CN112903603B - 一种基于高光谱图像的成分分析方法及系统 - Google Patents
一种基于高光谱图像的成分分析方法及系统 Download PDFInfo
- Publication number
- CN112903603B CN112903603B CN202110097843.8A CN202110097843A CN112903603B CN 112903603 B CN112903603 B CN 112903603B CN 202110097843 A CN202110097843 A CN 202110097843A CN 112903603 B CN112903603 B CN 112903603B
- Authority
- CN
- China
- Prior art keywords
- hyperspectral image
- constraint
- objective function
- constraint term
- measured object
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 42
- 238000003384 imaging method Methods 0.000 claims description 38
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000000611 regression analysis Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 17
- 238000009826 distribution Methods 0.000 description 6
- 229910001369 Brass Inorganic materials 0.000 description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 5
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 5
- 239000010951 brass Substances 0.000 description 5
- 229910052802 copper Inorganic materials 0.000 description 5
- 239000010949 copper Substances 0.000 description 5
- 239000012535 impurity Substances 0.000 description 5
- 229910052725 zinc Inorganic materials 0.000 description 5
- 239000011701 zinc Substances 0.000 description 5
- 101150036841 minJ gene Proteins 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱图像的成分分析方法和系统,系统中的采集单元接受成像指令,采集被测物品的高光谱图像数据并发送至处理单元,处理单元接收高光谱图像数据,高光谱图像中的被测物品进行基于光谱库的正则化约束回归分析,获取被测物品的组成成分及其含量,完成成分分析处理。使用本发明可以实现被测物品的快速、无损成分分析,定量地获取被测物品各组成成分的含量。
Description
技术领域
本发明涉及成分分析领域,尤其涉及一种基于高光谱图像的成分分析的实现方法。
背景技术
目前存在一些成分分析手段,需要对被测物品进行取样化验分析,对被测物品有损伤,耗费时间长,分析成本高。并且不同类别物品需要有不同的分析方法和专用仪器,分析通用性差,无法使用同一种方法对包含多种物质成分的被测物品进行成分含量分析。在实际生产中,需要对包含多种物质成分的物品进行快速无损且准确的成分分析,获取物品中各组成成分含量,以提高分析效率,降低成本。目前,尚未有既能实现快速、无接触、无损伤成分分析,又能同时对物品中多种组成成分的含量实现准确分析的成分分析系统。
发明内容
本发明要解决的技术问题是提供一种基于高光谱图像的成分分析系统,通过本系统可以采集被测物品的高光谱图像数据,对被测物品组成成分进行成分分析,自动得到物品中各组成成分含量的结果,使用该系统级方法可以实现被测物品的快速、无损成分分析,定量地获取被测物品各组成成分的含量。
本发明通过如下的技术方案实现:
一种基于高光谱图像的成分分析系统,所述分析系统包括:
——采集单元,所述采集单元用于接收成像指令,采集、生成、发送高光谱图像数据;
——处理单元,用于发送成像指令,接收,处理和展示高光谱图像数据和成分分析结果。处理单元对高光谱图像中的被测物品进行基于光谱库的正则化约束回归分析,获取被测物品的组成成分及其含量;
所述采集单元与处理单元进行数据交互。
所述成像指令包括空间分辨率、波段数、曝光模式、图像文件格式。
所述高光谱图像数据包括高光谱图像和对应的头文件。所述高光谱图像数据是指在多个连续且细分的光谱波段获取的图像数据组成的集合。所述头文件是指包含了高光谱图像成像参数信息的文件。
进一步地,所述采集单元包括:
——第一通信模块,所述通信模块用于接收成像指令,发送控制指令给成像模块,并将成像模块传输来的高光谱图像数据发送给处理单元;
——成像模块,所述成像模块用于接收控制指令,采集高光谱数据,并将数据传输至通信模块;
——光源模块,所述光源模块用于产生恒定均匀的光照条件,为成像模块提供稳定的高光谱成像环境。
——供能模块,所述供能模块与通信模块、成像模块、光源模块相连,并为上述模块提供能源。
进一步地,所述处理单元包括:
——第二通信模块,用于发送成像指令,接收高光谱图像数据。
——数据处理模块,用于高光谱图像数据处理、存储和信息通讯,所述数据处理模块可以接收高光谱图像数据,进行处理分析,获取分析结果,并将高光谱图像数据和分析结果传输给管理模块。所述数据处理模块选自嵌入式设备、计算机、服务器中的任意一种或任意二种以上的组合。所述嵌入式设备是指带有微处理器(如DSP,单片机),能够处理数据的设备。
——管理模块,用于发送成像指令,接收、显示和管理数据处理模块的分析结果。所述管理模块可以通过键盘、听筒、屏幕等感受用户的控制指令,可以将成像指令发送至成像模块,可以接收高光谱图像数据并进行显示,可以接收数据处理模块的分析结果并进行显示,可以对分析结果进行管理如编辑、存储等。所述管理模块选自移动智能终端、嵌入式设备、计算机、服务器中的任意一种或任意两种以上的组合。所述移动智能终端是指具有计算处理、显示能力的便携式设备,例如,智能手机、平板电脑、掌上电脑、笔记本电脑等。
——供能模块,所述供能模块与通信模块、数据处理模块、管理模块相连,并为上述模块提供能源。
进一步地,本发明中所述采集单元和处理单元中间、每个单元的各个模块之间的数据交互方式选自无线通信方式、有线通信方式中的任意一种或两种方式的组合。所述无线通信方式选自红外通信、蓝牙通信、WIFI通信、蜂窝无线通信中的任意一种或任意多种。
本发明还提供一种基于高光谱图像的成分分析方法,包括如下步骤:
(1)成像指令的发出:处理单元发出成像指令;
(2)成像指令的接受、处理、反馈:采集单元接受成像指令,对被测物品进行高光谱图像采集,生成高光谱图像数据,将所述高光谱图像数据返回至处理单元;
(3)成像数据的接收、处理:处理单元接收高光谱图像数据,处理单元接收高光谱图像数据,对高光谱图像中的被测物品进行基于光谱库的正则化约束回归分析,获取被测物品的组成成分及其含量,完成成分分析处理;
(4)分析结果的展示:展示高光谱图像数据并显示成分分析结果。
进一步地,所述基于光谱库的正则化约束回归分析是指通过被测物品对应的光谱库中的光谱特性曲线对被测物品的光谱特性曲线进行回归分析。所述光谱库是指包含被测物品可能的组成成分的光谱特性曲线集合,所述光谱特性曲线选自公开下载的光谱特性曲线数据、高光谱传感器测量获取的光谱特性曲线数据。
进一步地,所述正则化约束回归分析在对被测物品成分含量进行回归分析时加入正则化约束项。所述正则化约束项选自L1约束项、L2约束项、L1/2约束项中的任意一种。
进一步地,所述正则化约束回归分析通过最小二乘法、梯度下降法、坐标轴下降法中的一种进行优化求解。
附图说明
图1为本发明的基于高光谱图像的成分分析系统结构框图;
图2为本发明的基于高光谱图像的成分分析方法流程图;
图3为本实施例提供的H62型黄铜片图;
图4为本实施例提供的铜含量分布图;
图5为本实施例提供的锌含量分布图;
图6为本实施例提供的杂质含量分布图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合具体的实施例详细说明本发明。下面描述了具体实施例以简化本发明。但是需要认识到,本发明不局限于所说明的实施例,并且在不脱离基本原理的前提下,本发明的各种修改是可能的,这些等价形式同样落于本申请所附权利要求书所限定的范围。
如图1所示,在本发明的一个具体实施例中,基于高光谱图像的成分分析系统包括:
采集单元,所述采集单元用于接收成像指令,采集、生成、发送高光谱图像数据;
处理单元,用于发送成像指令,接收,处理和展示高光谱图像数据和成分分析结果,其中,处理单元对高光谱图像中的被测物品进行基于光谱库的正则化约束回归分析,获取被测物品的组成成分及其含量;
所述采集单元与处理单元进行数据交互。
所述成像指令包括空间分辨率、波段数、曝光模式、图像文件格式。
所述高光谱图像数据包括高光谱图像和对应的头文件。所述高光谱图像数据是指在多个连续且细分的光谱波段获取的图像数据组成的集合。所述头文件是指包含了高光谱图像成像参数信息的文件。
在本发明的一个可选实施例中,所述采集单元包括:
第一通信模块,所述通信模块用于接收成像指令,发送控制指令给成像模块,并将成像模块传输来的高光谱图像数据发送给处理单元;
成像模块,所述成像模块用于接收控制指令,采集高光谱数据,并将数据传输至通信模块;
光源模块,所述光源模块用于产生恒定均匀的光照条件,为成像模块提供稳定的高光谱成像环境。
供能模块,所述供能模块与通信模块、成像模块、光源模块相连,并为上述模块提供能源。
在本发明的一个可选实施例中,所述处理单元包括:
第二通信模块,用于发送成像指令,接收高光谱图像数据。
数据处理模块,用于高光谱图像数据处理、存储和信息通讯,所述数据处理模块可以接收高光谱图像数据,进行处理分析,获取分析结果,并将高光谱图像数据和分析结果传输给管理模块。所述数据处理模块选自嵌入式设备、计算机、服务器中的任意一种或任意二种以上的组合。所述嵌入式设备是指带有微处理器(如DSP,单片机),能够处理数据的设备。
管理模块,用于发送成像指令,接收、显示和管理数据处理模块的分析结果。所述管理模块可以通过键盘、听筒、屏幕等感受用户的控制指令,可以将成像指令发送至成像模块,可以接收高光谱图像数据并进行显示,可以接收数据处理模块的分析结果并进行显示,可以对分析结果进行管理如编辑、存储等。所述管理模块选自移动智能终端、嵌入式设备、计算机、服务器中的任意一种或任意两种以上的组合。所述移动智能终端是指具有计算处理、显示能力的便携式设备,例如,智能手机、平板电脑、掌上电脑、笔记本电脑等。
供能模块,所述供能模块与通信模块、数据处理模块、管理模块相连,并为上述模块提供能源。
如图2所示,在本发明的一个具体实施例中,基于高光谱图像的成分分析方法主要包括以下步骤:
步骤1:处理单元发出成像指令;
步骤2:采集单元接受成像指令,对被测物品进行高光谱图像采集,生成高光谱图像数据,将所述高光谱图像数据返回至处理单元;
步骤3:处理单元接收高光谱图像数据,对高光谱图像中的被测物品进行基于光谱库的正则化约束回归分析,获取被测物品的组成成分及其含量,具体实施方式如下:
(1)选择L1约束项、L2约束项、L1/2约束项中的任意一种作为正则化约束项建立目标函数,具体表示方式分别为
①选用L1约束项时,目标函数为
其中λ是正则化约束项系数;
②选用L2约束项时,目标函数为
③选用L1/2约束项时,目标函数为
(2)对目标函数迭代求解,具体计算方式分别为
①选用L1约束项时,采用坐标下降优化求解目标函数,将ai=[ai1,ai2,ai3,...,aiP]T随机取初值,记作ai (0)=[ai1 (0),ai2 (0),ai3 (0),...,aiP (0)],第k次迭代的值记作ai (k)=[ai1 (k),ai2 (k),ai3 (k),...,aiP (k)],括号中的数字表示所迭代的次数,第k次的迭代表达式为
ai1 (k)=arg minJ(ai1,ai2 (k-1),ai3 (k-1),...,aiP (k-1))
ai2 (k)=arg minJ(ai1 (k),ai2,ai3 (k-1),...,aiP (k-1))
ai3 (k)=arg minJ(ai1 (k),ai2 (k),ai3,...,aiP (k-1))
…
aiP (k)=arg minJ(ai1 (k),ai2 (k),ai3 (k),...,aiP)
②选用L2约束项时,使用最小二乘法优化求解目标函数,求解表达式为
ai=(MTM+λE)-1MTgi
其中E为单位矩阵;
③选用L1/2约束项时,使用梯度下降法优化求解目标函数,迭代表达式为
ai (k)=ai (k-1)-η(MT(Mai (k-1)-gi)+λai (k-1))
(4)分别计算P种成分在被测物品中的含量平均值Ap,p=1,2,3,…,P。
步骤4:处理单元展示高光谱图像数据并显示各成分的含量结果。
下面以H62型黄铜片为例,具体说明基于高光谱图像的成分分析方法及系统,H62型黄铜片主要由铜、锌和杂质成分组成,其中铜含量为60.5~63.5%,锌含量为36.0~39.0%,杂质含量≤0.5%。根据实施例步骤1,处理单元发出成像指令。根据实施例步骤2,对H62型黄铜片进行高光谱图像采集得到电缆高光谱图像。根据实施例步骤3,对高光谱图像中的被测物品进行基于光谱库的正则化约束回归分析,获取被测物品的组成成分及其含量,计算得到铜、锌、杂质含量平均值分别为60.9%、38.7%、0.4%。根据实施例步骤4,铜含量分布如图4所示,H62型黄铜片如图3所示,锌含量分布如图5所示,杂质含量分布如图6所示。分析结果表明基于高光谱图像的成分分析方法及系统能有效完成被测物品的成分分析。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (1)
1.一种基于高光谱图像的成分分析方法,其特征在于,包括以下步骤:
步骤1:处理单元发出成像指令;
步骤2:采集单元接受成像指令,对被测物品进行高光谱图像采集,生成高光谱图像数据,将所述高光谱图像数据返回至处理单元;
步骤3:处理单元接收高光谱图像数据,对高光谱图像中的被测物品进行基于光谱库的正则化约束回归分析,获取被测物品的组成成分及其含量;
所述光谱库是指包含被测物品可能的组成成分的光谱特性曲线集合,所述光谱特性曲线选自公开下载的光谱特性曲线数据、高光谱传感器测量获取的光谱特性曲线数据;
所述基于光谱库的正则化约束回归分析是指通过被测物品对应的光谱库中的光谱特性曲线对被测物品的光谱特性曲线进行约束回归分析,具体方法为
(1)选择L1约束项、L2约束项、L1/2约束项中的任意一种作为正则化约束项建立目标函数,具体表示方式分别为
①选用L1约束项时,目标函数为
其中λ是正则化约束项系数;M表示光谱库,gi表示高光谱图像的第i个像元;
②选用L2约束项时,目标函数为
③选用L1/2约束项时,目标函数为
(2)对目标函数迭代求解,具体计算方式分别为①选用L1约束项时,采用坐标下降优化求解目标函数,将ai=[ai1,ai2,ai3,…,aiP]T随机取初值,记作ai (0)=[ai1 (0),ai2 (0),ai3 (0),…,aiP (0)],第k次迭代的值记作ai (k)=[ai1 (k),ai2 (k),ai3 (k),…,aiP (k)],括号中的数字表示所迭代的次数,第k次的迭代表达式为
ai1 (k)=arg min J(ai1,ai2 (k-1),ai3 (k-1),…,aiP (k-1))
ai2 (k)=arg min J(ai1 (k),ai2,ai3 (k-1),…,aiP (k-1))
ai3 (k)=arg min J(ai1 (k),ai2 (k),ai3,…,aiP (k-1))
…
aiP (k)=arg min J(ai1 (k),ai2 (k),ai3 (k),…,aiP)
②选用L2约束项时,使用最小二乘法优化求解目标函数,求解表达式为
ai=(MTM+λE)-1MTgi
其中E为单位矩阵;
③选用L1/2约束项时,使用梯度下降法优化求解目标函数,迭代表达式为
ai (k)=ai (k-1)-η(MT(Mai (k-1)-gi)+λai (k-1))
(3)分别计算P种成分在被测物品中的含量平均值Ap,p=1,2,3,…,P
步骤4:处理单元展示高光谱图像数据并显示各组成成分的分析结果,N表示高光谱图像的像元数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097843.8A CN112903603B (zh) | 2021-01-25 | 2021-01-25 | 一种基于高光谱图像的成分分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097843.8A CN112903603B (zh) | 2021-01-25 | 2021-01-25 | 一种基于高光谱图像的成分分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112903603A CN112903603A (zh) | 2021-06-04 |
CN112903603B true CN112903603B (zh) | 2021-11-30 |
Family
ID=76119543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110097843.8A Active CN112903603B (zh) | 2021-01-25 | 2021-01-25 | 一种基于高光谱图像的成分分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112903603B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420718B (zh) * | 2021-07-19 | 2022-04-29 | 浙江大学 | 基于成分分析和稀疏约束的高光谱异常检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314685A (zh) * | 2011-07-23 | 2012-01-11 | 北京航空航天大学 | 一种基于随机投影的高光谱图像稀疏解混方法 |
JP2015008727A (ja) * | 2013-06-27 | 2015-01-19 | 中國醫藥大學 | ハイパースペクトル利用の組織細胞画像分析のシステム及び方法 |
CN106525729A (zh) * | 2015-09-12 | 2017-03-22 | 南京理工大学 | 一种基于光谱分析技术的物质元素含量信息检测方法 |
CN106770155A (zh) * | 2016-11-22 | 2017-05-31 | 武汉轻工大学 | 一种物质含量分析方法 |
CN107064096A (zh) * | 2017-06-02 | 2017-08-18 | 常熟市浙大紫金光电技术研究中心 | 基于高光谱成像的混合物粉末无损定量检测装置及方法 |
CN110428454A (zh) * | 2019-08-13 | 2019-11-08 | 电子科技大学中山学院 | 一种高光谱解混方法、装置、电子设备及存储介质 |
-
2021
- 2021-01-25 CN CN202110097843.8A patent/CN112903603B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314685A (zh) * | 2011-07-23 | 2012-01-11 | 北京航空航天大学 | 一种基于随机投影的高光谱图像稀疏解混方法 |
JP2015008727A (ja) * | 2013-06-27 | 2015-01-19 | 中國醫藥大學 | ハイパースペクトル利用の組織細胞画像分析のシステム及び方法 |
CN106525729A (zh) * | 2015-09-12 | 2017-03-22 | 南京理工大学 | 一种基于光谱分析技术的物质元素含量信息检测方法 |
CN106770155A (zh) * | 2016-11-22 | 2017-05-31 | 武汉轻工大学 | 一种物质含量分析方法 |
CN107064096A (zh) * | 2017-06-02 | 2017-08-18 | 常熟市浙大紫金光电技术研究中心 | 基于高光谱成像的混合物粉末无损定量检测装置及方法 |
CN110428454A (zh) * | 2019-08-13 | 2019-11-08 | 电子科技大学中山学院 | 一种高光谱解混方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112903603A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751195B (zh) | 利用参考图像的图像处理 | |
US8532371B2 (en) | Method and apparatus for evaluating color in an image | |
WO2018107983A1 (zh) | 一种颜色识别方法及系统 | |
CN108020519B (zh) | 一种基于颜色恒常性的虚拟多光源光谱重建方法 | |
CN101268434B (zh) | 自主手持设备及控制自主手持设备的操作的方法 | |
CN112906750B (zh) | 一种基于高光谱图像的材质分析方法及系统 | |
SG182340A1 (en) | Method and system for determining colour from an image | |
CN109843034B (zh) | 用于谷田的产量预测 | |
CN112903603B (zh) | 一种基于高光谱图像的成分分析方法及系统 | |
CN110926609A (zh) | 一种基于样本特征匹配的光谱重建方法 | |
CN113834585A (zh) | 还原炉内硅棒检测方法及系统、装置、介质及电子设备 | |
US20220138986A1 (en) | Matching two color measurement devices using artificial neural network | |
CN115701128A (zh) | 一种图像处理方法及相关设备 | |
US20200065631A1 (en) | Produce Assessment System | |
CN110751055A (zh) | 一种智能制造系统 | |
US20210131874A1 (en) | System and method to calibrate color measurement devices | |
CN115575790A (zh) | 微米发光二极管芯片缺陷检测方法、设备及存储介质 | |
CN108931299B (zh) | 一种基于嵌入式相机的色度测量装置及方法 | |
JP6863154B2 (ja) | 乾燥重量推定プログラム、乾燥重量推定方法および乾燥重量推定装置 | |
CN113837181B (zh) | 一种筛选方法、装置、计算机设备及计算机可读存储介质 | |
CN115456984A (zh) | 基于二维码高速识别图像识别缺陷检测系统 | |
CN108696722B (zh) | 一种目标监测方法、系统及设备和存储介质 | |
JP6023653B2 (ja) | 照明光色推定装置、照明光色推定方法及びプログラム | |
EP3668074A1 (en) | System and method for handling variations in a printed mark | |
WO2015021307A2 (en) | Method and apparatus for evaluating color in an image |
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 |