CN117092102A - 一种植物硒含量采样检测管理系统 - Google Patents
一种植物硒含量采样检测管理系统 Download PDFInfo
- Publication number
- CN117092102A CN117092102A CN202311356592.6A CN202311356592A CN117092102A CN 117092102 A CN117092102 A CN 117092102A CN 202311356592 A CN202311356592 A CN 202311356592A CN 117092102 A CN117092102 A CN 117092102A
- Authority
- CN
- China
- Prior art keywords
- subarea
- selenium
- plant
- plant sample
- content
- 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.)
- Granted
Links
- 239000011669 selenium Substances 0.000 title claims abstract description 290
- 229910052711 selenium Inorganic materials 0.000 title claims abstract description 290
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 title claims abstract description 286
- 238000005070 sampling Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 116
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000012216 screening Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 241000196324 Embryophyta Species 0.000 claims description 383
- 241001553178 Arachis glabrata Species 0.000 claims description 94
- 235000020232 peanut Nutrition 0.000 claims description 89
- 235000017060 Arachis glabrata Nutrition 0.000 claims description 79
- 235000010777 Arachis hypogaea Nutrition 0.000 claims description 79
- 235000018262 Arachis monticola Nutrition 0.000 claims description 79
- 239000002245 particle Substances 0.000 claims description 65
- 239000002689 soil Substances 0.000 claims description 47
- 238000000227 grinding Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 37
- 238000011282 treatment Methods 0.000 claims description 36
- 230000003749 cleanliness Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012797 qualification Methods 0.000 claims description 15
- 239000006185 dispersion Substances 0.000 claims description 10
- 238000001035 drying Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000005303 weighing Methods 0.000 claims description 4
- 230000004720 fertilization Effects 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000005406 washing Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000031229 Cardiomyopathies Diseases 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 208000019926 Keshan disease Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010039921 Selenium deficiency Diseases 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 238000000498 ball milling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010883 coal ash Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 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
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2866—Grinding or homogeneising
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明属于植物硒含量检测管理领域，涉及到一种植物硒含量采样检测管理系统，通过设置植物样本获取模块、植物样本处理模块、植物样本检测硒含量获取模块、植物样本实际硒含量分析模块、异常子区域筛选模块、异常子区域影响因素判定模块和云数据库，本发明一方面结合各子区域各植物样本的洁净度和研磨度得到处理合格度，保障各子区域各植物样本的单位质量的实际硒含量计算的准确性和可靠性，从而得到各异常子区域各不合格植物样本，另一方面对各异常子区域各不合格植物样本做进一步筛分，判断各异常子区域各高、低硒含量植物样本的硒含量异常影响因素，为硒花生种植园管理人员提供相应的处理方法，保障硒花生的品质和安全。
Description
技术领域
本发明属于植物硒含量检测管理领域，涉及到一种植物硒含量采样检测管理系统。
背景技术
硒是人体和动物身体内重要的微量元素，缺乏硒会引发多种疾病，比如克山病、硒缺乏性心肌病等。对于人体来说，花生是常见的膳食来源，然而，自然界中，土壤和大气等环境因素都会影响花生中硒的含量。为了保证人们摄入足够安全的硒，保持身体健康，许多研究已经开始关注硒花生的种植。
硒花生种植园种植的花生植株可以通过吸收土壤中的硒元素来富集硒，因此硒花生的硒含量明显高于常规花生。然而，硒元素的富集和吸收受到多种因素的影响，因此需要在硒花生不同生长阶段对硒花生种植园的植物的硒含量进行检测和评估，确保硒花生植物的硒元素富集能力和安全性，避免植株对硒的过度富集和积累。
现有技术针对硒花生种植园的植物硒含量检测分析在一定程度上可以满足当前要求，但是还存在一定的缺陷，其具体体现在：1、硒花生植物在采样过后需要进行一系列的处理以保证硒含量检测的科学性，该处理包括清洁和研磨，目前已经采用了很多高效的洗涤方法和研磨方法，如超声波洗涤、离心洗涤、球磨法、超声波破碎法等，但是硒花生植物样本处理后不可避免地存在微量的污染物或研磨后颗粒大小不一、分布不均的问题，现有技术对硒花生种植园的植物硒含量检测分析缺乏针对植物样本采样处理后的洁净程度和研磨程度做细致性的分析，忽视对植物样本处理合格情况进行深入展开，进而影响植物样本的硒含量检测结果的准确性和可靠性，难以保证硒花生种植园后续处理的正确性和有效性。
2、现有技术针对硒花生种植园的植物硒含量检测分析仅能检测出植物样本的硒含量是否异常，无法为种植园工作人员提供可靠的参考性信息，以便判断植物样本硒含量异常的原因，因此需要工作人员自行判断种植园部分植物样本硒含量异常的原因，可能出现工作人员由于缺乏经验，误判异常情况原因进而采取错误处理方式的问题。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种植物硒含量采样检测管理系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种植物硒含量采样检测管理系统，包括：植物样本获取模块，用于获取硒花生种植园在设定生长周期的各子区域各植物样本及其对应种植位置的土壤样品。
植物样本处理模块，用于对各子区域各植物样本进行处理，获取各子区域各植物样本的洁净度、研磨度和处理完成后的质量。
植物样本检测硒含量获取模块，用于对处理完成后的各子区域各植物样本进行硒含量检测，获取各子区域各植物样本的检测硒含量。
植物样本实际硒含量分析模块，用于根据各子区域各植物样本的洁净度和研磨度，构建各子区域各植物样本的处理合格度，据此分析各子区域各植物样本单位质量的实际硒含量。
异常子区域筛选模块，用于根据各子区域各植物样本单位质量的实际硒含量，构建各子区域的植物硒含量达标系数，据此筛选出各异常子区域各不合格植物样本。
异常子区域影响因素判定模块，用于对各异常子区域各不合格植物样本进行筛选，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本，并对其对应种植位置的土壤样品进行硒含量监测，据此判定各异常子区域各高硒含量植物样本和各低硒含量植物样本的影响因素，对其进行相应处理。
云数据库，用于存储硒花生各生长阶段的硒含量需求量、硒含量标准吸收率、单位质量的合理硒含量范围和各生长部位参照图像。
优选地，所述植物样本获取模块具体分析过程包括：获取硒花生的设定生长周期，按照相同面积对硒花生种植园进行区域划分，得到硒花生种植园的各子区域，对各子区域内的植物按照相同抽检比例进行随机抽样，得到各子区域各植物样本，对各子区域各植物样本对应种植位置的土壤按照设定深度进行等量采样，得到硒花生种植园在设定生长周期的各子区域各植物样本及其对应种植位置的土壤样品。
优选地，所述植物样本处理模块的具体分析过程包括：依次对各子区域各植物样本进行筛选、清洗、烘干、研磨和净称重处理，通过摄像监测设备对烘干处理完成后的各子区域各植物样本进行图像采集，得到各子区域各植物样本图像，对各子区域各植物样本图像进行处理和分割，得到各子区域各植物样本各生长部位图像，将图像进行灰度化，得到各子区域各植物样本各生长部位图像中各像素的灰度值。
根据硒花生的设定生长周期，得到硒花生设定生长周期所处的生长阶段，记为设定生长阶段，从云数据库中提取硒花生设定生长阶段各生长部位参照图像，同理得到硒花生设定生长阶段各生长部位参照图像中各像素的灰度值，筛选出各生长部位参照图像中像素灰度最大值和最小值，构成硒花生设定生长阶段各生长部位参照像素范围。
将各子区域各植物样本各生长部位图像中各像素的灰度值与其对应参照像素范围进行比对，筛选出各子区域各植物样本各生长部位图像中的各异常像素，并统计异常像素数量，将各子区域各植物样本各生长部位图像中异常像素数量与其对应图像总像素的比值作为各子区域各植物样本各生长部位的污染因子，记为，其中i表示硒花生种植园各子区域的编号，/>，k表示子区域内各植物样本的编号，/>，p表示植物各生长部位的编号，/>。
分析各子区域各植物样本的洁净度，其计算公式为：/>，其中/>表示/>。
优选地，所述植物样本处理模块的具体分析过程还包括：通过激光散射仪对研磨处理完成后的各子区域各植物样本进行照射，并对各子区域各植物样本中激光散射产生的光谱信号进行分析，得出各子区域各植物样本中各颗粒的粒径，统计各子区域各植物样本中各粒径的颗粒数目，构建以粒径为横坐标，颗粒数目为纵坐标的各子区域各植物样本的粒径分布离散图。
由公式得到各子区域各植物样本的粒径分布离散图的峭度，其中/>为各子区域各植物样本的粒径分布离散图的峭度，/>为第i个子区域第k个植物样本的粒径分布离散图中第h个粒径对应的颗粒数目，/>,g表示粒径总个数，为第i个子区域第k个植物样本的粒径分布离散图的标准方差，其计算公式为：。
根据各子区域各植物样本的粒径分布离散图的峭度和标准方差，分析各子区域各植物样本的研磨度，其计算公式为：，其中/>为各子区域各植物样本的研磨度，e为自然常数。
优选地，所述植物样本实际硒含量分析模块的具体分析过程包括：根据各子区域各植物样本的洁净度和研磨度，构建各子区域各植物样本的处理合格度，其计算公式为。
优选地，所述植物样本实际硒含量分析模块的具体分析过程还包括：根据构建的各子区域各植物样本的处理合格度，分析各子区域各植物样本单位质量的实际硒含量，其计算公式为：/>，其中/>为第i个子区域第k个植物样本的检测硒含量，/>为第i个子区域第k个植物样本处理完成后的质量。
优选地，所述异常子区域筛选模块的具体分析过程包括：根据硒花生的设定生长阶段，从云数据库中提取硒花生设定生长阶段的单位质量的合理硒含量范围，将各子区域各植物样本单位质量的实际硒含量与硒花生设定生长阶段单位质量的合理硒含量范围进行比对，得到各子区域各合格植物样本和各不合格植物样本，统计各子区域合格植物样本的数量，将各子区域合格植物样本的数量与各子区域植物样本总数目的比值作为各子区域的植物硒含量达标系数。
将各子区域的植物硒含量达标系数与预设的子区域的植物硒含量达标系数合理阈值进行比对，若某子区域的植物硒含量达标系数小于预设的子区域的植物硒含量达标系数合理阈值时，将该子区域记为异常子区域，得到各异常子区域，进而筛选出各异常子区域各不合格植物样本。
优选地，所述异常子区域影响因素评估模块的具体分析过程包括：对硒花生设定生长阶段单位质量的合理硒含量范围取极值，得到硒花生设定生长阶段单位质量的最大合理硒含量和最小合理硒含量，进而对各异常子区域各不合格植物样本作进一步筛分，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本。
从各子区域各植物样本对应种植位置的土壤样品中分别提取各异常子区域各高硒含量植物样本、各低硒含量植物样本对应种植位置的土壤样品，对土壤样品进行硒含量检测，得到各异常子区域各高硒含量植物样本，记为，得到各低硒含量植物样本对应种植位置的土壤样品单位质量的硒含量，记为/>，其中/>表示各异常子区域的编号，，/>分别表示各高硒含量植物样本、各低硒含量植物样本的编号，，/>，/>。
根据硒花生的设定生长阶段，从云数据库中提取硒花生设定生长阶段的硒含量需求量和硒含量标准吸收率/>，分析土壤样品单位质量的合理硒含量/>，其计算公式为：/>，其中/>表示设定的土壤质量。
由植物样本高硒含量影响因素判定模型得到各异常子区域各高硒含量植物样本的影响因素判定结果，其中/>为预设的土壤单位质量的硒含量的允许误差值。
由植物样本低硒含量影响因素判定模型得到各异常子区域各低硒含量植物样本的影响因素判定结果。
优选地，所述异常子区域影响因素评估模块的具体分析过程还包括：若某异常子区域某高硒含量植物样本的影响因素判定为土壤因素时，通过短信形式通知硒花生管理人员在该异常子区域该高硒含量植物样本种植位置进行土壤硒含量调节处理，反之通知硒花生管理人员对其进行拔除处理。
优选地，所述异常子区域影响因素评估模块的具体分析过程还包括：若某异常子区域某低硒含量植物样本的影响因素判定为土壤因素时，通过短信形式通知硒花生管理人员在该异常子区域该低硒含量植物样本种植位置进行施肥处理，反之通知硒花生管理人员对其进行拔除处理。
相较于现有技术，本发明的有益效果如下：（1）本发明通过对烘干处理完成后的各子区域各植物样本进行图像采集，利用图像处理技术分析各子区域各植物样本各生长部位的污染因子，进而得到各子区域各植物样本的洁净度，为后续各子区域各植物样本的单位质量的实际硒含量分析提供科学依据。
（2）本发明通过获取研磨处理完成后的各子区域各植物样本各颗粒的粒径，构建各子区域各植物样本的粒径分布离散图，从峭度和标准方差两方面分析各子区域各植物样本的研磨度，为各子区域各植物样本的单位质量的实际硒含量分析提供更准确的数据支持。
（3）本发明通过结合各子区域各植物样本处理后的洁净度和研磨度分析各子区域各植物样本的处理合格度，进而计算各子区域各植物样本的单位质量的实际硒含量，据此分析各子区域的植物硒含量达标系数，筛选出各异常子区域各不合格植物样本，进一步使得后期硒含量异常植物样本的影响因素判定结果的精准性以及合理性不受影响，提高硒花生硒含量检测的准确性。
（4）本发明通过对各异常子区域各不合格植物样本作进一步筛分，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本，接着对其对应种植位置的土壤硒含量进行检测，分别判定各异常子区域各高硒含量植物样本、各低硒含量植物样本的硒含量异常影响因素判定结果，为种植园管理人员提供可靠的具体的处理措施，从而保证硒花生的品质和安全，便于种植园的管理。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明系统结构示意图。
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。
请参阅图1所示，本发明提供了一种植物硒含量采样检测管理系统，具体模块分布如下：植物样本获取模块、植物样本处理模块、植物样本检测硒含量获取模块、植物样本实际硒含量分析模块、异常子区域筛选模块、异常子区域影响因素判定模块和云数据库，其中模块之间的连接关系为：植物样本处理模块与植物样本获取模块连接，植物样本检测硒含量获取模块与植物样本处理模块连接，植物样本实际硒含量分析模块与植物样本检测硒含量获取模块连接，异常子区域筛选模块与植物样本实际硒含量分析模块连接，异常子区域影响因素判定模块与异常子区域筛选模块连接，植物样本处理模块、异常子区域筛选模块、异常子区域影响因素判定模块均与云数据库连接。
所述植物样本获取模块，用于获取硒花生种植园在设定生长周期的各子区域各植物样本及其对应种植位置的土壤样品。
具体地，所述植物样本获取模块具体分析过程包括：获取硒花生的设定生长周期，按照相同面积对硒花生种植园进行区域划分，得到硒花生种植园的各子区域，对各子区域内的植物按照相同抽检比例进行随机抽样，得到各子区域各植物样本，对各子区域各植物样本对应种植位置的土壤按照设定深度进行等量采样，得到硒花生种植园在设定生长周期的各子区域各植物样本及其对应种植位置的土壤样品。
需要说明的是，上述硒花生的设定生长周期指从硒花生种子在硒花生种植园播种开始到当前时间的时长。
所述植物样本处理模块，用于对各子区域各植物样本进行处理，获取各子区域各植物样本的洁净度、研磨度和处理完成后的质量。
具体地，所述植物样本处理模块的具体分析过程包括：依次对各子区域各植物样本进行筛选、清洗、烘干、研磨和净称重处理，通过摄像监测设备对烘干处理完成后的各子区域各植物样本进行图像采集，得到各子区域各植物样本图像，对各子区域各植物样本图像进行处理和分割，得到各子区域各植物样本各生长部位图像，将图像进行灰度化，得到各子区域各植物样本各生长部位图像中各像素的灰度值。
需要说明的是，上述依次对各子区域各植物样本进行筛选、清洗、烘干、研磨和净称重处理，其具体操作流程为：首先对采集到的各子区域各植物样本的各生长部分进行筛选，人工摘除病虫害或枯萎的生长部分，其次将筛选后的各子区域各植物样本进行清洗，去除表面的污物和杂质，清洗完毕后放置在烘箱中设置适宜温度和时间进行烘干处理直至植物样本完全干燥，接着利用研磨机器将植物样本研磨至颗粒状，最后记录各子区域各植物样本的质量。
根据硒花生的设定生长周期，得到硒花生设定生长周期所处的生长阶段，记为设定生长阶段，从云数据库中提取硒花生设定生长阶段各生长部位参照图像，同理得到硒花生设定生长阶段各生长部位参照图像中各像素的灰度值，筛选出各生长部位参照图像中像素灰度最大值和最小值，构成硒花生设定生长阶段各生长部位参照像素范围。
需要说明的是，上述硒花生设定生长阶段是指硒花生在经过设定生长周期的发育后所处的最新生长阶段。
将各子区域各植物样本各生长部位图像中各像素的灰度值与其对应参照像素范围进行比对，筛选出各子区域各植物样本各生长部位图像中的各异常像素，并统计异常像素数量，将各子区域各植物样本各生长部位图像中异常像素数量与其对应图像总像素的比值作为各子区域各植物样本各生长部位的污染因子，记为，其中i表示硒花生种植园各子区域的编号，/>，k表示子区域内各植物样本的编号，/>，p表示植物各生长部位的编号，/>。
分析各子区域各植物样本的洁净度，其计算公式为：/>，其中/>表示/>。
还需要说明的是，上述筛选出各子区域各植物样本各生长部位图像中的各异常像素是指若某子区域某植物样本某生长部位图像中的某像素的灰度值处于其对应参照像素范围之外，将该子区域该植物样本该生长部位图像中的该像素记为异常像素，进而得到各子区域各植物样本各生长部位图像中的各异常像素。
本发明实施例通过对烘干处理完成后的各子区域各植物样本进行图像采集，利用图像处理技术分析各子区域各植物样本各生长部位的污染因子，进而得到各子区域各植物样本的洁净度，为后续各子区域各植物样本的单位质量的实际硒含量分析提供科学依据。
具体地，所述植物样本处理模块的具体分析过程还包括：通过激光散射仪对研磨处理完成后的各子区域各植物样本进行照射，并对各子区域各植物样本中激光散射产生的光谱数据进行分析，得出各子区域各植物样本中各颗粒的粒径，统计各子区域各植物样本中各粒径的颗粒数目，构建以粒径为横坐标，颗粒数目为纵坐标的各子区域各植物样本的粒径分布离散图。
需要说明的是，上述得到各子区域各植物样本中各颗粒的粒径，其具体过程为：光谱数据包括不同波长范围内的散射光强度、反射光强度，对采集到的光谱数据进行预处理，包括背景校正、波长校正、噪声滤除等操作，建立Mie理论模型，将预处理后的光谱数据输入到粒径模型中进行计算，得出各子区域各植物样本中各颗粒的粒径大小。
由公式得到各子区域各植物样本的粒径分布离散图的峭度，其中/>为各子区域各植物样本的粒径分布离散图的峭度，/>为第i个子区域第k个植物样本的粒径分布离散图中第h个粒径对应的颗粒数目，/>,g表示粒径总个数，/>为第i个子区域第k个植物样本的粒径分布离散图的标准方差，其计算公式为：。
根据各子区域各植物样本的粒径分布离散图的峭度和标准方差，分析各子区域各植物样本的研磨度，其计算公式为：，其中/>为各子区域各植物样本的研磨度，e为自然常数。
需要解释的是，在各子区域各植物样本的粒径分布离散图中，研磨度越好，粒径分布越窄，峰值越尖锐。标准差反映了粒径分布离散图的分布宽窄程度，标准方差越大，说明粒径分布离散图的数据离散程度越大，分布越宽，研磨度越差，标准方差越小，说明粒径分布离散图的数据离散程度越小，分布越窄，研磨度越好，峭度值能够反映粒径分布离散图峰值的尖锐程度，峭度值越大，说明颗粒的大小分布越均匀，且分布的曲线越尖锐，反映颗粒的研磨度较好，峭度值越小，则反映样品颗粒的大小分布较为不均匀，研磨度较差，因此从各子区域各植物样本的粒径分布离散图的峭度值和标准方差反应其研磨度。
本发明实施例通过获取研磨处理完成后的各子区域各植物样本各颗粒的粒径，构建各子区域各植物样本的粒径分布离散图，从峭度和标准方差两方面分析各子区域各植物样本的研磨度，为各子区域各植物样本的单位质量的实际硒含量分析提供更准确的数据支持。
所述植物样本检测硒含量获取模块，用于对处理完成后的各子区域各植物样本进行硒含量检测，获取各子区域各植物样本的检测硒含量。
所述植物样本实际硒含量分析模块，用于根据各子区域各植物样本的洁净度和研磨度，构建各子区域各植物样本的处理合格度，据此分析各子区域各植物样本单位质量的实际硒含量。
具体地，所述植物样本实际硒含量分析模块的具体分析过程包括：根据各子区域各植物样本的洁净度和研磨度，构建各子区域各植物样本的处理合格度，其计算公式为。
进一步地，所述植物样本实际硒含量分析模块的具体分析过程还包括：根据构建的各子区域各植物样本的处理合格度，分析各子区域各植物样本单位质量的实际硒含量，其计算公式为：/>，其中/>为第i个子区域第k个植物样本的检测硒含量，/>为第i个子区域第k个植物样本处理完成后的质量。
所述异常子区域筛选模块，用于根据各子区域各植物样本单位质量的实际硒含量，构建各子区域的植物硒含量达标系数，据此筛选出各异常子区域各不合格植物样本。
具体地，所述异常子区域筛选模块的具体分析过程包括：根据硒花生的设定生长阶段，从云数据库中提取硒花生设定生长阶段的单位质量的合理硒含量范围，将各子区域各植物样本单位质量的实际硒含量与硒花生设定生长阶段单位质量的合理硒含量范围进行比对，得到各子区域各合格植物样本和各不合格植物样本，统计各子区域合格植物样本的数量，将各子区域合格植物样本的数量与各子区域植物样本总数目的比值作为各子区域的植物硒含量达标系数。
将各子区域的植物硒含量达标系数与预设的子区域的植物硒含量达标系数合理阈值进行比对，若某子区域的植物硒含量达标系数小于预设的子区域的植物硒含量达标系数合理阈值时，将该子区域记为异常子区域，得到各异常子区域，进而筛选出各异常子区域各不合格植物样本。
需要说明的是，上述得到各子区域各合格植物样本和各不合格植物样本的具体过程为：若某子区域某植物样本单位质量的实际硒含量处于硒花生设定生长阶段单位质量的合理硒含量范围内，将该子区域该植物样本记为合格植物样本，反之记为不合格植物样本，进而得到各子区域各合格植物样本和各不合格植物样本。
本发明实施例通过结合各子区域各植物样本处理后的洁净度和研磨度分析各子区域各植物样本的处理合格度，进而计算各子区域各植物样本的单位质量的实际硒含量，据此分析各子区域的植物硒含量达标系数，筛选出各异常子区域各不合格植物样本，进一步使得后期硒含量异常植物样本的影响因素判定结果的精准性以及合理性不受影响，提高硒花生硒含量检测的准确性。
所述异常子区域影响因素判定模块，用于对各异常子区域各不合格植物样本进行筛选，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本，并对其对应种植位置的土壤样品进行硒含量监测，据此判定各异常子区域各高硒含量植物样本和各低硒含量植物样本的影响因素，对其进行相应处理。
具体地，所述异常子区域影响因素评估模块的具体分析过程包括：对硒花生设定生长阶段单位质量的合理硒含量范围取极值，得到硒花生设定生长阶段单位质量的最大合理硒含量和最小合理硒含量，进而对各异常子区域各不合格植物样本作进一步筛分，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本。
需要说明的是，上述得到各异常子区域各高硒含量植物样本和各低硒含量植物样本，其具体分析过程为：若某异常子区域某不合格植物样本单位质量的实际硒含量大于硒花生设定生长阶段单位质量的最大合理硒含量，将该异常子区域该不合格植物样本记为高硒含量植物样本，若某异常子区域某不合格植物样本单位质量的实际硒含量小于硒花生设定生长阶段单位质量的最小合理硒含量，将该异常子区域该不合格植物样本记为低硒含量植物样本，进而得到各异常子区域各高硒含量植物样本和各低硒含量植物样本。
从各子区域各植物样本对应种植位置的土壤样品中分别提取各异常子区域各高硒含量植物样本、各低硒含量植物样本对应种植位置的土壤样品，对土壤样品进行硒含量检测，得到各异常子区域各高硒含量植物样本，记为，得到各低硒含量植物样本对应种植位置的土壤样品单位质量的硒含量，记为/>，其中/>表示各异常子区域的编号，，/>分别表示各高硒含量植物样本、各低硒含量植物样本的编号，，/>，/>。
根据硒花生的设定生长阶段，从云数据库中提取硒花生设定生长阶段的硒含量需求量和硒含量标准吸收率/>，分析土壤样品单位质量的合理硒含量/>，其计算公式为：/>，其中/>表示设定的土壤质量。
由植物样本高硒含量影响因素判定模型得到各异常子区域各高硒含量植物样本的影响因素判定结果，其中/>为预设的土壤单位质量的硒含量的允许误差值。
由植物样本低硒含量影响因素判定模型得到各异常子区域各低硒含量植物样本的影响因素判定结果。
进一步地，所述异常子区域影响因素评估模块的具体分析过程还包括：若某异常子区域某高硒含量植物样本的影响因素判定为土壤因素时，通过短信形式通知硒花生管理人员在该异常子区域该高硒含量植物样本种植位置进行土壤硒含量调节处理，反之通知硒花生管理人员对其进行拔除处理。
需要说明的是，上述土壤硒含量调节处理是为了降低土壤中的硒含量，可进行土壤洗涤或向土壤添加石灰、煤灰等操作。
进一步地，所述异常子区域影响因素评估模块的具体分析过程还包括：若某异常子区域某低硒含量植物样本的影响因素判定为土壤因素时，通过短信形式通知硒花生管理人员在该异常子区域该低硒含量植物样本种植位置进行施肥处理，反之通知硒花生管理人员对其进行拔除处理。
本发明实施例通过对各异常子区域各不合格植物样本作进一步筛分，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本，接着对其对应种植位置的土壤硒含量进行检测，分别判定各异常子区域各高硒含量植物样本、各低硒含量植物样本的硒含量异常影响因素判定结果，为种植园管理人员提供可靠的具体的处理措施，从而保证硒花生的品质和安全，便于种植园的管理。
所述云数据库，用于存储硒花生各生长阶段的硒含量需求量、硒含量标准吸收率、单位质量的合理硒含量范围和各生长部位参照图像。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种植物硒含量采样检测管理系统，其特征在于：该系统包括：
植物样本获取模块，用于获取硒花生种植园在设定生长周期的各子区域各植物样本及其对应种植位置的土壤样品；
植物样本处理模块，用于对各子区域各植物样本进行处理，获取各子区域各植物样本的洁净度、研磨度和处理完成后的质量；
植物样本检测硒含量获取模块，用于对处理完成后的各子区域各植物样本进行硒含量检测，获取各子区域各植物样本的检测硒含量；
植物样本实际硒含量分析模块，用于根据各子区域各植物样本的洁净度和研磨度，构建各子区域各植物样本的处理合格度，据此分析各子区域各植物样本单位质量的实际硒含量；
异常子区域筛选模块，用于根据各子区域各植物样本单位质量的实际硒含量，构建各子区域的植物硒含量达标系数，据此筛选出各异常子区域各不合格植物样本；
异常子区域影响因素判定模块，用于对各异常子区域各不合格植物样本进行筛选，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本，并对其对应种植位置的土壤样品进行硒含量监测，据此判定各异常子区域各高硒含量植物样本和各低硒含量植物样本的影响因素，对其进行相应处理；
所述异常子区域影响因素评估模块的具体分析过程包括：若某异常子区域某高硒含量植物样本的影响因素判定为土壤因素时，通过短信形式通知种植园管理人员在该异常子区域该高硒含量植物样本种植位置进行土壤硒含量调节处理，反之通知种植园管理人员对其进行拔除处理；
所述异常子区域影响因素评估模块的具体分析过程还包括：若某异常子区域某低硒含量植物样本的影响因素判定为土壤因素时，通过短信形式通知种植园管理人员在该异常子区域该低硒含量植物样本种植位置进行施肥处理，反之通知种植园管理人员对其进行拔除处理；
云数据库，用于存储硒花生各生长阶段的硒含量需求量、硒含量标准吸收率、单位质量的合理硒含量范围和各生长部位参照图像。
2.根据权利要求1所述的一种植物硒含量采样检测管理系统，其特征在于：所述植物样本获取模块具体分析过程包括：获取硒花生的设定生长周期，按照相同面积对硒花生种植园进行区域划分，得到硒花生种植园的各子区域，对各子区域内的植物按照相同抽检比例进行随机抽样，得到各子区域各植物样本，对各子区域各植物样本对应种植位置的土壤按照设定深度进行等量采样，得到硒花生种植园在设定生长周期的各子区域各植物样本及其对应种植位置的土壤样品。
3.根据权利要求1所述的一种植物硒含量采样检测管理系统，其特征在于：所述植物样本处理模块的具体分析过程包括：依次对各子区域各植物样本进行筛选、清洗、烘干、研磨和净称重处理，通过摄像监测设备对烘干处理完成后的各子区域各植物样本进行图像采集，得到各子区域各植物样本图像，对各子区域各植物样本图像进行处理和分割，得到各子区域各植物样本各生长部位图像，将图像进行灰度化，得到各子区域各植物样本各生长部位图像中各像素的灰度值；
根据硒花生的设定生长周期，得到硒花生设定生长周期所处的生长阶段，记为设定生长阶段，从云数据库中提取硒花生设定生长阶段各生长部位参照图像，同理得到硒花生设定生长阶段各生长部位参照图像中各像素的灰度值，筛选出各生长部位参照图像中像素灰度最大值和最小值，构成硒花生设定生长阶段各生长部位参照像素范围；
将各子区域各植物样本各生长部位图像中各像素的灰度值与其对应参照像素范围进行比对，筛选出各子区域各植物样本各生长部位图像中的各异常像素，并统计异常像素数量，将各子区域各植物样本各生长部位图像中异常像素数量与其对应图像总像素的比值作为各子区域各植物样本各生长部位的污染因子，记为，其中i表示硒花生种植园各子区域的编号，/>，k表示子区域内各植物样本的编号，/>，p表示植物各生长部位的编号，/>；
分析各子区域各植物样本的洁净度，其计算公式为：/>，其中表示/>。
4.根据权利要求3所述的一种植物硒含量采样检测管理系统，其特征在于：所述植物样本处理模块的具体分析过程还包括：通过激光散射仪对研磨处理完成后的各子区域各植物样本进行照射，并对各子区域各植物样本中激光散射产生的光谱信号进行分析，得出各子区域各植物样本中各颗粒的粒径，统计各子区域各植物样本中各粒径的颗粒数目，构建以粒径为横坐标，颗粒数目为纵坐标的各子区域各植物样本的粒径分布离散图；
由公式得到各子区域各植物样本的粒径分布离散图的峭度，其中/>为各子区域各植物样本的粒径分布离散图的峭度，/>为第i个子区域第k个植物样本的粒径分布离散图中第h个粒径对应的颗粒数目，/>,g表示粒径总个数，为第i个子区域第k个植物样本的粒径分布离散图的标准方差，其计算公式为：；
根据各子区域各植物样本的粒径分布离散图的峭度和标准方差，分析各子区域各植物样本的研磨度，其计算公式为：，其中/>为各子区域各植物样本的研磨度，e为自然常数。
5.根据权利要求4所述的一种植物硒含量采样检测管理系统，其特征在于：所述植物样本实际硒含量分析模块的具体分析过程包括：根据各子区域各植物样本的洁净度和研磨度，构建各子区域各植物样本的处理合格度，其计算公式为/>。
6.根据权利要求5所述的一种植物硒含量采样检测管理系统，其特征在于：所述植物样本实际硒含量分析模块的具体分析过程还包括：根据构建的各子区域各植物样本的处理合格度，分析各子区域各植物样本单位质量的实际硒含量，其计算公式为：，其中/>为第i个子区域第k个植物样本的检测硒含量，/>为第i个子区域第k个植物样本处理完成后的质量。
7.根据权利要求6所述的一种植物硒含量采样检测管理系统，其特征在于：所述异常子区域筛选模块的具体分析过程包括：根据硒花生的设定生长阶段，从云数据库中提取硒花生设定生长阶段的单位质量的合理硒含量范围，将各子区域各植物样本单位质量的实际硒含量与硒花生设定生长阶段单位质量的合理硒含量范围进行比对，得到各子区域各合格植物样本和各不合格植物样本，统计各子区域合格植物样本的数量，将各子区域合格植物样本的数量与各子区域植物样本总数目的比值作为各子区域的植物硒含量达标系数；
将各子区域的植物硒含量达标系数与预设的子区域的植物硒含量达标系数合理阈值进行比对，若某子区域的植物硒含量达标系数小于预设的子区域的植物硒含量达标系数合理阈值时，将该子区域记为异常子区域，得到各异常子区域，进而筛选出各异常子区域各不合格植物样本。
8.根据权利要求7所述的一种植物硒含量采样检测管理系统，其特征在于：所述异常子区域影响因素评估模块的具体分析过程包括：对硒花生设定生长阶段单位质量的合理硒含量范围取极值，得到硒花生设定生长阶段单位质量的最大合理硒含量和最小合理硒含量，进而对各异常子区域各不合格植物样本作进一步筛分，得到各异常子区域各高硒含量植物样本和各低硒含量植物样本；
从各子区域各植物样本对应种植位置的土壤样品中分别提取各异常子区域各高硒含量植物样本、各低硒含量植物样本对应种植位置的土壤样品，对土壤样品进行硒含量检测，得到各异常子区域各高硒含量植物样本，记为，得到各低硒含量植物样本对应种植位置的土壤样品单位质量的硒含量，记为/>，其中/>表示各异常子区域的编号，，/>分别表示各高硒含量植物样本、各低硒含量植物样本的编号，，/>，/>；
根据硒花生的设定生长阶段，从云数据库中提取硒花生设定生长阶段的硒含量需求量和硒含量标准吸收率/>，分析土壤样品单位质量的合理硒含量/>，其计算公式为：，其中/>表示设定的土壤质量；
由植物样本高硒含量影响因素判定模型得到各异常子区域各高硒含量植物样本的影响因素判定结果，其中/>为预设的土壤单位质量的硒含量的允许误差值；
由植物样本低硒含量影响因素判定模型得到各异常子区域各低硒含量植物样本的影响因素判定结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311356592.6A CN117092102B (zh) | 2023-10-19 | 2023-10-19 | 一种植物硒含量采样检测管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311356592.6A CN117092102B (zh) | 2023-10-19 | 2023-10-19 | 一种植物硒含量采样检测管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117092102A true CN117092102A (zh) | 2023-11-21 |
| CN117092102B CN117092102B (zh) | 2024-01-30 |
Family
ID=88783683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311356592.6A Active CN117092102B (zh) | 2023-10-19 | 2023-10-19 | 一种植物硒含量采样检测管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117092102B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804551A (zh) * | 2024-02-29 | 2024-04-02 | 吉林汉资堂人参生物科技股份有限公司 | 一种人参皂苷提取用人参原料清洗质量控制管理系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5096294A (en) * | 1990-03-19 | 1992-03-17 | Queen's University At Kingston | Method and apparatus for measuring oxygen concentration and its subsequent use in estimating nitrogen fixation in plants |
| NL1002311C2 (nl) * | 1996-02-12 | 1997-08-13 | Heidemij Realisatie Bv | Werkwijze voor het voorspellen van het resultaat van een reinigings- proces. |
| JP2009047349A (ja) * | 2007-08-20 | 2009-03-05 | Yamamoto Co Ltd | 穀物乾燥装置 |
| RU2430355C1 (ru) * | 2010-06-29 | 2011-09-27 | Учреждение Российской академии наук Ордена Ленина и Ордена Октябрьской Революции Институт геохимии и аналитической химии им. В.И. Вернадского РАН (ГЕОХИ РАН) | Способ определения экологического статуса территорий по содержанию селена |
| CN104511451A (zh) * | 2013-09-26 | 2015-04-15 | 沈阳鼓风机集团核电泵业有限公司 | 一种核主泵制造过程中所用耗材的清洁度的控制方法及其检测方法 |
| KR102139459B1 (ko) * | 2019-03-19 | 2020-07-30 | 주식회사 쉘파스페이스 | 식물 모니터링 및 재배 방법, 장치 및 시스템 |
| CN111881864A (zh) * | 2020-08-03 | 2020-11-03 | 王美华 | 一种智慧农业种植农作物生长全周期全动态监测管理系统 |
| CN112016848A (zh) * | 2020-09-11 | 2020-12-01 | 范玲珍 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
| KR20220146214A (ko) * | 2021-04-23 | 2022-11-01 | 주식회사 이콘비즈 | 인공지능 기반으로 나무 이미지를 분석하여 나무의 이상 여부를 판별하는 장치, 방법 및 프로그램 |
| CN115491861A (zh) * | 2022-11-17 | 2022-12-20 | 山东朱氏药业集团有限公司 | 一种基于大数据的洁净服清洗管理系统 |
| CN115575282A (zh) * | 2021-06-21 | 2023-01-06 | 宝山钢铁股份有限公司 | 用于无取向硅钢清洗液的洁净度检测分析方法 |
| CN116610920A (zh) * | 2023-06-12 | 2023-08-18 | 江西省检验检测认证总院食品检验检测研究院 | 一种基于数据分析的土壤硒含量在线监测分析系统 |
| CN116629717A (zh) * | 2023-07-25 | 2023-08-22 | 山东辰欣佛都药业股份有限公司 | 一种基于大数据的滴眼液生产质量监测管理系统 |
-
2023
- 2023-10-19 CN CN202311356592.6A patent/CN117092102B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5096294A (en) * | 1990-03-19 | 1992-03-17 | Queen's University At Kingston | Method and apparatus for measuring oxygen concentration and its subsequent use in estimating nitrogen fixation in plants |
| NL1002311C2 (nl) * | 1996-02-12 | 1997-08-13 | Heidemij Realisatie Bv | Werkwijze voor het voorspellen van het resultaat van een reinigings- proces. |
| JP2009047349A (ja) * | 2007-08-20 | 2009-03-05 | Yamamoto Co Ltd | 穀物乾燥装置 |
| RU2430355C1 (ru) * | 2010-06-29 | 2011-09-27 | Учреждение Российской академии наук Ордена Ленина и Ордена Октябрьской Революции Институт геохимии и аналитической химии им. В.И. Вернадского РАН (ГЕОХИ РАН) | Способ определения экологического статуса территорий по содержанию селена |
| CN104511451A (zh) * | 2013-09-26 | 2015-04-15 | 沈阳鼓风机集团核电泵业有限公司 | 一种核主泵制造过程中所用耗材的清洁度的控制方法及其检测方法 |
| KR102139459B1 (ko) * | 2019-03-19 | 2020-07-30 | 주식회사 쉘파스페이스 | 식물 모니터링 및 재배 방법, 장치 및 시스템 |
| CN111881864A (zh) * | 2020-08-03 | 2020-11-03 | 王美华 | 一种智慧农业种植农作物生长全周期全动态监测管理系统 |
| CN112016848A (zh) * | 2020-09-11 | 2020-12-01 | 范玲珍 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
| KR20220146214A (ko) * | 2021-04-23 | 2022-11-01 | 주식회사 이콘비즈 | 인공지능 기반으로 나무 이미지를 분석하여 나무의 이상 여부를 판별하는 장치, 방법 및 프로그램 |
| CN115575282A (zh) * | 2021-06-21 | 2023-01-06 | 宝山钢铁股份有限公司 | 用于无取向硅钢清洗液的洁净度检测分析方法 |
| CN115491861A (zh) * | 2022-11-17 | 2022-12-20 | 山东朱氏药业集团有限公司 | 一种基于大数据的洁净服清洗管理系统 |
| CN116610920A (zh) * | 2023-06-12 | 2023-08-18 | 江西省检验检测认证总院食品检验检测研究院 | 一种基于数据分析的土壤硒含量在线监测分析系统 |
| CN116629717A (zh) * | 2023-07-25 | 2023-08-22 | 山东辰欣佛都药业股份有限公司 | 一种基于大数据的滴眼液生产质量监测管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| V S GOVINDARAJAN ET AL: "Ginger — chemistry, technology, and quality evaluation: Part 1", CRITICAL REVIEWS IN FOOD SCIENCE AND NUTRITION, vol. 17, no. 1, pages 1 - 96, XP009132746 * |
| 马风娟;姬丙艳;沈骁;代璐;: "青海东部地区植物富硒特征及影响因素", 安徽农业科学, vol. 43, no. 13, pages 1 - 4 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804551A (zh) * | 2024-02-29 | 2024-04-02 | 吉林汉资堂人参生物科技股份有限公司 | 一种人参皂苷提取用人参原料清洗质量控制管理系统 |
| CN117804551B (zh) * | 2024-02-29 | 2024-05-10 | 吉林汉资堂人参生物科技股份有限公司 | 一种人参皂苷提取用人参原料清洗质量控制管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117092102B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117092102B (zh) | 一种植物硒含量采样检测管理系统 | |
| CN108040997B (zh) | 一种基于机器视觉的虫害监测方法 | |
| CN112394152A (zh) | 一种基于大数据的水质实时智能监测分析管理系统 | |
| CN106644542B (zh) | 一种吸油烟机吸烟性能评估方法 | |
| US20060222235A1 (en) | Defect inspection method | |
| CN101701906A (zh) | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 | |
| CN113624645B (zh) | 一种用于检测颗粒流动分布的装置及其方法 | |
| CN113468964A (zh) | 一种基于高光谱的农业病虫害监测方法及设备 | |
| CN117589633B (zh) | 一种粮食杂质检测装置及方法 | |
| CN113390806B (zh) | 基于多尺度图像的生菜重金属含量检测方法 | |
| CN101911877B (zh) | 基于激光漫反射图像技术的种子生命力鉴别装置和方法 | |
| CN116778343B (zh) | 一种用于综合识别的目标图像特征提取方法 | |
| CN117218114B (zh) | 一种基于图像数据处理的网状织物缺陷快速检测方法 | |
| CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
| CN109342378A (zh) | 基于多模态成像技术的菌落生长状态检测装置及方法 | |
| CN116858748A (zh) | 土石堤坝渗漏程度的精细化辨识巡查方法及装置 | |
| CN114062366B (zh) | 烟草制丝生产风选剔梗质量在线检测方法及系统 | |
| CN114813434A (zh) | 基于多目标优化和多光谱技术的水分和粒径同时检测的方法 | |
| CN109949323B (zh) | 一种基于深度学习卷积神经网络的作物种子净度判断方法 | |
| CN112034912A (zh) | 一种基于实时反馈的温室作物病害防治方法 | |
| CN115100447B (zh) | 基于热红外图像配准融合的水稻结实率测量装置及方法 | |
| Geng et al. | A new method for lint percentage non-destructive detection based on optical penetration imaging | |
| CN117928647A (zh) | 一种食品加工生产线的品质自动检测方法及系统 | |
| CN111551517B (zh) | 一种蔬菜农药残留检测装置及方法 | |
| EP4307225A1 (en) | Leaf structure measurement method during threshing, redrying and air separation process and leaf outlet amount measurement method of air separator |
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 |