CN112837301A - 一种茶叶干茶色泽花杂度的判断方法 - Google Patents

一种茶叶干茶色泽花杂度的判断方法 Download PDF

Info

Publication number
CN112837301A
CN112837301A CN202110177739.XA CN202110177739A CN112837301A CN 112837301 A CN112837301 A CN 112837301A CN 202110177739 A CN202110177739 A CN 202110177739A CN 112837301 A CN112837301 A CN 112837301A
Authority
CN
China
Prior art keywords
color
tea
luster
evaluation
degree
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
CN202110177739.XA
Other languages
English (en)
Inventor
林杰
和怡萱
苏祝成
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.)
Zhejiang A&F University ZAFU
Original Assignee
Zhejiang A&F University ZAFU
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 Zhejiang A&F University ZAFU filed Critical Zhejiang A&F University ZAFU
Priority to CN202110177739.XA priority Critical patent/CN112837301A/zh
Publication of CN112837301A publication Critical patent/CN112837301A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种茶叶干茶色泽花杂度的判断方法，包括以下步骤：取样：按照标准对茶样进行采样，均匀平铺在规格为白色木质盘中，同时为尽量减少误差,每个样茶取2个平行样；获取样品图片：在均匀光源下采用摄影设备进行拍摄，采集到高还原度的茶样照片；设定有效区域：为白色木质盘中心的10cm*10cm的正方形区域；数据采集：利用程序代码，提取Hue数据和Hue曲线；数据计算：根据Hue数据，通过CI的评分公式计算其评分数值；依据评语体系判别干茶色泽花杂度评价等级。通过上述设置，能够针对各个种类的茶叶的干茶色泽花杂度进行快速的评价，且其评价结果更加的客观和精确，从而能够为茶叶的生产和销售设定统一的标准，有利于茶叶行业的良性发展。

Description

一种茶叶干茶色泽花杂度的判断方法
技术领域
本发明涉及茶叶领域，具体为一种茶叶干茶色泽花杂度的判断方法。
背景技术
茶叶作为日常饮品，品质因品种和加工过程的不同而有所差异。茶叶感官审评与检验显得至关重要，是科学评定各类茶叶特征特性、品质优次、等级划分、价值高低等不可或缺的途径。在茶叶感官审评中，通常使用“五因子”审评法，即：外形、汤色、香气、滋味、叶底，“外形”又可细分为条索、整碎、净度、色泽等四个审评因子。茶叶干茶色泽花杂度可以从侧面体现出茶叶原料的嫩度，加工过程中的发酵度及工艺特色等，从而依此判断一款茶的基本质量。
但在茶叶感官审评中，审评结果会受到环境因素的制约，也会受到审评人员生理条件和阅历的影响，造成判断失误，甚至影响茶叶质量。在当下，可利用计算机视觉识别技术，追求更科学、客观，具有一致性的茶叶感官审评。
邓建青在《计算机在茶叶色泽识别中的应用》中提到：
计算机图像处理技术中能够模拟人类的视觉感官系统，对茶叶的色泽进行自动化处理,对于提升茶叶茶梗分拣、茶叶色泽鉴定等工作来说，具有非常重要的现实意义。
计算机在茶叶色泽识别中的应用，主要是通过构建不同的颜色模型，然后在通过对采集到的数字图像进行图像增强、优化等预处理之后,对其进行图像分割、特征提取之后的图像分类。对于茶叶色泽的计算机自动识别，首先要构建完整的硬件和软件系统，通过对茶叶的数字图像的采集、预处理、分割和特征提取之后，然后进行图像分类的算法依据。
上述研究针对茶叶色泽感官审评的判断结果存在的主观性强等缺点，提出了一种新的识别方法,使用计算机视觉技术定量描述茶叶的颜色特征。根据该论文的启示，为了设置一种针对所有茶叶种类茶叶干茶色泽的评价方法，本申请提出一种茶叶干茶色泽花杂度的判断方法。
发明内容
本发明的目的在于提供一种茶叶干茶色泽花杂度的判断方法，其能够针对各个种类的茶叶的干茶色泽花杂度进行快速的评价，且其评价结果更加的客观和精确，从而能够为茶叶的生产和销售设定统一的标准，有利于茶叶行业的良性发展。
为实现上述目的，本发明提供如下技术方案：一种茶叶干茶色泽花杂度的判断方法，包括以下步骤：
S1.取样：按照GB/T 8302和GB/T 23776对茶样进行采样，均匀平铺在规格为24cm*24cm*3.5cm白色木质盘中，同时为尽量减少误差,每个样茶取2个平行样；
S2、获取样品图片：在均匀光源下采用摄影设备进行拍摄，采集到高还原度的茶样照片；
S3、设定有效区域：有效区域为白色木质盘中心的10cm*10cm的正方形区域；
S4、数据采集：利用程序代码，提取Hue数据和Hue曲线；
S5、数据计算：根据Hue数据，通过干茶茶样色泽的花杂度指数CI的评分公式计算其评分数值；
S6、依据评语体系判别干茶色泽花杂度评价等级。
优选的，S6中的评语体系包括以下内容：
当CI＜50，评价结果为：色泽花泽度指数低，匀度好，评价等级为：一级；
当50≤CI＜60，评价结果为：色泽花杂度指数较低，匀度较好，评价等级为：二级；
当60≤CI＜70，评价结果为：色泽花杂度指数一般，匀度一般，评价等级为：三级；
当70≤CI＜80，评价结果为：色泽花杂度指数较高，匀度较差，评价等级为：四级；
当CI≥80，评价结果为：色泽花杂度指数高，匀度差，评价等级为：五级。
优选的，S6中的评语体系还包括以下内容：
若Hue曲线图：曲线峰数少，且离散度小，则对应的评价等级为：一级；
若Hue曲线图：曲线峰数较少，且离散度较小，则对应的评价等级为：二级；
若Hue曲线图：曲线峰数一般，且离散度一般，则对应的评价等级为：三级；
若Hue曲线图：曲线峰数较多，且离散度较大，则对应的评价等级为：四级；
若Hue曲线图：曲线峰数多，且离散度大，则对应的评价等级为：五级。
优选的，S5中的评分公式为：
Figure BDA0002940534320000041
Figure BDA0002940534320000042
其中，CI是花杂度指数，X为Hue曲线图中总像素值，xi为某颜色总像素值，pi为某颜色像素值所占总像素值比例。
优选的，pi的计算公式根据干茶色泽丰富度同时进行使用，各颜色的pi值结果代入CI公式中，pi的计算公式如下：
Figure BDA0002940534320000043
Figure BDA0002940534320000044
Figure BDA0002940534320000045
Figure BDA0002940534320000046
Figure BDA0002940534320000051
Figure BDA0002940534320000052
Figure BDA0002940534320000053
优选的，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
优选的，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述的方法。
与现有技术相比，本发明的有益效果是：
(1)能够针对各个种类的茶叶的干茶色泽花杂度进行快速的评价，例如白茶、绿茶和乌龙茶等；
(2)通过该方法得到的评价结果更加的客观、量化和精确；
(3)能够为茶叶的生产和销售设定统一的标准，有利于茶叶行业的良性发展。
附图说明
图1为本发明评语体系表；
图2为本发明中白茶的评价结果对比表；
图3为本发明中绿茶的评价结果对比表；
图4为本发明中轻发酵乌龙茶的评价结果对比表。
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。
请参阅图1，以下为本发明提供的一种茶叶干茶色泽花杂度的判断方法，该方法目前应用范围如下：绿茶、轻发酵型乌龙茶、白茶和黄茶，该方法包括以下步骤：
S1.取样：按照GB/T 8302和GB/T 23776对茶样进行采样，均匀平铺在规格为24cm*24cm*3.5cm白色木质盘中，同时为尽量减少误差,每个样茶取2个平行样；
S2、获取样品图片：在均匀光源下采用摄影设备进行拍摄，采集到高还原度的茶样照片；
S3、设定有效区域：有效区域为白色木质盘中心的10cm*10cm的正方形区域；
S4、数据采集：利用程序代码，提取Hue数据和Hue曲线；
S5、数据计算：根据Hue数据，通过干茶茶样色泽的花杂度指数CI的评分公式计算其评分数值；
S6、依据评语体系判别干茶色泽花杂度评价等级，评语体系的详细内容如图1所示。
S5中的评分公式为：
Figure BDA0002940534320000071
Figure BDA0002940534320000072
其中，CI是花杂度指数，X为Hue曲线图中总像素值，xi为某颜色总像素值，pi为某颜色像素值所占总像素值比例。
同时，pi的计算公式根据干茶色泽丰富度同时进行使用，各颜色的pi值结果代入CI公式中，pi的计算公式如下：
Figure BDA0002940534320000073
Figure BDA0002940534320000074
Figure BDA0002940534320000075
Figure BDA0002940534320000076
Figure BDA0002940534320000077
Figure BDA0002940534320000078
Figure BDA0002940534320000079
以下为本发明提供的实施例：
实施例1：白茶：白毫银针、寿眉干茶花杂度品质测定
(1)收集白毫银针干茶样共4个，寿眉茶样共2个，各取50克置于白色木质盘中，按照GB/T 8302和GB/T 23776对茶样进行采样，并按照国标GB/T 14487对外形花杂度进行评价，由3位茶叶审评专家组成审评小组，均具备高级评茶员及以上资质，根据小组评价得到感官审评的花杂度评语。
(2)参照上述方法的S1、S2和S3步骤，将收集的白毫银针和寿眉共6个茶样，按照GB/T 8302和GB/T 23776对茶样进行采样，采集代表样10克均匀平铺在规格为24cm*24cm*3.5cm白色木质盘中，同时为尽量减少误差,每个样茶取2个平行样，并于摄影棚(DEEP-60*60*60cm摄影棚)，在led白色灯光(光照强度12380lx，色温5500k，拍摄距离30cm)下用华为P30手机拍摄干茶茶样代表性图片，每张截取的有效区域为白色木质盘中心的10cm*10cm的正方形区域。
(3)参照上述方法的S4、S5和S6步骤，计算并得出白茶的评价结果对比表，如图2所示。
实施例2：绿茶：越州龙井干茶花杂度品质测定
(1)收集越州龙井绿茶干茶样共8个，各取100克置于白色木质盘中，按照GB/T8302和GB/T 23776对茶样进行采样，并按照国标GB/T 14487对外形花杂度进行评价，由3位茶叶审评专家组成审评小组，均具备高级评茶员及以上资质，根据小组评价得到感官审评的花杂度评语。
(2)参照上述方法的S1、S2和S3步骤，将收集的越州龙井绿茶8个茶样，按照GB/T8302和GB/T 23776对茶样进行采样，采集代表样30克均匀平铺在规格为24cm*24cm*3.5cm白色木质盘中，同时为尽量减少误差,每个样茶取2个平行样，并于摄影棚(78cm调光折叠摄影棚)，在Led灯光(光照强度14520lx，色温5500k，拍摄距离50cm)下用SONY-A7M3数码相机拍摄干茶茶样代表性图片，每张截取的有效区域为白色木质盘中心的10cm*10cm的正方形区域。
(3)参照上述方法的S4、S5和S6步骤，计算并得出绿茶的评价结果对比表，如图3所示。
实施例3：轻发酵乌龙茶：文山包种干茶花杂度品质测定
(1)收集文山包种干茶样共6个，各取80克置于白色木质盘中，按照GB/T 8302和GB/T 23776对茶样进行采样，并按照国标GB/T 14487对外形花杂度进行评价，由3位茶叶审评专家组成审评小组，均具备高级评茶员及以上资质，根据小组评价得到感官审评的花杂度评语。
(2)参照上述方法的S1、S2和S3步骤，将收集的文山包种轻发酵乌龙茶8个茶样，按照GB/T 8302和GB/T 23776对茶样进行采样，采集代表样20克均匀平铺在规格为24cm*24cm*3.5cm白色木质盘中，同时为尽量减少误差,每个样茶取2个平行样，并于摄影棚摄影棚(78cm调光折叠摄影棚)，在Led灯光(光照强度13000lx，色温5500k，拍摄距离30)用华为Mate40手机拍摄干茶茶样代表性图片，每张截取的有效区域为白色木质盘中心的10cm*10cm的正方形区域。
(3)参照上述方法的S4、S5和S6步骤，计算并得出轻发酵乌龙茶的评价结果对比表，如图4所示。
实施例4：一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
实施例5：一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述的方法。
综上所述，本发明的有益效果是：(1)能够针对各个种类的茶叶的干茶色泽花杂度进行快速的评价，例如白茶、绿茶和乌龙茶等(2)通过该方法得到的评价结果更加的客观、量化和精确；(3)能够为茶叶的生产和销售设定统一的标准，有利于茶叶行业的良性发展。
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。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (7)

1.一种茶叶干茶色泽花杂度的判断方法，其特征在于：包括以下步骤：
S1、取样：按照GB/T 8302和GB/T 23776对茶样进行采样，均匀平铺在规格为24cm*24cm*3.5cm白色木质盘中，同时为尽量减少误差,每个样茶取2个平行样；
S2、获取样图：在室内采光良好条件下，采用摄影设备，准确地采集到高还原度的干茶茶样正面照片；
S3、有效区域为白色木质盘中心的10cm*10cm的正方形区域；
S4、数据采集：利用程序代码，提取Hue数据和Hue曲线；
S5、数据计算：根据Hue数据，通过干茶茶样色泽的花杂度指数CI的评分公式计算其评分数值；
S6、依据评语体系判别干茶色泽花杂度评价等级。
2.根据权利要求1所述的一种茶叶干茶色泽花杂度的判断方法，其特征在于：S6中的评语体系包括以下内容：
当CI＜50，评价结果为：色泽花泽度指数低，匀度好，评价等级为：一级；
当50≤CI＜60，评价结果为：色泽花杂度指数较低，匀度较好，评价等级为：二级；
当60≤CI＜70，评价结果为：色泽花杂度指数一般，匀度一般，评价等级为：三级；
当70≤CI＜80，评价结果为：色泽花杂度指数较高，匀度较差，评价等级为：四级；
当CI≥80，评价结果为：色泽花杂度指数高，匀度差，评价等级为：五级。
3.根据权利要求2所述的一种茶叶干茶色泽花杂度的判断方法，其特征在于：S6中的评语体系还包括以下内容：
若Hue曲线图：曲线峰数少，且离散度小，则对应的评价等级为：一级；
若Hue曲线图：曲线峰数较少，且离散度较小，则对应的评价等级为：二级；
若Hue曲线图：曲线峰数一般，且离散度一般，则对应的评价等级为：三级；
若Hue曲线图：曲线峰数较多，且离散度较大，则对应的评价等级为：四级；
若Hue曲线图：曲线峰数多，且离散度大，则对应的评价等级为：五级。
4.根据权利要求1所述的一种茶叶干茶色泽花杂度的判断方法，其特征在于：S5中的评分公式为：
Figure FDA0002940534310000021
Figure FDA0002940534310000022
其中，CI是花杂度指数，X为Hue曲线图中总像素值，xi为某颜色总像素值，pi为某颜色像素值所占总像素值比例。
5.根据权利要求4所述的一种茶叶干茶色泽花杂度的判断方法，其特征在于：pi的计算公式根据干茶色泽丰富度同时进行使用，各颜色的pi值结果代入CI公式中，pi的计算公式如下：
Figure FDA0002940534310000031
Figure FDA0002940534310000032
Figure FDA0002940534310000033
Figure FDA0002940534310000034
Figure FDA0002940534310000035
Figure FDA0002940534310000036
Figure FDA0002940534310000037
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至任意一项所述的方法。
7.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至任意一所述方法。
CN202110177739.XA 2021-02-09 2021-02-09 一种茶叶干茶色泽花杂度的判断方法 Pending CN112837301A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110177739.XA CN112837301A (zh) 2021-02-09 2021-02-09 一种茶叶干茶色泽花杂度的判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110177739.XA CN112837301A (zh) 2021-02-09 2021-02-09 一种茶叶干茶色泽花杂度的判断方法

Publications (1)

Publication Number Publication Date
CN112837301A true CN112837301A (zh) 2021-05-25

Family

ID=75933109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110177739.XA Pending CN112837301A (zh) 2021-02-09 2021-02-09 一种茶叶干茶色泽花杂度的判断方法

Country Status (1)

Country Link
CN (1) CN112837301A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114091920A (zh) * 2021-11-24 2022-02-25 江苏中烟工业有限责任公司 一种片烟评级方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114091920A (zh) * 2021-11-24 2022-02-25 江苏中烟工业有限责任公司 一种片烟评级方法及系统

Similar Documents

Publication Publication Date Title
Payne et al. Estimation of mango crop yield using image analysis–segmentation method
CN110415181B (zh) 一种开放环境下烤烟rgb图像智能识别及等级判定方法
CN101672839B (zh) 一种基于计算机视觉的种蛋孵化品质检测方法
CN110763698B (zh) 一种基于特征波长的高光谱柑橘叶片病害识别方法
CN103076288B (zh) 一种基于计算机视觉的鱼肉自动分级装置和方法
CN110276386A (zh) 一种基于机器视觉的苹果分级方法及系统
CN110705655A (zh) 一种基于光谱和机器视觉耦合的烟叶分类方法
CN108198176A (zh) 一种基于图像分析烟草成熟度的判别方法
CN111915332A (zh) 一种基于大数据的农产品安全溯源追踪监测管理系统
CN105067532A (zh) 一种鉴别油菜菌核病和灰霉病早期病斑的方法
CN114027052A (zh) 一种植物生殖发育的光照调控系统
CN116129260A (zh) 基于深度学习的牧草图像识别方法
CN112837301A (zh) 一种茶叶干茶色泽花杂度的判断方法
CN112560896A (zh) 一种基于图像处理的水果品质筛选分类系统
CN112329506A (zh) 枸杞采摘机器人的果实识别方法及系统、定位方法及系统
Motonaga et al. A method of making digital fruit color charts for cultivation management and quality control
Dili Classification of green coffee beans by convolutional neural network and its implementation on raspberry Pi and Camera Module
CN113484250B (zh) 一种用于评价马铃薯薯皮薯肉颜色的比色卡制作方法及评价方法
CN106940292A (zh) 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法
CN116258844A (zh) 一种棉花叶片表型性状快速精准鉴定方法
Yao et al. Study on detection method of external defects of potato image in visible light environment
CN115587988A (zh) 基于数字图像处理的分辨烟叶成熟度高低的方法
CN112529838A (zh) 一种基于图像处理技术的烟叶成熟度在线判别方法
CN115862003A (zh) 一种基于轻量化YOLOv5的在体苹果目标检测和分级方法
CN105913056B (zh) 一种基于工业相机特征提取的润后水渍烟叶识别方法

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