱和品质对应关系数据，开展多尺度空间维度、多时相特征信息提取，构建多尺度新疆南部杏品质无损检测模型，提高了模型的稳定性和环境适应性的杏果实品质多尺度表型方法。通过微观和宏观理化指标的定性分类和数字化定量分析检测，实现多尺度品质一致性表达。在果品品质数字化、信息化、智能化建设方面有重要的参考价值。
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的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的表型方法示意图。
图2附图为本发明提供的小白杏果实近红外光谱图。
图3附图为本发明提供的小白杏高光谱光谱图。
图4附图为本发明提供的杏可溶性固形物的真实值与预测值对比图。
图5附图为本发明提供的放大100倍果实纵剖面图。
图6附图为本发明提供的放大100倍表皮结构图。
图7附图为本发明提供的放大400倍表皮气孔图。
图8附图为本发明提供的样品的不同物理指标测试曲线图。
图9附图为本发明提供的样品硬度分段拟合图。
图10附图为本发明提供的样品角度差异小时的光谱图。
图11附图为本发明提供的样品角度差异大时的光谱图。
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。
本发明实施例公开了一种杏果实品质多尺度表型方法，包括以下步骤：
S1、基于杏果实品质的数字化表征建立对应的杏果实微观组织切片模型库，建立杏果皮组织切片模型库、杏果实硬度品质模型库、杏果实理化品质模型库；
S2、通过近红外光谱无损检测模型，获得杏果实微观组织切片模型库中不同品质杏果实表皮物理特征对应的多角度偏振光谱，通过表皮物理特征与光谱偏振特征参量的对应关系，建立杏果实表皮特征品质偏振模型；
S3、固定光照条件下，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，采集不同果实特征杏果实偏振高光谱，建立不同距离杏果实表面特征BRDF模型；
S4、不同方位光照条件下，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，建立杏果实品质光谱BRDF双向反射率分布函数模型；
S5、从杏果实微观组织切片模型库中获取不同杏的品种，采收后的典型环境下树冠层杏果实微观组织切片模型，在固定光照条件下，室内多通道网格化标记不同方位杏果实，通过标准板对不同方位杏果实光谱进行辐射校正，建立室内杏冠层尺度BRDF双向反射率分布模型；
为进一步优化上述技术方案，所述光谱偏振特征参量包括线偏振度DOLP，偏振相角orient。
为进一步优化上述技术方案，所述步骤S1中的杏果实微观组织切片模型库包括：果实表皮结构解剖模型和果实纵向解剖模型，其中包括杏果皮有无绒毛，杏果皮气孔形态，杏果皮气孔大小，杏果皮数量，杏果皮厚度，杏果肉薄壁细胞密度，果实大小、硬度，果皮纹理，果实颜色，果实的理化特性，果实的理化特性包括水分及可溶性固形物。
实施例
室内多通道模型，便携式光谱仪正交偏振探测数据库，通过获取海量光谱和对应理化指标数据，通过偏最小二乘特征等算法进行相关拟合，构建光谱无损检测模型表征光谱和理化指标间的对应关系。为进一步提高模型预测精度和稳定性，需不断充实不同特征杏果实数据，研究多尺度多维信息空间更深层面的规律和联系。通过获取典型环境杏果实光谱和品质对应关系数据。
基于前期建立的杏果实近红外光谱无损检测模型，通过实验获得大量标记不同品质杏果实表面物理特征(绒毛、颜色、果皮特征)及对应多角度偏振光谱，通过表面物理特征与光谱偏振特征参量如线偏振度DOLP,偏振相角orient的对应关系。建立杏果实表面特征品质偏振模型。研究杏果实物理表面特征对光学特征参量，如反射率、光谱偏振态的影响规律。通过获取更多表面特征杏果实样品数据对模型参量系数进行修正，进一步提高模型预测精度和稳定性。
通过室内固定光照条件，模拟不同距离和方位角杏果实光谱研究，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，通过采集大量不同果实特征杏果实偏振高光谱，建立不同距离杏果实表面特征BRDF模型，研究不同表面特征杏果实光谱偏振态随空间距离变化规律和特征。通过持续多方位特征数据增加模型对更多精细距离和角度的方位适应性。提高杏果实品质特征检测精度，以实现从规则固定方位检测到随机方位样品检测。
室内模拟户外不同方位光照条件，室内多通道网格化标记不同距离和方向的杏，通过标准板对不同距离和方向杏光谱进行辐射校正，建立杏果实品质光谱BRDF双向反射率分布函数模型。研究杏果实品质光谱在不同光照条件下随空间距离变化规律。选择不同发育时期，典型环境杏树冠层，及标记对应不同方位杏做固定光照条件实验。建立室内杏冠层尺度BRDF双向反射率分布模型。通过持续多方位光照和探测方向特征数据增加模型对更多精细距离和角度的方位适应性。提高杏样品BRDF方位特征检测精度，以实现从规则固定方位照明检测到随机光照方位杏样品检测。
户外获取杏树冠层尺度不同方位杏多尺度空间维度特征信息。基于室内多方位，多光照等典型环境特征子模型对户外典型环境杏果园杏品质进行检测。
建立四次多项式预测模型，选取前7个样品分段拟合达到相关系数0.8，拟合函数如图9所示。通过对不同指标的样品分段拟合曲线分析，建立多指标预测模型。
表1方位差异较小
表2方位差异较大
其次，如表1、表2、图10、图11所示，对于杏子样品在不同部位的光谱差异对杏子品质定量遥感也有较大影响，样品角度差异小时，影响较小，当两个样品方位角度差异较大时，背景光谱(室外光谱与暗箱光谱比对)有明显差异。对检测结果较大影响。本发明通过多次取平均，获取不同方位背景光谱对室外杏子光谱进行方位校准提高预测模型的检测精度和稳定性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种杏果实品质多尺度表型方法，其特征在于，包括以下步骤：
S1、基于杏果实品质的数字化表征建立对应的杏果实微观组织切片模型库，建立杏果皮组织切片模型库、杏果实硬度品质模型库、杏果实理化品质模型库；
S2、通过近红外光谱无损检测模型，获得杏果实微观组织切片模型库中不同品质杏果实表皮物理特征对应的多角度偏振光谱，通过表皮物理特征与光谱偏振特征参量的对应关系，建立杏果实表皮特征品质偏振模型；
S3、固定光照条件下，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，采集不同果实特征杏果实偏振高光谱，建立不同距离杏果实表面特征BRDF模型；
S4、不同方位光照条件下，室内多通道网格化标记不同距离和方向的杏果实，通过标准板对不同距离和方向杏果实光谱进行辐射校正，建立杏果实品质光谱BRDF双向反射率分布函数模型；
S5、从杏果实微观组织切片模型库中获取不同杏的品种，采收后的典型环境下树冠层杏果实微观组织切片模型，在固定光照条件下，室内多通道网格化标记不同方位杏果实，通过标准板对不同方位杏果实光谱进行辐射校正，建立室内杏冠层尺度BRDF双向反射率分布模型。
2.根据权利要求1所述的一种杏果实品质多尺度表型方法，其特征在于，所述光谱偏振特征参量包括线偏振度DOLP，偏振相角orient。
3.根据权利要求1所述的一种杏果实品质多尺度表型方法，其特征在于，所述步骤S1中的杏果实微观组织切片模型库包括：果实表皮结构解剖模型和果实纵向解剖模型，其中包括杏果皮有无绒毛，杏果皮气孔形态，杏果皮气孔大小，杏果皮数量，杏果皮厚度，杏果肉薄壁细胞密度，果实大小、硬度，果皮纹理，果实颜色，果实的理化特性，果实的理化特性包括水分及可溶性固形物。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010906082.1A CN112113930B (zh) | 2020-09-01 | 2020-09-01 | 一种杏果实品质多尺度表型方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010906082.1A CN112113930B (zh) | 2020-09-01 | 2020-09-01 | 一种杏果实品质多尺度表型方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112113930A CN112113930A (zh) | 2020-12-22 |
| CN112113930B true CN112113930B (zh) | 2024-02-20 |
Family
ID=73805223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010906082.1A Active CN112113930B (zh) | 2020-09-01 | 2020-09-01 | 一种杏果实品质多尺度表型方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112113930B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113030089B (zh) * | 2021-03-17 | 2023-10-20 | 塔里木大学 | 一种果品空间结构品质光谱分形成像方法 |
| CN113466142B (zh) * | 2021-06-17 | 2023-04-21 | 塔里木大学 | 一种多尺度果品散射偏振光谱成像定量检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108872140A (zh) * | 2018-05-09 | 2018-11-23 | 塔里木大学 | 一种户外监测红枣品质的方法及装置 |
| CN109387489A (zh) * | 2018-11-21 | 2019-02-26 | 塔里木大学 | 偏振散射测量红枣组织光学参数的方法及装置 |
| CN109596534A (zh) * | 2018-12-19 | 2019-04-09 | 塔里木大学 | 一种校正空间内不同方位的光谱图像的方法及装置 |
-
2020
- 2020-09-01 CN CN202010906082.1A patent/CN112113930B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108872140A (zh) * | 2018-05-09 | 2018-11-23 | 塔里木大学 | 一种户外监测红枣品质的方法及装置 |
| CN109387489A (zh) * | 2018-11-21 | 2019-02-26 | 塔里木大学 | 偏振散射测量红枣组织光学参数的方法及装置 |
| CN109596534A (zh) * | 2018-12-19 | 2019-04-09 | 塔里木大学 | 一种校正空间内不同方位的光谱图像的方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 杏贮藏期间可溶性固形物和硬度的近红外光谱检测;蔡宋宋;王宝刚;李文生;冯晓元;王纪华;张春财;;光谱实验室(第03期) * |
| 果品质量近红外光谱检测技术应用与研究进展;胡晓男, 彭云发, 罗雪宁, 罗华平;农业工程;第4卷(第05期);53-58 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112113930A (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
| Li et al. | Determination of soluble solid content in multi-origin ‘Fuji’apples by using FT-NIR spectroscopy and an origin discriminant strategy | |
| Li et al. | Pears characteristics (soluble solids content and firmness prediction, varieties) testing methods based on visible-near infrared hyperspectral imaging | |
| CN112113930B (zh) | 一种杏果实品质多尺度表型方法 | |
| CN107271382A (zh) | 一种不同生育期油菜叶片spad值遥感估算方法 | |
| CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
| CN110531054B (zh) | 基于Bootstrap抽样的土壤有机碳预测不确定性估测方法 | |
| CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
| CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
| Wang et al. | General model of multi-quality detection for apple from different origins by Vis/NIR transmittance spectroscopy | |
| CN104965973A (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 | |
| CN105608296B (zh) | 一种基于荔枝冠层光谱的叶片钾浓度反演方法 | |
| CN105136686B (zh) | 紫叶李叶片花青素含量的测定方法 | |
| CN114169165A (zh) | 一种三波段植被指数估算镉胁迫下水稻叶绿素的模型方法 | |
| CN112129709A (zh) | 一种苹果树冠层尺度氮含量诊断方法 | |
| CN111523587A (zh) | 一种基于机器学习的木本植物物种光谱识别方法 | |
| Cui et al. | Hyperspectral reflectance imaging for water content and firmness prediction of potatoes by optimum wavelengths | |
| CN113267458A (zh) | 甘薯可溶性蛋白质含量定量预测模型的建立方法 | |
| CN113176227A (zh) | 一种快速预测河南石斛掺伪霍山石斛的方法 | |
| Zhou et al. | Hyperspectral imaging technology for detection of moisture content of tomato leaves | |
| CN113049526B (zh) | 一种基于太赫兹衰减全反射的玉米种子水分含量测定方法 | |
| Wang et al. | Study of the spectral characters–chlorophyll inversion model of Sabina vulgaris in the Mu Us Sandy Land | |
| Kong et al. | An integrated field and hyperspectral remote sensing method for the estimation of pigments content of Stipa Purpurea in Shenzha, Tibet | |
| CN111624192B (zh) | 一种多源光谱融合的滇龙胆种类识别方法及系统 | |
| CN112229817A (zh) | 一种苏打盐碱地重金属定量反演模型建立方法 |
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 |