CN113295641A - 一种小麦发芽率快速测定方法 - Google Patents
一种小麦发芽率快速测定方法 Download PDFInfo
- Publication number
- CN113295641A CN113295641A CN202110576054.2A CN202110576054A CN113295641A CN 113295641 A CN113295641 A CN 113295641A CN 202110576054 A CN202110576054 A CN 202110576054A CN 113295641 A CN113295641 A CN 113295641A
- Authority
- CN
- China
- Prior art keywords
- wheat
- sample
- germination rate
- germination
- measuring
- 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
Links
- 241000209140 Triticum Species 0.000 title claims abstract description 100
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 100
- 230000035784 germination Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 18
- 238000012258 culturing Methods 0.000 claims abstract description 3
- 239000002245 particle Substances 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 2
- 235000013339 cereals Nutrition 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 239000000047 product Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000002932 luster Substances 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 235000013312 flour Nutrition 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- FFRBMBIXVSCUFS-UHFFFAOYSA-N 2,4-dinitro-1-naphthol Chemical compound C1=CC=C2C(O)=C([N+]([O-])=O)C=C([N+]([O-])=O)C2=C1 FFRBMBIXVSCUFS-UHFFFAOYSA-N 0.000 description 1
- 206010015150 Erythema Diseases 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 241000212749 Zesius chrysomallus Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000034303 cell budding Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 231100000321 erythema Toxicity 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (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
本发明公开了一种小麦发芽率快速测定方法，该方法包括如下步骤：(S1)选择小麦样品，将该样品分为样品A和样品A’；(S2)对样品A利用红外谱线测量仪测量红外谱线；(S3)对样品A’采用标准种植方法培养获得发芽率；(S4)将S3步获得的发芽率数据对应红外谱线存入红外谱线测量仪；(S5)对所有小麦样品重复S1‑S4步，获得红外谱线与发芽率对应数据库；(S6)选择需要测定发芽率的小麦样品，通过红外谱线测量仪测量其红外谱线后与其数据库数据比对获得发芽率。本申请技术方案将小麦发芽率实验数据与其红外光谱数据结合，实现了发芽率数据的快速获得，小麦样品仅需测量其红外光谱就可以对应获得其发芽率参数，进而判断其品质，对农产品检测技术起到了革新作用。
Description
技术领域
本申请的技术方案属于农作物特征测量和确定技术领域，特别是针对我国大面积播种作为主要粮食作物的小麦，结合红外光谱测量结果实现其发芽率特性快速准确测量的方法，即，一种小麦发芽率快速测定方法。
背景技术
我国是一个农业大国，在所有农产品种植中，粮食作物作为农业核心占种植面积的70％以上，而作为粮食作物的小麦种植更是占到了北方地区耕地面积的90％以上。作为我国粮食作物的核心，小麦种植和质量更是重中之中。保证小麦质量是保证其加工产品质量的关键。小麦质量主要从两个方面来把控：(1)小麦种子和品种的质量；(2)农作物种植过程及其生态条件管理。
不同品质小麦研磨后生产的面粉质量将千差万别。小麦品质主要判断标准为：(1)色泽鉴别：进行小麦色泽的感官鉴别时，取样品在黑纸上撒一薄层，在散射光下观察。良质小麦：去壳后小麦皮色呈白色、黄白色、金黄色、红色、深红色、红褐色，有光泽；次质小麦：色泽变暗，无光泽；劣质小麦：色泽灰暗或呈灰白色，胚芽发红，带红斑，无光泽；(2)小麦表面外观鉴别：取样品在黑纸上或白纸上(根据品种，色浅的用黑纸，色深的用白纸)撒一薄层，仔细观察其外观，并注意有无杂质，用手搓或牙咬，来感知其质地是否紧密。良质小麦：颗粒饱满、完整、大小均匀，组织紧密，无害虫和杂质；次质小麦：颗粒饱满度差，有少量破损粒，生芽粒、虫蚀粒，有杂质；劣质小麦：严重虫蚀，生芽，发霉结块，有多量赤霉病粒(被赤霉苗感染，麦粒皱缩，呆白，胚芽发红或带红斑，或有明显的粉红色霉状物，质地疏松。(3)气味鉴别：进行小麦气味的感官鉴别时，取样品于手掌上，用嘴哈热气，然后立即嗅其气味。良质小麦：具有小麦正常的气味，无任何其他异味；次质小麦：微有异味；劣质小麦：有霉味、酸臭味或其他不良气味。(4)滋味鉴别：进行小麦滋味的感官鉴别时，可取少许样品进行咀嚼品尝其滋味。良质小麦：味佳微甜，无异味；次质小麦：乏味或微有异味；劣质小麦：有苦味、酸味或其他不良滋味。
随着测量仪器仪器的发展，前述的感官测量方式逐渐被仪器所替换。现有的主要测量仪器包括小麦水分测量仪，小麦成份红外测量仪等。但仪器测量需要将样品送至实验室进行，测量结果和标准数据比对后才能获得准确质量评级。特别是红外测量仪利用小麦光谱数据分析，测量时间和相应较慢，而且由于测量数据的缺失发芽率参数导致定级标准不准确，如何高效、准确的对小麦红外测量仪的数据进行补充和完善，进而获得小麦发芽率数据以满足红外测量仪的发芽率准确测量是小麦分级测量技术发展的必然要求。
小麦发芽率通常是采用传统的实验方法获得，发芽率的高低综合反映了小麦品质的好坏，将实验发芽率的数据和红外分析仪测量数据相结合，能够实现小麦发芽率的准确预测。本申请的目的在于，将实验小麦发芽率数据与红外光谱测量数据结合，从而实现发芽率的快速准确测定。
发明内容
为准确、高效获得面粉加工用小麦的出芽率，进而确定其质量品质，本申请技术方案结合光谱数据和实验测量，完善不同品质小麦光谱曲线和其发芽率对应曲线，在实际光谱分析小麦成份含量的同时也可以获得其发芽率参数，提出了一种新的发芽率测试方法。实现上述发明目的所采用的具体技术方案为：一种小麦发芽率快速测定方法，该方法包括如下步骤：
(S1)选择小麦样品，将该样品分为样品A和样品A’；
(S2)对样品A利用红外谱线测量仪测量其红外谱线；
(S3)对样品A’采用标准种植方法培养获得发芽率；
(S4)将S3步获得的发芽率数据对应红外谱线存入红外谱线测量仪；
(S5)对所有小麦样品重复S1-S4步，从而获得红外谱线与发芽率对应数据库；
(S6)选择需要测定发芽率的小麦样品，通过红外谱线测量仪测量其红外谱线并与其数据库数据比对获得发芽率。
上述小麦发芽率-红外谱线数据库的建立过程中，不同来源和生产者信息的小麦样品被同时进行实验发芽率测量和红外光谱测量，进而建立其数据、信息之间的对应关系。这种将实验小麦发芽率数据和其红外光谱对应结合的测量方法对小麦质量评测方法是一种有效的改进措施。
为了提高统计发芽率和红外线光谱的准确性，步骤S1中取样时，将取样器插入小麦成品中，获得的小麦样品A和A’的颗粒数相当，颗粒数通常选择为200颗以内。
本申请的方案在小麦发芽培养步骤S3中，发芽培养的条件为：恒温箱温度23℃-26℃，湿度50％-70％，生长时间为4天。
小麦发芽率和小麦的生长地息息相关，为了进一步体现不同产地、不同生产者对发芽率的影响，红外谱线测量仪中的每条谱线不仅与发芽率对应，并且还对应但不限于该样品的来源产地信息、生产者信息。
基于网络和大数据技术的发展，S5步的数据库可以搭建为网络云存储数据库，任何联网限定权限的红外谱线测量仪均可以上传测量数据，以扩展数据库的数据量，同时也保证了数据的安全性。
在小麦发芽率的计算确定中，采用通常的计算方法：发芽率＝发芽种子数/培养种子数。
本申请的技术方案中，通过将小麦发芽率实验测试数据与小麦红外光谱数据的结合，实现了不同小麦发芽率数据的快速获得，随着数据积累，小麦样品仅需测量其红外光谱的图谱就可以对应获得其发芽率参数，从而进一步判断其品质，及产地、生产农户等对品质影响，对农产品检测技术起到了革新作用。
附图说明
图1为本申请技术方案利用红外谱仪获得的不同小麦样品的红外图谱信息。
具体实施方式
下面通过具体的实施例对本发明做进一步的详细描述。本发明申请所提出的小麦发芽率快速测定方法如下：首先从待检测小麦中取样，从每一车小麦中通过用小麦取样器均匀插入车底，从一车小麦中取出小麦样品，将小麦样品晃匀，除去碎裂的碎子，用取样板随机取出200粒小麦，将200粒小麦装在透明密封袋内，并将小麦产地、生产者信息(以下统称样品条)同时放入密封袋，再将上述200粒小麦样品均分未各100粒，选择其中100粒利用红外谱线测量仪测量其红外谱线，另外100粒进行标准化种植，发芽培养种植的条件为：恒温箱温度23℃-26℃，湿度50％-70％，生长时间为4天，通过人工观察获得100粒小麦种子中发芽的种子数，根据芽率＝发芽种子数/培养种子数计算获得发芽率数据。将发芽率数据对应输入红外谱线测量仪中，同时录入产地、生产者信息等信息获得谱线-发芽率-产地、生产信息对应数据库；如图1所示，该每条红外光谱和该小麦的发芽率一一对应。当需要测量小麦发芽率时，直接将待测小麦样品放入红外谱线测量仪测量其红外光谱即可同时获得其发芽率参数，大大节省了发芽率的测量时间，高效获得小麦品质的判断。
上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围之内。
Claims (6)
1.一种小麦发芽率快速测定方法，该方法包括如下步骤：
(S1)选择小麦样品，将该样品分为样品A和样品A’；
(S2)对样品A利用红外谱线测量仪测量其红外谱线；
(S3)对样品A’采用标准种植方法培养获得其发芽率；
(S4)将S3步获得的发芽率数据对应样品A的红外谱线存入红外谱线测量仪；
(S5)对所有小麦样品重复S1-S4步，从而获得红外谱线与发芽率对应数据库；
(S6)选择需要测定发芽率的小麦样品，通过红外谱线测量仪测量其红外谱线并与其数据库数据比对获得发芽率。
2.根据权利要求1所述的小麦发芽率快速测定方法，其特征在于，步骤S1取样时，将取样器插入小麦成品中，获得的小麦样品A和A’的颗粒数相当，颗粒数通常选择为200颗以内。
3.根据权利要求1所述的小麦发芽率快速测定方法，其特征在于，S3中进行小麦发芽培养的条件为：恒温箱温度23℃-26℃,湿度50％-70％，生长时间为4天。
4.根据权利要求1所述的小麦发芽率快速测定方法，其特征在于，红外谱线测量仪中的每条谱线不仅与发芽率对应，并且还对应但不限于该样品的来源产地信息。
5.根据权利要求1所述的小麦发芽率快速测定方法，其特征在于，S5的数据库为网络云存储数据库，任何联网限定权限的红外谱线测量仪均可以上传测量数据，以扩展数据库的数据量。
6.根据权利要求1所述的小麦发芽率快速测定方法，其特征在于，发芽率的定义为：发芽率＝发芽种子数/培养种子数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110576054.2A CN113295641A (zh) | 2021-05-26 | 2021-05-26 | 一种小麦发芽率快速测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110576054.2A CN113295641A (zh) | 2021-05-26 | 2021-05-26 | 一种小麦发芽率快速测定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113295641A true CN113295641A (zh) | 2021-08-24 |
Family
ID=77325136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110576054.2A Pending CN113295641A (zh) | 2021-05-26 | 2021-05-26 | 一种小麦发芽率快速测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113295641A (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070239367A1 (en) * | 2004-02-05 | 2007-10-11 | Medpro Holdings, Llc | On-site method of providing analysis of potency and purity of pharmaceutical compounds |
| JP2009042207A (ja) * | 2007-07-19 | 2009-02-26 | Iwate Prefectural Univ | 種子の検査方法および検査装置 |
| CN102221534A (zh) * | 2011-05-27 | 2011-10-19 | 中国人民解放军总后勤部油料研究所 | 一种快速识别发动机燃料种类的中红外光谱方法 |
| CN103283345A (zh) * | 2013-06-04 | 2013-09-11 | 中国农业科学院棉花研究所 | 一种对棉花种子进行活力鉴定的方法 |
| CN103674885A (zh) * | 2013-12-06 | 2014-03-26 | 中国烟草总公司山东省公司 | 一种应用红外光谱技术无损快速鉴别真伪卷烟的方法 |
| CN104255118A (zh) * | 2014-01-22 | 2015-01-07 | 南京农业大学 | 基于近红外光谱技术的水稻种子发芽率快速无损测试方法 |
| CN104914069A (zh) * | 2015-05-28 | 2015-09-16 | 中国农业大学 | 可迁移计算的肉类品质近红外检测方法及装置 |
| CN106576829A (zh) * | 2016-12-13 | 2017-04-26 | 河南省农业科学院 | 一种抗草甘膦玉米品种鉴定方法 |
| CN107258149A (zh) * | 2017-05-31 | 2017-10-20 | 中国农业科学院棉花研究所 | 一种基于近红外光谱的棉花种子发芽率测定方法及系统 |
| CN107860473A (zh) * | 2017-10-25 | 2018-03-30 | 暨南大学 | 一种基于云数据的智能手持光谱仪 |
| WO2018084612A1 (ko) * | 2016-11-02 | 2018-05-11 | 한국식품연구원 | 쌀의 품질측정 시스템, 쌀의 식미평가방법, 곡물의 발아율 예측 시스템 및 발아율 예측 방법 |
| CN108195790A (zh) * | 2018-01-25 | 2018-06-22 | 内蒙古农业大学 | 基于近红外光谱建立山羊肉质检测数据库的方法 |
| CN108872143A (zh) * | 2018-05-22 | 2018-11-23 | 南京农业大学 | 一种基于近红外光谱的小麦感染赤霉病等级检测方法 |
| CN108901246A (zh) * | 2018-08-29 | 2018-11-30 | 无为县文兵水稻种植专业合作社 | 一种水稻种子发芽率试样的方法 |
| CN109406436A (zh) * | 2018-10-30 | 2019-03-01 | 甘肃省交通规划勘察设计院股份有限公司 | 基于红外光谱大数据的道路沥青快速检测预警方法 |
| US20200132660A1 (en) * | 2018-10-30 | 2020-04-30 | Gansu Province Transportation Planning, Survey & Design Institute Co., Ltd. | Method for fast detecting pavement asphalt and early warning based on infrared spectrum big data |
-
2021
- 2021-05-26 CN CN202110576054.2A patent/CN113295641A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070239367A1 (en) * | 2004-02-05 | 2007-10-11 | Medpro Holdings, Llc | On-site method of providing analysis of potency and purity of pharmaceutical compounds |
| JP2009042207A (ja) * | 2007-07-19 | 2009-02-26 | Iwate Prefectural Univ | 種子の検査方法および検査装置 |
| CN102221534A (zh) * | 2011-05-27 | 2011-10-19 | 中国人民解放军总后勤部油料研究所 | 一种快速识别发动机燃料种类的中红外光谱方法 |
| CN103283345A (zh) * | 2013-06-04 | 2013-09-11 | 中国农业科学院棉花研究所 | 一种对棉花种子进行活力鉴定的方法 |
| CN103674885A (zh) * | 2013-12-06 | 2014-03-26 | 中国烟草总公司山东省公司 | 一种应用红外光谱技术无损快速鉴别真伪卷烟的方法 |
| CN104255118A (zh) * | 2014-01-22 | 2015-01-07 | 南京农业大学 | 基于近红外光谱技术的水稻种子发芽率快速无损测试方法 |
| CN104914069A (zh) * | 2015-05-28 | 2015-09-16 | 中国农业大学 | 可迁移计算的肉类品质近红外检测方法及装置 |
| WO2018084612A1 (ko) * | 2016-11-02 | 2018-05-11 | 한국식품연구원 | 쌀의 품질측정 시스템, 쌀의 식미평가방법, 곡물의 발아율 예측 시스템 및 발아율 예측 방법 |
| CN106576829A (zh) * | 2016-12-13 | 2017-04-26 | 河南省农业科学院 | 一种抗草甘膦玉米品种鉴定方法 |
| CN107258149A (zh) * | 2017-05-31 | 2017-10-20 | 中国农业科学院棉花研究所 | 一种基于近红外光谱的棉花种子发芽率测定方法及系统 |
| CN107860473A (zh) * | 2017-10-25 | 2018-03-30 | 暨南大学 | 一种基于云数据的智能手持光谱仪 |
| CN108195790A (zh) * | 2018-01-25 | 2018-06-22 | 内蒙古农业大学 | 基于近红外光谱建立山羊肉质检测数据库的方法 |
| CN108872143A (zh) * | 2018-05-22 | 2018-11-23 | 南京农业大学 | 一种基于近红外光谱的小麦感染赤霉病等级检测方法 |
| CN108901246A (zh) * | 2018-08-29 | 2018-11-30 | 无为县文兵水稻种植专业合作社 | 一种水稻种子发芽率试样的方法 |
| CN109406436A (zh) * | 2018-10-30 | 2019-03-01 | 甘肃省交通规划勘察设计院股份有限公司 | 基于红外光谱大数据的道路沥青快速检测预警方法 |
| US20200132660A1 (en) * | 2018-10-30 | 2020-04-30 | Gansu Province Transportation Planning, Survey & Design Institute Co., Ltd. | Method for fast detecting pavement asphalt and early warning based on infrared spectrum big data |
Non-Patent Citations (3)
| Title |
|---|
| 刘强春: "《材料现代分析测试方法实验》", 31 October 2018, 中国科学技术大学出版社 * |
| 司亚平, 北京：中国农业出版社 * |
| 朱银等: "基于近红外光谱的小麦种子发芽率测试", 《江苏农业科学》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101881726B (zh) | 植物幼苗综合性状活体无损检测方法 | |
| US8935881B2 (en) | Method and device for evaluating germination properties of plant seeds | |
| Al-Amery et al. | Near-infrared spectroscopy used to predict soybean seed germination and vigour | |
| Buttaro et al. | Simple and accurate allometric model for leaf area estimation in Vitis vinifera L. genotypes | |
| Wei et al. | Monitoring leaf nitrogen accumulation in wheat with hyper-spectral remote sensing | |
| Laxman et al. | Non-invasive quantification of tomato (Solanum lycopersicum L.) plant biomass through digital imaging using phenomics platform | |
| CN116941380A (zh) | 基于多光谱图像分析的水稻种子活力检测方法 | |
| CN111912793A (zh) | 利用高光谱测量烟草中镉含量的方法及预测模型的建立 | |
| Sunilkumar et al. | Surface color based prediction of oil content in oil palm (Elaeis guineensis Jacq.) fresh fruit bunch | |
| Basu et al. | High-precision phenotyping under controlled versus natural environments | |
| Graeff et al. | Identification and discrimination of water stress in wheat leaves (Triticum aestivum L.) by means of reflectance measurements | |
| Dell'Aquila et al. | The application of image analysis in monitoring the imbibition process of white cabbage (Brassica oleracea L.) seeds | |
| CN107314985A (zh) | 一种利用近红外光谱检测油菜茎秆纤维素含量的方法 | |
| Qiao et al. | Vigour testing for the rice seed with computer vision-based techniques | |
| CN113295641A (zh) | 一种小麦发芽率快速测定方法 | |
| Dell'Aquila | Red-Green-Blue (RGB) colour density as a non-destructive marker in sorting deteriorated lentil (Lens culinaris Medik.) seeds | |
| Guo | Kernel and bulk density changes due to moisture content, mechanical damage, and insect damage | |
| CN110118700A (zh) | 一种无损预测玉米籽粒含水率的方法 | |
| Rajendra Prasad | Testing seed for quality | |
| CN108918578A (zh) | 一种小麦耐热性简易评价方法 | |
| Yamaguchi | Measurement of root diameter in field-grown crops under a microscope without washing | |
| CN107314987A (zh) | 一种利用近红外光谱检测油菜单株产量的方法 | |
| CN117232651A (zh) | 一种快速识别玉米种子水分含量及水分分布情况的方法 | |
| Behtari et al. | Predicting germination of Medicago sativa and Onobrychis viciifolia seeds by using image analysis | |
| CN108693136B (zh) | 一种快速检测花粉活力的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210824 |
|
| RJ01 | Rejection of invention patent application after publication |