CN113030089B - 一种果品空间结构品质光谱分形成像方法 - Google Patents
一种果品空间结构品质光谱分形成像方法 Download PDFInfo
- Publication number
- CN113030089B CN113030089B CN202110284698.4A CN202110284698A CN113030089B CN 113030089 B CN113030089 B CN 113030089B CN 202110284698 A CN202110284698 A CN 202110284698A CN 113030089 B CN113030089 B CN 113030089B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- fruit
- different
- spatial
- fractal
- 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
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
- G01N21/84—Systems specially adapted for particular applications
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- 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)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种果品空间结构品质光谱分形成像方法,包括:有指向性对果品进行分层分区域取样并标记,获取不同成熟期果品样本的多角度偏振光谱图像,构建空间光谱数据库;对不同成熟期果品样本组织切片进行仿真计算,提取不同成熟期果品样本在不同空间尺度下的光谱分形维度;利用光谱分形维度对空间光谱数据库进行精细化分类,生成空间分形特征光谱库;基于空间分形特征光谱库,确定果品品质与生长方位和光照部位之间的对应关系。本发明能够实现果品不同尺度结构成像和功能品质成像的一致性表达,且能够提高果品的检测精度,为农机农艺提供参考。
Description
技术领域
本发明涉及果品无损检测技术领域,更具体的说是涉及一种果品空间结构品质光谱分形成像方法。
背景技术
光照和方位等环境因素对果品品质有很大影响,现有的果品无损定量检测中,并没有将光照和生长部位等因素考虑进去,由于果品内部组织有各种尺度粒子微团,不同微团折射率分布和空间排列方式各种各样,局部和整体特征有相似的分形特征。进入探测器的光是经果品组织不同部位多次散射、衍射等各种现象叠加在一起,对检测结果有较大影响。
目前,在不同距离遥感检测时,多采用多点取平均的方式获得品质光谱,并未考虑空间结构在光谱传输中光谱密度变化。而且果品不同成熟期,成分折射率和孔径分布有较大变化,引起组织微观结构有较大差异,不同特征尺度表征功能差别较大。现有技术中对果品表皮成分进行检测时,并没有考虑由于组织微观结构变化对光谱影响。尤其检测果树不同生长方位的果品品质,检测难度更大,且其检测精度较低。
因此,如何提供一种在不同尺度下能够实现果品的不同尺度结构成像与品质成像的一致性表达,且能提高果品品质检测精度的果品空间结构品质光谱分形成像方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种果品空间结构品质光谱分形成像方法,能够实现果品不同尺度结构成像和功能品质成像的一致性表达,且能够提高果品的检测精度,为农机农艺提供参考。
为了实现上述目的,本发明采用如下技术方案:
一种果品空间结构品质光谱分形成像方法,包括:
根据果品的生长方位,按照由外而内、自上而下的顺序获取果树冠层中不同光照条件下的果品样本;
分别对每个果品样本的不同光照部位进行组织切片;
按照果品样本的成熟期、生长方位和切片部位,有指向性地对果品样本组织切片进行标记;
获取各果品样本组织切片的多角度偏振光谱图像,构建空间光谱数据库;
对不同成熟期果品样本组织切片进行仿真计算,提取不同成熟期果品样本在不同空间尺度下的光谱分形维度;
利用光谱分形维度对空间光谱数据库进行精细化分类,生成空间分形特征光谱库;
基于空间分形特征光谱库,确定果品品质与生长方位和光照部位之间的对应关系。
优选的,在上述一种果品空间结构品质光谱分形成像方法中,空间分形特征光谱库中的光谱分形维度与不同特征尺度和不同光照条件下的多角度偏振光谱图像相对应。
优选的,在上述一种果品空间结构品质光谱分形成像方法中,所述果品样本还包括不同时间、不同温度和不同地形条件下的果品。
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果品空间结构品质光谱分形成像方法,综合考虑了不同成熟期、不同生长部位、不同光照条件的因素影响,对不同光照条件果品进行采样,丰富样本数据库,将多个果品局部方位特征和环境因素特征与整体品质变化关系关联起来,精细化区分不同区域果品品质,建立果品品质与生长方位、光照、温度等环境因素之间的对应关系,不仅能够反演果园品质分布情况,为农机农艺提供管理参考,还能够很大程度上提高果品品质的检测精度,在果品分区域、分时、分层采摘、分类精准评价方面具有重要意义。
同时,本发明考虑了光谱在不同成熟期果品内部组织空间传输过程中的光谱密度变化,对果品样本的偏振光谱图像进行相干尺度区分位置验证,对偏振光谱图像进行精细化分类,解决尺度效应,获得空间分形特征光谱库,并通过空间分形特征光谱库实现不同尺度结构成像和功能品质成像的一致性表达,即实现果品表面特征与内在品质的一致性表达,能够进一步提高果品品质的检测精度。
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果品分层分区域取样示意图;
图2附图为本发明提供的果品等效为随机散射介质,在部分相干光源下,探测器方位不同,则光谱密度不同的示意图;
图3附图为本发明提供的果品样本空间光谱图像分类分形方法的框架图;
图4附图为本发明提供的同一红枣同一部位不同距离的光谱差异示意图;
图5附图为本发明提供的多角度偏振实验中获得的偏振参数图像;
图6附图为本发明提供的偏振参数图像中红枣亮斑部分偏振光谱特征差异示意图;
图7附图为本发明提供的偏振参数图像中红枣非亮斑部分偏振光谱特征差异示意图。
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果品空间结构品质光谱分形成像方法,包括以下步骤:
S1、根据果品的生长方位,按照由外而内、自上而下的顺序获取果树冠层中不同光照条件下的果品样本;
S2、分别对每个果品样本的不同光照部位进行组织切片;
S3、按照果品样本的成熟期、生长方位和切片部位,有指向性地对果品样本的组织切片进行标记;
S4、获取各果品样本组织切片的多角度偏振光谱图像,构建空间光谱数据库;
S5、对不同成熟期果品样本组织切片进行仿真计算,提取不同成熟期果品样本在不同空间尺度下的光谱分形维度;
S6、利用光谱分形维度对空间光谱数据库进行精细化分类,生成空间分形特征光谱库;其中,空间分形特征光谱库中的光谱分形维度与不同特征尺度和不同光照条件下的多角度偏振光谱图像相对应。
S7、基于空间分形特征光谱库,确定果品品质与生长方位和光照部位之间的对应关系。
如图1所示,由于果品在不同时期、不同生长部位、光照方位等因素的影响下,同一颗果树由于受光条件和养分差异,果树冠层上、中、下不同部位,冠层外传和内侧品质存在差异。同一个果品的不同部位因受光照不同,也存在品质差异,品质差异可以采用颜色深浅表示。
本发明在果品的取样过程中通过果品前端空间精细方位分类标记采样,将光照和生长方位等环境影响因子分离开,对果品组织分类并指向性切片标记和相应光谱采集分析。通过探测器对果品组织切片进行多角度精确探测空间方位,如图2所示;再基于不同部位、不同光照条件、不同探测角度的果品光谱图像分析果品品质与环境因素之间的对应关系。
下面,对上述各步骤进行详细描述。
1,对果品进行分层分区域取样:
本发明将果品和果树冠层分向阳面和背阳面并做准确的方位标记,使果品局部特征与在果树冠层生长方位对应起来。依据冠层内侧和外侧,冠层上中下不同部位,依次由外到内,自上而下有指向性的采样,并进行分层分区域标记,实现对果品不同生长部位的精细标记。利用品质差异判断冠层生长光照方位,实现局部特征与整体特征的一致性表达。将多个果品局部方位特征和环境因素特征与整体品质变化关系关联起来,精细化区分不同区域果品品质,建立果品品质与生长方位、光照、温度等因素之间对应关系。同时,本发明还对同一果品的不同部位进行组织切片,区分不同光照方向对同一果品不同组织部位之间的对应关系,极大丰富了样本数据,确保后期果品品质的检测精度。
2,对果品样本的空间光谱图像进行分类分形:
首先,有指向性地依次获取果树冠层由外到内、自上而下标记的光谱图像,建立果品不同方位空间光谱数据库。
按照点光源漫扩散方法有指向性地依次获取单个果品样本由外到内,自上而下精细标记的果品不同部位组织切片,分别采集顶部,中部,底部(即向阳和背阳)光谱,建立光谱和采集方位对应关系,分别建立果品组织切片不同部位空间光谱数据库。
其次,仿真构造散射核函数、散射介质结构,由不同品质果品样本,折射率和尺度作为主要参数,构造散射势相关函数、不同散射体、和散射核函数,驱动实验不同结构模拟,不同角度标准板分区域相干,验证相干尺度区分位置,解决尺度效应。
最后,果品不同空间光谱的尺度效应,不仅有特征角度方向,还有特征尺度;利用变差函数结构函数,散射势相关函数,2dcos二维光谱相关软件,分析不同方位光谱相关系数,依据相关系数大小依次排列分类。通过设定阈值作为空间分辨精度,如:0.01对应的空间分辨距离是0.1米。通过对空间光谱数据的精细分类,获得光谱分形维度与空间尺度及环境因素光照、温度等对应的空间分形特征光谱库。
3,从空间分形成像到品质成像:
本发明通过对空间光谱精细分类和比类分析,获得果品的结构特征,将不同生长方位和环境差异与品质差异分开,以提高对果品品质分布的检测精度。
同时,本发明通过采集多种环境因素下的果品样本,实现了环境因素与果品品质的对应和关联,通过标记不同地理位置以及生长在不同区域的果品,以实现区域品质标记。显然,生长部位和品质分布有关,将品质分布贴上地理方位标签,实现不同方位结构成像到不同区域功能成像的目的。
本发明通过精细分离品质因子和环境因子,建立果品品质与生长方位、光照、温度等环境因素之间的对应关系,为果品农机农艺提供管理参考,在果树果品分区域,分时分层采摘,分类精准评价方面有十分重要的意义。
本发明分别从微观和宏观两方面对果品样本的空间光谱图像进行分形分类,以解决尺度效应,实现果品在不同空间尺度下的分形特征维度。下面,本发明详细介绍S5中光谱分形维度的获得过程,具体框架如图3所示。
S51、将不同成熟期果品等效为不同相干尺度的准均匀散射介质,分解为不同尺度各向同性微粒团,并通过不同方位组合成不同尺度的各向异性散射体;
S52、基于光谱传输标度定理,获取不同散射体在不同角度下的近场到远场的光谱散射特征变化规律;
S53、基于光谱散射变化规律和辐射传输变化规律,利用不同部位交叉谱密度函数,分析光源空间相干特性和光照分布的空间尺度,得到果品空间特征光谱;
S54、仿真计算散射因子,利用散射因子描述果品空间特征光谱的不均匀度;
S55、基于散射因子确定果品样本多角度偏振光谱图像的相干尺度区分位置,作为特征尺度;通过特征尺度确定不同成熟期果品样本的分形维度。
光在均匀介质中直线传播,在不均匀介质中有散射,其散射程度由不均匀度决定,在一定尺度范围内结构是均匀的,这个尺度就是特征尺度。不同特征尺度下光谱表征品质特征不一样,通过散射因子做尺度分类,不同特征尺度转换重构,如同变焦镜头可以在不同距离实现光谱变换和品质分析,可以提高分类精度和效率。
S6中,空间分形特征光谱库的获得过程为:
S61、利用所述特征尺度定量精细化分类所述果品样本的多角度偏振光谱图像,获得果品样本的空间分形特征光谱图像;
S62、基于果品样本的空间分形特征光谱图像,构建光谱分形维度与空间尺度、光照一一对应的空间分形特征光谱库。
其中,S6中的空间分形特征光谱库包括果品光谱偏振分形特征数据库和果品组织微观结构分形数据库。
果品光谱偏振分形特征数据库的构建过程为:
依据不同成熟期果品典型特征尺度散射光强特征角度分布范围,进行果品品质高光谱偏振实验,建立多角度偏振实验模型;
建立果品表皮粗糙度与偏振度峰值的定量幂函数模型;
基于多角度偏振实验模型,并利用定量幂函数模型生成不同偏振条件下的果品品质分布情况;
利用洛伦兹扩散曲线特征参数对果品品质分布情况进行定量描述;
基于定量描述结果,确定果品表皮组织切片结构不同特征尺度中各向同性分布和各向异性分布,并获得偏振光谱成像强度和分布规律;
基于光谱成像强度和分布规律,获得果品光谱偏振分形特征数据库。
S6中,果品组织微观结构分形数据库的构建过程为:
测量不同厚度、不同方位的果品表皮组织切片的光谱图像的数学形态谱,利用数学形态谱模拟不同粒子散射光谱散射特征变化规律;
利用分形理论,对数学形态谱的数字图像形态进行测量,获得颗粒形态分布谱;
利用偏振成像参数定量表征果品表皮组织切片的微观结构,并结合数学形态学提取颗粒形态分布谱中的颗粒数密度分布,获得不同成熟期果品组织结构特征尺度及该尺度下偏振分形光谱图像;
基于偏振分形光谱图像分别建立不同成熟期的果品组织微观结构分形数据库。
本发明基于暗室的空间光谱分形过程能够开展户外果品品质检测,具有检测效率高,精度高的优势,适用于红枣、苹果、香梨等水果的品质分布检测,下面以红枣为例进行相关实验。
如表1所示,为对南疆红枣的外部品质和内部品质的一致性标定测试一览表。
红枣采用不同时期样品,白熟期,脆熟期,完熟期。
红枣和枣叶的理化指标:
红枣外观:颜色,纹理,密度,折射率,折光率,光泽度,电导率,果肉组成结构或颗粒分布;
红枣内部:水分,糖度,酸度;
叶片:叶绿素。
表1
光谱偏振传输部分实验结果:
由于部分相干光源传输过程中,不同点空间相关性影响,在不同距离探测器接收光谱密度差异。同一个红枣不同距离光谱差异,对定量检测结果造成一定影响。由图4可知,选择果品红枣同一部位不同距离的光谱在233波段,1676.01波段位置处有较大差别。随着距离增加逐渐递增的趋势,不同特征反射峰和吸收峰间隔不均匀分布。原因是不同距离对应的光谱密度和光谱相干度不同,相应的吸收特征也不同。
通过增加多角度偏振实验,获得偏振参数图像,图5中的红枣果品偏振参数图像,A为原始图像,B为偏振度dolp,C为偏振相角orient,可见,放置红枣等果品后,图像空间特征发生变化,偏振有强光弱化,弱光强化的作用,改善了图像分辨效果。
图6和图7分别为同一个红枣不同部位光谱图,A,B,C分别对应原始图像、偏振度dolp和偏振相角orient中红枣的光谱。由于同一红枣不同部位品质差异非常小,但偏振光谱特征差异明显,可见通过光谱偏振特征分形,能够提高识别效果。
由于角度和传输距离等因素对果品空间光谱的影响,需要进一步对测量仪器进行辐射定标、偏振定标和光谱定标,以提高定量检测精度。基于光谱散射及介质中辐射传输相关理论,在散射介质中的漫扩散传播规律,偏振定量参数表示方法,光谱结构与介质粒子尺度大小和分布等空间结构之间的变化规律,交叉谱密度表征空间结构的变化,建立光源尺度和位置等因素对光谱形状特性间的变化规律和对应关系,提取偏振muller穆勒矩阵中丰富的角度信息,有利于开展多尺度生物组织检测方法应用研究。
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)
1.一种果品空间结构品质光谱成像方法,其特征在于,包括:
根据果品的生长方位,按照由外而内、自上而下的顺序获取果树冠层中不同光照条件下的果品样本;
分别对每个果品样本的不同光照部位进行组织切片;
按照果品样本的成熟期、生长方位和切片部位,有指向性地对果品样本组织切片进行标记;
获取各果品样本组织切片的多角度偏振光谱图像,构建空间光谱数据库;
对不同成熟期果品样本组织切片进行仿真计算,提取不同成熟期果品样本在不同空间尺度下的光谱分形维度;
利用光谱分形维度对空间光谱数据库进行精细化分类,生成空间分形特征光谱库;
基于空间分形特征光谱库,确定果品品质与生长方位和光照部位之间的对应关系;
光谱分形维度的获得过程为:
将不同成熟期果品等效为不同相干尺度的准均匀散射介质,分解为不同尺度各向同性微粒团,并通过不同方位组合成不同尺度的各向异性散射体;
基于光谱传输标度定理,获取不同散射体在不同角度下的近场到远场的光谱散射特征变化规律;
基于光谱散射变化规律和辐射传输变化规律,利用不同部位交叉谱密度函数,分析光源空间相干特性和光照分布的空间尺度,得到果品空间特征光谱;
仿真计算散射因子,利用散射因子描述果品空间特征光谱的不均匀度;
基于散射因子确定果品样本多角度偏振光谱图像的相干尺度区分位置,作为特征尺度;通过特征尺度确定不同成熟期果品样本的分形维度;
空间分形特征光谱库的获得过程为:
利用所述特征尺度定量精细化分类所述果品样本的多角度偏振光谱图像,获得果品样本的空间分形特征光谱图像;
基于果品样本的空间分形特征光谱图像,构建光谱分形维度与空间尺度、光照一一对应的空间分形特征光谱库;
其中,空间分形特征光谱库包括果品光谱偏振分形特征数据库和果品组织微观结构分形数据库。
2.根据权利要求1所述的一种果品空间结构品质光谱成像方法,其特征在于,空间分形特征光谱库中的光谱分形维度与不同特征尺度和不同光照条件下的多角度偏振光谱图像相对应。
3.根据权利要求1所述的一种果品空间结构品质光谱成像方法,其特征在于,所述果品样本还包括不同时间、不同温度和不同地形条件下的果品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110284698.4A CN113030089B (zh) | 2021-03-17 | 2021-03-17 | 一种果品空间结构品质光谱分形成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110284698.4A CN113030089B (zh) | 2021-03-17 | 2021-03-17 | 一种果品空间结构品质光谱分形成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030089A CN113030089A (zh) | 2021-06-25 |
CN113030089B true CN113030089B (zh) | 2023-10-20 |
Family
ID=76470910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110284698.4A Active CN113030089B (zh) | 2021-03-17 | 2021-03-17 | 一种果品空间结构品质光谱分形成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030089B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003329582A (ja) * | 2002-05-15 | 2003-11-19 | Tokan Kogyo Co Ltd | リンゴの内部品質検査方法 |
WO2010018348A2 (fr) * | 2008-08-14 | 2010-02-18 | Azdine Bahou | Dispositif d'identification et de paiement automatique par reconnaissance optique des produits agroalimentaires ou pharmaceutiques. |
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 |
CN109459391A (zh) * | 2019-01-07 | 2019-03-12 | 塔里木大学 | 一种红枣品质检测、红枣偏振检测模型生成方法及装置 |
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 |
CN112113930A (zh) * | 2020-09-01 | 2020-12-22 | 塔里木大学 | 一种杏果实品质多尺度表型方法 |
-
2021
- 2021-03-17 CN CN202110284698.4A patent/CN113030089B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003329582A (ja) * | 2002-05-15 | 2003-11-19 | Tokan Kogyo Co Ltd | リンゴの内部品質検査方法 |
WO2010018348A2 (fr) * | 2008-08-14 | 2010-02-18 | Azdine Bahou | Dispositif d'identification et de paiement automatique par reconnaissance optique des produits agroalimentaires ou pharmaceutiques. |
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 |
CN109459391A (zh) * | 2019-01-07 | 2019-03-12 | 塔里木大学 | 一种红枣品质检测、红枣偏振检测模型生成方法及装置 |
CN112113930A (zh) * | 2020-09-01 | 2020-12-22 | 塔里木大学 | 一种杏果实品质多尺度表型方法 |
Non-Patent Citations (1)
Title |
---|
Study on quality distribution characteristics of jujube canopy based on multi-angle hyperspectral polarization;Huaping Luo 等;Proc. SPIE 11455, Sixth Symposium on Novel Optoelectronic Detection Technology and Applications;第114554G-1至114554G-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113030089A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | Estimating leaf functional traits by inversion of PROSPECT: Assessing leaf dry matter content and specific leaf area in mixed mountainous forest | |
Zhang et al. | High throughput analysis of leaf chlorophyll content in sorghum using RGB, hyperspectral, and fluorescence imaging and sensor fusion | |
Malenovský et al. | Retrieval of spruce leaf chlorophyll content from airborne image data using continuum removal and radiative transfer | |
Sun et al. | Wavelength selection of the multispectral lidar system for estimating leaf chlorophyll and water contents through the PROSPECT model | |
Ferreira et al. | Retrieving structural and chemical properties of individual tree crowns in a highly diverse tropical forest with 3D radiative transfer modeling and imaging spectroscopy | |
Croft et al. | Evaluating leaf chlorophyll content prediction from multispectral remote sensing data within a physically-based modelling framework | |
CN107796764A (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 | |
CN108801934A (zh) | 一种土壤有机碳含量高光谱预测模型的建模方法 | |
Guo et al. | Estimating leaf chlorophyll content in tobacco based on various canopy hyperspectral parameters | |
Lin et al. | Using the 3D model RAPID to invert the shoot dieback ratio of vertically heterogeneous Yunnan pine forests to detect beetle damage | |
Homolová et al. | Measurement methods and variability assessment of the Norway spruce total leaf area: implications for remote sensing | |
CN110082310A (zh) | 一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法 | |
Xiang et al. | Integration of tillage indices and textural features of Sentinel-2A multispectral images for maize residue cover estimation | |
Qiao et al. | Estimating maize LAI by exploring deep features of vegetation index map from UAV multispectral images | |
Yang et al. | Chlorophyll content retrieval from hyperspectral remote sensing imagery | |
Zhang et al. | High-throughput phenotyping of plant leaf morphological, physiological, and biochemical traits on multiple scales using optical sensing | |
Yang et al. | Improving estimation of maize leaf area index by combining of UAV-based multispectral and thermal infrared data: The potential of new texture index | |
CN112113930B (zh) | 一种杏果实品质多尺度表型方法 | |
CN113030089B (zh) | 一种果品空间结构品质光谱分形成像方法 | |
CN111595806A (zh) | 一种利用中红外漫反射光谱监测土壤碳组分的方法 | |
CN113466142B (zh) | 一种多尺度果品散射偏振光谱成像定量检测方法 | |
Zhou et al. | Comparison of inversion method of maize leaf area index based on UAV hyperspectral remote sensing | |
Ali et al. | Prospect inversion for indirect estimation of leaf dry matter content and specific leaf area | |
Kong et al. | Biangular-combined vegetation indices to improve the estimation of canopy chlorophyll content in wheat using multi-angle experimental and simulated spectral data | |
GB2604897A (en) | Imaging method of spatial structure quality spectrum division of fruits |
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 |