CN117368470A - 一种纺织品抗菌检测与质量评估系统 - Google Patents
一种纺织品抗菌检测与质量评估系统 Download PDFInfo
- Publication number
- CN117368470A CN117368470A CN202311297766.6A CN202311297766A CN117368470A CN 117368470 A CN117368470 A CN 117368470A CN 202311297766 A CN202311297766 A CN 202311297766A CN 117368470 A CN117368470 A CN 117368470A
- Authority
- CN
- China
- Prior art keywords
- microorganism
- textile
- data
- module
- detection
- 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
- 239000004753 textile Substances 0.000 title claims abstract description 109
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000000844 anti-bacterial effect Effects 0.000 title claims abstract description 36
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 12
- 244000005700 microbiome Species 0.000 claims abstract description 167
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 16
- 239000000126 substance Substances 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000013441 quality evaluation Methods 0.000 claims abstract description 7
- 241000894007 species Species 0.000 claims abstract description 4
- 230000000877 morphologic effect Effects 0.000 claims description 45
- 239000013598 vector Substances 0.000 claims description 30
- 238000001228 spectrum Methods 0.000 claims description 29
- 230000000813 microbial effect Effects 0.000 claims description 24
- 230000000845 anti-microbial effect Effects 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 235000015097 nutrients Nutrition 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000004377 microelectronic Methods 0.000 claims description 6
- 230000001680 brushing effect Effects 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000011534 incubation Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000002864 sequence alignment Methods 0.000 claims description 3
- 238000009629 microbiological culture Methods 0.000 claims description 2
- 230000002906 microbiologic effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 238000001215 fluorescent labelling Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
-
- 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
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Human Resources & Organizations (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Strategic Management (AREA)
- Urology & Nephrology (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Hematology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Microbiology (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
Abstract
本发明涉及纺织品检测技术领域，具体涉及一种纺织品抗菌检测与质量评估系统，包括数据采集模块、数据处理模块、微生物培养识别模块、检测模块、评估模块及输出模块；其中，所述数据采集模块负责获取纺织品的物理和化学属性数据，所述数据处理模块进行预处理；微生物培养识别模块对纺织品中存在的微生物进行培养并识别其种类；检测模块分析确定纺织品的抗菌性能；评估模块接收检测结果，并结合预设的评价标准生成纺织品的质量评估报告；输出模块负责将评估报告进行展示。本发明，不仅提高了检测的速度和效率，而且通过先进的微生物识别算法和抗菌指数计算，提供了更为准确、科学的抗菌性能判定。
Description
技术领域
本发明涉及纺织品检测技术领域，尤其涉及一种纺织品抗菌检测与质量评估系统。
背景技术
纺织品，尤其是服装、床上用品和毛巾，经常与人体直接接触，因此它们的抗菌性能对于人类健康尤为重要，在过去，纺织品的抗菌性能主要通过人工方式进行评估，例如通过可视化培养板方法来检测和计数细菌。这些传统方法通常既费时又劳力，而且可能受到操作者技能、经验和判断的影响，从而导致结果的不一致性。
随着技术的发展，虽然已经有一些自动化的检测设备和方法投入使用，但它们大多数仍然集中在单一或有限的几种微生物的检测上，此外，许多现有的技术并没有考虑到纺织品中微生物的多样性，以及不同微生物对抗菌性能的贡献可能会有所不同。因此，这些技术在实际应用中往往无法提供全面、准确的评估结果。
除此之外，纺织品的物理和化学属性，例如纤维类型、密度和处理方式，也可能影响其抗菌性能，然而，多数现有的检测系统并未将这些属性与微生物检测结果相结合，从而可能遗漏了对纺织品总体抗菌性能的一些关键信息。
因此，急需一个可以全面、准确、快速地评估纺织品抗菌性能的系统，同时还能结合纺织品的物理和化学属性，为生产商和消费者提供有价值的参考信息。
发明内容
基于上述目的，本发明提供了一种纺织品抗菌检测与质量评估系统。
一种纺织品抗菌检测与质量评估系统，包括数据采集模块、数据处理模块、微生物培养识别模块、检测模块、评估模块及输出模块；
其中，
所述数据采集模块负责获取纺织品的物理和化学属性数据，所述数据处理模块接收来自数据采集模块的数据并进行预处理；
微生物培养识别模块对纺织品中存在的微生物进行培养并识别其种类，生成微生物识别报告；
检测模块接收微生物识别报告和预处理后的数据，分析确定纺织品的抗菌性能；
评估模块接收检测结果，并结合预设的评价标准生成纺织品的质量评估报告；
输出模块负责将评估报告进行展示。
进一步的，所述数据采集模块通过红外光谱仪检测纺织品的化学成分，分析纺织品在不同波长下的红外吸收情况，识别其含有的化学物质；数据采集模块通过微电子力平衡传感器检测纺织品的密度和材料刚度，通过测量纺织品在受到微小力时的形变情况，确定其密度和刚度；数据采集模块通过电容式湿度传感器测定纺织品的吸湿性，通过电容的变化来间接测定纺织品吸收的水分量；数据采集模块通过光谱分析仪，用于分析纺织品的色彩及其在各种光谱下的反射、透射和吸收特性，获取纺织品的颜色组成和其他光学属性。
进一步的，数据采集模块还包括一个集成电路控制器，该集成电路控制器协调红外光谱仪、微电子力平衡传感器、电容式湿度传感器以及光谱分析仪的工作，将各传感器采集到的数据进行初步整合，并传输至数据处理模块。
进一步的，所述数据处理模块进行预处理的方式包括：
初步筛选，将来自数据采集模块的数据中的异常值、冗余数据或噪音数据进行排除；
格式转换，将所有传感器传输的数据统一为相同的数据格式；
数据归一化，根据每个传感器的工作范围和敏感度，将不同范围的数据转化到统一的比例尺度，使得数据之间具有可比性；
时序对齐，确保在同一时刻采集的不同属性数据能够被关联起来；
数据平滑，采用滤波技术对数据进行平滑处理，消除短时间内的数据波动；
数据分段，根据需要，将连续采集的长时间数据分段，每段代表一个特定的检测周期或检测对象。
进一步的，所述微生物培养识别模块具体包括：
微生物样本提取：使用微生物刷从纺织品上刷取或吸取样本，将该样本放入无菌的营养液中；
培养箱孵育：将装有样本的营养液置入微生物培养箱中，为微生物提供生长环境，使其迅速繁殖；
光学显微观察：使用具有1000倍放大倍数的光学显微镜观察培养液，利用自动形态分析算法，对微生物的形态特征进行测量，并与数据库中的标准形态参数进行对比；
生物分子标记：选用与常见微生物种类特异性结合的荧光标记抗体，将荧光标记抗体与培养液混合，通过匹配算法，当荧光强度达到预设的阈值时，确定抗体与微生物成功结合；
光谱分析：使用光谱分析仪对上述荧光标记后的样本进行光谱扫描，获得300-800nm的荧光光谱数据，将实验数据与存储在数据库中的已知微生物种类光谱进行匹配，基于最高的相似度分数，确定微生物的种类；
微生物识别算法：微生物培养识别模块中集成识别算法，该算法对微生物的形态特征进行向量化编码，再利用欧氏距离或余弦相似度计算与数据库中存储的标准形态的相似度，结合光谱匹配得到的数据，采用加权融合策略，最终确定微生物的种类。
进一步的，所述微生物样品提取具体为：使用刷毛长度为0.5mm的微生物刷从纺织品的表面进行Z字型刷取，确保覆盖面积为5cm×5cm，将刷子放入含有10ml的营养液中，并震荡5分钟以确保微生物的脱落，所述微生物培养箱的参数设定为37℃的温度，相对湿度为95％，并在暗环境中保持24小时。
进一步的，所述自动形态分析算法具体如下：
形态特征向量的定义：
设图像I表示从微生物样品中提取的微生物形态，对于每一个微生物实体e在图像I中,定义其形态特征向量为：
F(e)＝[f1，f2，f3，…，fn]；
其中：
f1为微生物的面积,即实体中的像素数；
f2为微生物的周长；
f3为微生物的形状因子，定义为
...
fn为其他形态特征；
微生物形态特征提取：
对于图像I,利用图像分割技术确定每一个微生物实体e，使用特征定义提取每个微生物的形态特征向量；
微生物形态匹配：
设数据库中的标准微生物形态特征向量为Fd，定义微生物实体e与数据库中某一标准的匹配分数为：
其中，||2表示L2范数，分数S(e)越接近于1，表示微生物形态与数据库中的标准形态匹配得越好。
进一步的，所述微生物识别算法具体包括：
形态与光谱特征的融合：
设图像I中的微生物实体为e，其形态特征向量为F(e)和光谱特征向量为S(e)，融合后的特征向量定义为:V(e)＝[F(e)，S(e)]；
微生物种类的匹配分数计算：
对于数据库中的每一种微生物标准特征向量Vd，微生物实体e的匹配分数计算为:
其中，ω是权重系数(0≤ω≤1)，用于调整形态特征与光谱特征在匹配分数计算中的重要性，Fd和Sd分别表示数据库中微生物的形态和光谱标准特征向量；
微生物种类的决策：species(e)＝argmaxdM(e)；
其中，d遍历所有数据库中的微生物种类。
进一步的，所述检测模块具体包括：
基于接收到的微生物识别报告，提取与每种已识别微生物相关的数量或者浓度数据；
使用下述公式计算纺织品的抗菌指数AI:AI＝∑(ωi×(C0-Ci))；
其中，
C0为未经处理的纺织品样本中微生物的参考浓度；
Ci为微生物识别报告中第i种微生物的浓度；
ωi为第i种微生物的权重系数，表示该微生物在抗菌性能评估中的重要性；
求和操作∑遍历所有在微生物识别报告中被识别的微生物种类；
将计算得到的抗菌指数AI与预先设定的阈值T进行比较，若AI大于T则判断纺织品具有良好的抗菌性能，反之，则判断纺织品的抗菌性能不足。
进一步的，所述评估模块根据接收到的检测结果中的抗菌指数AI对纺织品进行分类，并与预设的评价标准进行匹配：
AI>T1:分类为“优质”；
T2<AI≤T1:分类为“良好”；
AI≤T2:分类为“一般”；
其中，T1和T2为预设的抗菌指数阈值，满足T1>T2；
根据纺织品的分类，从预设的评价标准数据库中检索与该分类相匹配的质量评价描述。
本发明的有益效果：
本发明，通过集成的数据采集模块、数据处理模块、微生物培养识别模块、检测模块以及评估模块，形成了一个全面、自动化的检测流程，与传统的手动检测和识别方法相比，该系统不仅提高了检测的速度和效率，而且通过先进的微生物识别算法和抗菌指数计算，提供了更为准确、科学的抗菌性能判定。
本发明，通过利用形态与光谱的特征融合，微生物识别算法具有更高的准确性和鲁棒性，特别是在处理纺织品样本中微生物种类繁多、分布不均的情况下，算法仍能保持良好的性能，大大降低了误检和漏检的风险。
本发明，通过与预设评价标准的匹配，用户能够快速了解纺织品的抗菌性能等级及其在实际应用中的适用场景。这样的评估报告不仅对纺织品生产商有益，帮助其优化生产工艺，而且为消费者提供了购买决策的有力参考，促进了消费者信心与市场透明度。
附图说明
为了更清楚地说明本发明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，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为本发明实施例的系统各功能模块示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1所示，一种纺织品抗菌检测与质量评估系统，包括数据采集模块、数据处理模块、微生物培养识别模块、检测模块、评估模块及输出模块；
其中，
数据采集模块负责获取纺织品的物理和化学属性数据，数据处理模块接收来自数据采集模块的数据并进行预处理；
微生物培养识别模块对纺织品中存在的微生物进行培养并识别其种类，生成微生物识别报告；
检测模块接收微生物识别报告和预处理后的数据，分析确定纺织品的抗菌性能；
评估模块接收检测结果，并结合预设的评价标准生成纺织品的质量评估报告；
输出模块负责将评估报告进行展示。
数据采集模块通过红外光谱仪检测纺织品的化学成分，分析纺织品在不同波长下的红外吸收情况，识别其含有的化学物质；数据采集模块通过微电子力平衡传感器检测纺织品的密度和材料刚度，通过测量纺织品在受到微小力时的形变情况，确定其密度和刚度；数据采集模块通过电容式湿度传感器测定纺织品的吸湿性，通过电容的变化来间接测定纺织品吸收的水分量；数据采集模块通过光谱分析仪，用于分析纺织品的色彩及其在各种光谱下的反射、透射和吸收特性，获取纺织品的颜色组成和其他光学属性。
数据采集模块还包括一个集成电路控制器，该集成电路控制器协调红外光谱仪、微电子力平衡传感器、电容式湿度传感器以及光谱分析仪的工作，将各传感器采集到的数据进行初步整合，并传输至数据处理模块。
数据处理模块进行预处理的方式包括：
初步筛选，将来自数据采集模块的数据中的异常值、冗余数据或噪音数据进行排除；
格式转换，将所有传感器传输的数据统一为相同的数据格式；
数据归一化，根据每个传感器的工作范围和敏感度，将不同范围的数据转化到统一的比例尺度，使得数据之间具有可比性；
时序对齐，确保在同一时刻采集的不同属性数据能够被关联起来；
数据平滑，采用滤波技术对数据进行平滑处理，消除短时间内的数据波动；
数据分段，根据需要，将连续采集的长时间数据分段，每段代表一个特定的检测周期或检测对象。
微生物培养识别模块具体包括：
微生物样本提取：使用微生物刷从纺织品上刷取或吸取样本，将该样本放入无菌的营养液中；
培养箱孵育：将装有样本的营养液置入微生物培养箱中，为微生物提供生长环境，使其迅速繁殖；
光学显微观察：使用具有1000倍放大倍数的光学显微镜观察培养液，利用自动形态分析算法，对微生物的形态特征(如尺寸、形状和颜色)进行测量，并与数据库中的标准形态参数进行对比；
生物分子标记：选用与常见微生物种类特异性结合的荧光标记抗体，将荧光标记抗体与培养液混合，通过匹配算法，当荧光强度达到预设的阈值时，确定抗体与微生物成功结合；
光谱分析：使用光谱分析仪对上述荧光标记后的样本进行光谱扫描，获得300-800nm的荧光光谱数据，将实验数据与存储在数据库中的已知微生物种类光谱进行匹配，基于最高的相似度分数，确定微生物的种类；
微生物识别算法：微生物培养识别模块中集成识别算法，该算法对微生物的形态特征进行向量化编码，再利用欧氏距离或余弦相似度计算与数据库中存储的标准形态的相似度，结合光谱匹配得到的数据，采用加权融合策略，最终确定微生物的种类；
数据库接口：微生物培养识别模块包括一个数据库接口，该接口允许与外部微生物光谱和形态数据库进行实时通讯，确保对比使用的标准数据是最新的。
微生物样品提取具体为：使用刷毛长度为0.5mm的微生物刷从纺织品的表面进行Z字型刷取，确保覆盖面积为5cm×5cm，将刷子放入含有10ml的营养液中，并震荡5分钟以确保微生物的脱落，微生物培养箱的参数设定为37℃的温度，相对湿度为95％，并在暗环境中保持24小时，这一参数保证大部分常见微生物能够得到有效的繁殖。
自动形态分析算法具体如下：
形态特征向量的定义：
设图像I表示从微生物样品中提取的微生物形态，对于每一个微生物实体e在图像I中,定义其形态特征向量为：
F(e)＝[f1，f2，f3，…，fn]；
其中：
f1为微生物的面积,即实体中的像素数；
f2为微生物的周长；
f3为微生物的形状因子，定义为
...
fn为其他形态特征；
微生物形态特征提取：
对于图像I,利用图像分割技术确定每一个微生物实体e，使用特征定义提取每个微生物的形态特征向量；
微生物形态匹配：
设数据库中的标准微生物形态特征向量为Fd，定义微生物实体e与数据库中某一标准的匹配分数为：
其中，||2表示L2范数，分数S(e)越接近于1，表示微生物形态与数据库中的标准形态匹配得越好；
在我们的纺织品微生物检测系统中，采用光学显微镜对样品进行成像后，得到图像I，此图像中可能包含多种微生物。使用上述自动形态分析算法，首先从图像中分割出每一个微生物实体，然后提取其形态特征。这些特征与数据库中存储的标准微生物形态特征进行比较，从而计算出匹配分数。基于这个分数，可以预测纺织品样品中微生物的种类，为进一步的荧光标记和光谱分析提供参考信息。
微生物识别算法具体包括：
形态与光谱特征的融合：
设图像I中的微生物实体为e，其形态特征向量为F(e)和光谱特征向量为S(e)，融合后的特征向量定义为:V(e)＝[F(e)，S(e)]；
微生物种类的匹配分数计算：
对于数据库中的每一种微生物标准特征向量Vd，微生物实体e的匹配分数计算为:
其中，ω是权重系数(0≤ω≤1)，用于调整形态特征与光谱特征在匹配分数计算中的重要性，Fd和Sd分别表示数据库中微生物的形态和光谱标准特征向量；
微生物种类的决策：species(e)＝argmaxdM(e)；
其中，d遍历所有数据库中的微生物种类；
在本发明的纺织品微生物检测系统中，首先使用光学显微镜获取样品的图像I，基于此图像，我们提取每个微生物实体的形态特征，同时，通过光谱分析，我们还获取每个微生物实体的光谱特征，这两类特征被融合为一个统一的特征向量；
接下来，为了识别微生物的种类，将此特征向量与数据库中存储的各种微生物的标准特征向量进行比较，计算出匹配分数，匹配分数最高的微生物种类被认为是样品中微生物的种类；
这种结合形态和光谱特征的方法使得微生物识别更为准确，因为它综合了多种信息来源，从而增强了识别的可靠性。
检测模块，配置为接收来自微生物识别模块的微生物识别报告和来自数据处理模块的预处理后数据，检测模块具体包括：
基于接收到的微生物识别报告，提取与每种已识别微生物相关的数量或者浓度数据；
使用下述公式计算纺织品的抗菌指数AI:AI＝∑(ωi×(C0-Ci))；
其中，
C0为未经处理的纺织品样本中微生物的参考浓度；
Ci为微生物识别报告中第i种微生物的浓度；
ωi为第i种微生物的权重系数，表示该微生物在抗菌性能评估中的重要性；
求和操作∑遍历所有在微生物识别报告中被识别的微生物种类；
将计算得到的抗菌指数AI与预先设定的阈值T进行比较，若AI大于T则判断纺织品具有良好的抗菌性能，反之，则判断纺织品的抗菌性能不足。
评估模块根据接收到的检测结果中的抗菌指数AI对纺织品进行分类，并与预设的评价标准进行匹配：
AI>T1:分类为“优质”；
T2<AI≤T1:分类为“良好”；
AI≤T2:分类为“一般”；
其中，T1和T2为预设的抗菌指数阈值，满足T1>T2；
根据纺织品的分类，从预设的评价标准数据库中检索与该分类相匹配的质量评价描述，其中
“优质”对应的描述为“该纺织品具有出色的抗菌性能，适合高端使用场景”；
“良好”对应的描述为“该纺织品的抗菌性能达到行业标准，适合日常使用”；
“一般”对应的描述为“该纺织品的抗菌性能一般，建议进一步处理。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明旨在涵盖落入权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种纺织品抗菌检测与质量评估系统，其特征在于，包括数据采集模块、数据处理模块、微生物培养识别模块、检测模块、评估模块及输出模块；
其中，
所述数据采集模块负责获取纺织品的物理和化学属性数据，所述数据处理模块接收来自数据采集模块的数据并进行预处理；
微生物培养识别模块对纺织品中存在的微生物进行培养并识别其种类，生成微生物识别报告；
检测模块接收微生物识别报告和预处理后的数据，分析确定纺织品的抗菌性能；
评估模块接收检测结果，并结合预设的评价标准生成纺织品的质量评估报告；
输出模块负责将评估报告进行展示。
2.根据权利要求1所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述数据采集模块通过红外光谱仪检测纺织品的化学成分，分析纺织品在不同波长下的红外吸收情况，识别其含有的化学物质；数据采集模块通过微电子力平衡传感器检测纺织品的密度和材料刚度，通过测量纺织品在受到微小力时的形变情况，确定其密度和刚度；数据采集模块通过电容式湿度传感器测定纺织品的吸湿性，通过电容的变化来间接测定纺织品吸收的水分量；数据采集模块通过光谱分析仪，用于分析纺织品的色彩及其在各种光谱下的反射、透射和吸收特性，获取纺织品的颜色组成和其他光学属性。
3.根据权利要求2所述的一种纺织品抗菌检测与质量评估系统，其特征在于，数据采集模块还包括一个集成电路控制器，该集成电路控制器协调红外光谱仪、微电子力平衡传感器、电容式湿度传感器以及光谱分析仪的工作，将各传感器采集到的数据进行初步整合，并传输至数据处理模块。
4.根据权利要求3所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述数据处理模块进行预处理的方式包括：
初步筛选，将来自数据采集模块的数据中的异常值、冗余数据或噪音数据进行排除；
格式转换，将所有传感器传输的数据统一为相同的数据格式；
数据归一化，根据每个传感器的工作范围和敏感度，将不同范围的数据转化到统一的比例尺度，使得数据之间具有可比性；
时序对齐，确保在同一时刻采集的不同属性数据能够被关联起来；
数据平滑，采用滤波技术对数据进行平滑处理，消除短时间内的数据波动；
数据分段，根据需要，将连续采集的长时间数据分段，每段代表一个检测周期或检测对象。
5.根据权利要求4所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述微生物培养识别模块具体包括：
微生物样本提取：使用微生物刷从纺织品上刷取或吸取样本，将该样本放入无菌的营养液中；
培养箱孵育：将装有样本的营养液置入微生物培养箱中，为微生物提供生长环境，使其迅速繁殖；
光学显微观察：使用具有1000倍放大倍数的光学显微镜观察培养液，利用自动形态分析算法，对微生物的形态特征进行测量，并与数据库中的标准形态参数进行对比；
生物分子标记：选用与常见微生物种类特异性结合的荧光标记抗体，将荧光标记抗体与培养液混合，通过匹配算法，当荧光强度达到预设的阈值时，确定抗体与微生物成功结合；
光谱分析：使用光谱分析仪对上述荧光标记后的样本进行光谱扫描，获得300-800nm的荧光光谱数据，将实验数据与存储在数据库中的已知微生物种类光谱进行匹配，基于最高的相似度分数，确定微生物的种类；
微生物识别算法：微生物培养识别模块中集成识别算法，该算法对微生物的形态特征进行向量化编码，再利用欧氏距离或余弦相似度计算与数据库中存储的标准形态的相似度，结合光谱匹配得到的数据，采用加权融合策略，最终确定微生物的种类。
6.根据权利要求5所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述微生物样品提取具体为：使用刷毛长度为0.5mm的微生物刷从纺织品的表面进行Z字型刷取，确保覆盖面积为5cm×5cm，将刷子放入含有10ml的营养液中，并震荡5分钟以确保微生物的脱落，所述微生物培养箱的参数设定为37℃的温度，相对湿度为95％，并在暗环境中保持24小时。
7.根据权利要求6所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述自动形态分析算法具体如下：
形态特征向量的定义：
设图像I表示从微生物样品中提取的微生物形态，对于每一个微生物实体e在图像I中,定义其形态特征向量为：
F(e)＝[f1，f2，f3，…，fn]；
其中：
f1为微生物的面积,即实体中的像素数；
f2为微生物的周长；
f3为微生物的形状因子，定义为
...
fn为其他形态特征；
微生物形态特征提取：
对于图像I,利用图像分割技术确定每一个微生物实体e，使用特征定义提取每个微生物的形态特征向量；
微生物形态匹配：
设数据库中的标准微生物形态特征向量为Fd，定义微生物实体e与数据库中某一标准的匹配分数为：
其中，||2表示L2范数，分数S(e)越接近于1，表示微生物形态与数据库中的标准形态匹配得越好。
8.根据权利要求7所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述微生物识别算法具体包括：
形态与光谱特征的融合：
设图像I中的微生物实体为e，其形态特征向量为F(e)和光谱特征向量为S(e)，融合后的特征向量定义为:V(e)＝[F(e)，S(e)]；
微生物种类的匹配分数计算：
对于数据库中的每一种微生物标准特征向量Vd，微生物实体e的匹配分数计算为:
其中，ω是权重系数(0≤ω≤1)，用于调整形态特征与光谱特征在匹配分数计算中的重要性，Fd和Sd分别表示数据库中微生物的形态和光谱标准特征向量；
微生物种类的决策：species(e)＝argmaxdM(e)；
其中，d遍历所有数据库中的微生物种类。
9.根据权利要求8所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述检测模块具体包括：
基于接收到的微生物识别报告，提取与每种已识别微生物相关的数量或者浓度数据；
使用下述公式计算纺织品的抗菌指数AI:AI＝∑(ωi×(C0-Ci))；
其中，
C0为未经处理的纺织品样本中微生物的参考浓度；
Ci为微生物识别报告中第i种微生物的浓度；
ωi为第i种微生物的权重系数，表示该微生物在抗菌性能评估中的重要性；
求和操作∑遍历所有在微生物识别报告中被识别的微生物种类；
将计算得到的抗菌指数AI与预先设定的阈值T进行比较，若AI大于T则判断纺织品具有良好的抗菌性能，反之，则判断纺织品的抗菌性能不足。
10.根据权利要求9所述的一种纺织品抗菌检测与质量评估系统，其特征在于，所述评估模块根据接收到的检测结果中的抗菌指数AI对纺织品进行分类，并与预设的评价标准进行匹配：
AI>T1:分类为“优质”；
T2<AI≤T1:分类为“良好”；
AI≤T2:分类为“一般”；
其中，T1和T2为预设的抗菌指数阈值，满足T1>T2；
根据纺织品的分类，从预设的评价标准数据库中检索与该分类相匹配的质量评价描述。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297766.6A CN117368470A (zh) | 2023-10-09 | 2023-10-09 | 一种纺织品抗菌检测与质量评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297766.6A CN117368470A (zh) | 2023-10-09 | 2023-10-09 | 一种纺织品抗菌检测与质量评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117368470A true CN117368470A (zh) | 2024-01-09 |
Family
ID=89390364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311297766.6A Pending CN117368470A (zh) | 2023-10-09 | 2023-10-09 | 一种纺织品抗菌检测与质量评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117368470A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118501416A (zh) * | 2024-07-18 | 2024-08-16 | 竑昌兴业(张家港)织染有限公司 | 一种纺织面料生产性能的批量化检测系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1726286A (zh) * | 2002-12-17 | 2006-01-25 | 汉高两合股份公司 | 鉴定微生物的方法和设备 |
| US20100142772A1 (en) * | 2008-12-08 | 2010-06-10 | Shenzhen Microprofit Medical Equipment Co.,Ltd. | Method and Device for Intelligent Recognition of Microorganisms |
| CN102203588A (zh) * | 2008-10-31 | 2011-09-28 | 生物梅里埃公司 | 利用光谱分离，表征和/或标识微生物的方法 |
| JP2013024587A (ja) * | 2011-07-15 | 2013-02-04 | Clear Office Kk | 抗菌加工品の抗菌性能の評価方法 |
| CN103865786A (zh) * | 2014-03-27 | 2014-06-18 | 程涛 | 细菌检测方法及系统 |
| CN107632018A (zh) * | 2017-08-22 | 2018-01-26 | 甘肃农业大学 | 一种食品微生物快速检测系统及方法 |
| CN110618130A (zh) * | 2019-08-09 | 2019-12-27 | 苏州百源基因技术有限公司 | 一种细菌形态辨别系统 |
| CN113106140A (zh) * | 2021-04-15 | 2021-07-13 | 南通市第一人民医院 | 一种监测消毒地毯微生物含量的系统及方法 |
| US20220074935A1 (en) * | 2020-09-10 | 2022-03-10 | The Procter & Gamble Company | Systems and methods of determining hygiene condition of an interior space |
| CN114414505A (zh) * | 2022-01-22 | 2022-04-29 | 山东润一智能科技有限公司 | 量子光谱微生物智能监测终端 |
| CN114742260A (zh) * | 2022-02-28 | 2022-07-12 | 中铁西北科学研究院有限公司 | 一种大体积混凝土温度监控数据预测方法、系统和介质 |
| CN116183467A (zh) * | 2023-05-04 | 2023-05-30 | 苏州太湖雪丝绸股份有限公司 | 一种纺织品综合检测评级系统及其评级方法 |
| CN116355740A (zh) * | 2023-03-29 | 2023-06-30 | 河南驼人康君抗菌科技有限公司 | 一种动态评价织物抗菌性的测试装置、评价方法及应用 |
| CN116843955A (zh) * | 2023-06-09 | 2023-10-03 | 四川大学 | 一种基于计算机视觉的微生物分类识别方法和系统 |
-
2023
- 2023-10-09 CN CN202311297766.6A patent/CN117368470A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1726286A (zh) * | 2002-12-17 | 2006-01-25 | 汉高两合股份公司 | 鉴定微生物的方法和设备 |
| CN102203588A (zh) * | 2008-10-31 | 2011-09-28 | 生物梅里埃公司 | 利用光谱分离，表征和/或标识微生物的方法 |
| US20100142772A1 (en) * | 2008-12-08 | 2010-06-10 | Shenzhen Microprofit Medical Equipment Co.,Ltd. | Method and Device for Intelligent Recognition of Microorganisms |
| JP2013024587A (ja) * | 2011-07-15 | 2013-02-04 | Clear Office Kk | 抗菌加工品の抗菌性能の評価方法 |
| CN103865786A (zh) * | 2014-03-27 | 2014-06-18 | 程涛 | 细菌检测方法及系统 |
| CN107632018A (zh) * | 2017-08-22 | 2018-01-26 | 甘肃农业大学 | 一种食品微生物快速检测系统及方法 |
| CN110618130A (zh) * | 2019-08-09 | 2019-12-27 | 苏州百源基因技术有限公司 | 一种细菌形态辨别系统 |
| US20220074935A1 (en) * | 2020-09-10 | 2022-03-10 | The Procter & Gamble Company | Systems and methods of determining hygiene condition of an interior space |
| CN116391166A (zh) * | 2020-09-10 | 2023-07-04 | 宝洁公司 | 确定内部空间的卫生条件的系统和方法 |
| CN113106140A (zh) * | 2021-04-15 | 2021-07-13 | 南通市第一人民医院 | 一种监测消毒地毯微生物含量的系统及方法 |
| CN114414505A (zh) * | 2022-01-22 | 2022-04-29 | 山东润一智能科技有限公司 | 量子光谱微生物智能监测终端 |
| CN114742260A (zh) * | 2022-02-28 | 2022-07-12 | 中铁西北科学研究院有限公司 | 一种大体积混凝土温度监控数据预测方法、系统和介质 |
| CN116355740A (zh) * | 2023-03-29 | 2023-06-30 | 河南驼人康君抗菌科技有限公司 | 一种动态评价织物抗菌性的测试装置、评价方法及应用 |
| CN116183467A (zh) * | 2023-05-04 | 2023-05-30 | 苏州太湖雪丝绸股份有限公司 | 一种纺织品综合检测评级系统及其评级方法 |
| CN116843955A (zh) * | 2023-06-09 | 2023-10-03 | 四川大学 | 一种基于计算机视觉的微生物分类识别方法和系统 |
Non-Patent Citations (15)
| Title |
|---|
| （德）约尔格·肖夫勒等: "《汽车软件工程 原书》", vol. 6, 31 January 2023, 机械工业出版社, pages: 46 - 47 * |
| 丁筠: "基于生物技术与计算机视觉的食品微生物快速检测研究", 中国博士学位论文全文数据库 信息科技辑, no. 8, 15 August 2010 (2010-08-15), pages 4 * |
| 于子翊: "储粮微生物的显微图像特征提取和识别技术分析", 中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑, no. 12, 15 December 2006 (2006-12-15) * |
| 冉仕举: "《张量网络》", 30 September 2022, 首都师范大学出版社, pages: 192 * |
| 刘桂芝: "抗菌纺织品的发展现状", 中国纤检, no. 5, 31 May 2023 (2023-05-31), pages 102 - 104 * |
| 叶泽田等: "《地表空间数字模拟理论方法及应用》", 30 April 2010, 测绘出版社, pages: 137 - 143 * |
| 吕云翔等: "《机器学习原理及应用》", 31 August 2021, 机械工业出版社, pages: 93 * |
| 周玉萍: "纤维纺织产品的抗菌性能研究", 轻纺工业与技术, vol. 52, no. 03, 30 June 2023 (2023-06-30), pages 1 - 1 * |
| 张文学等: "《大数据挖掘技术及其在医药领域的应用》", 30 September 2020, 燕山大学出版社, pages: 131 * |
| 李汝勤等: "《纤维和纺织品测试技术》", 31 March 2015, 东华大学出版社, pages: 280 - 287 * |
| 江林峰等: "我国抗菌纺织品抗菌性能评价标准体系现状", 针织工业, no. 01, 28 January 2020 (2020-01-28), pages 71 - 76 * |
| 胡凌云等: "吸收法测定纺织品抗菌性能的不确定度评定", 微生物前沿, vol. 10, no. 4, 31 December 2021 (2021-12-31), pages 202 - 210 * |
| 贺新怀等: "《微生物学与免疫学》", 30 November 2021, 西安交通大学出版社, pages: 33 - 34 * |
| 金永安等: "纺织品抗菌性能检测方法及其评估", 北京纺织, no. 01, 20 February 2005 (2005-02-20), pages 49 - 51 * |
| 陈健: "抗菌纺织品种类及其抗菌性能评估方法", 第八届届中国抗菌产业发展大会论文集, 26 October 2012 (2012-10-26), pages 119 - 122 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118501416A (zh) * | 2024-07-18 | 2024-08-16 | 竑昌兴业(张家港)织染有限公司 | 一种纺织面料生产性能的批量化检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ali et al. | Non-destructive techniques of detecting plant diseases: A review | |
| CN110717368A (zh) | 一种纺织品定性分类方法 | |
| EP2927311A1 (en) | Cell observation device, cell observation method and program thereof | |
| Shi et al. | Noise-free microbial colony counting method based on hyperspectral features of agar plates | |
| CN117368470A (zh) | 一种纺织品抗菌检测与质量评估系统 | |
| Padilla et al. | Portable yellow spot disease identifier on sugarcane leaf via image processing using support vector machine | |
| CN105954281B (zh) | 一种稻谷霉变真菌菌落无损识别的方法 | |
| US20080102487A1 (en) | Method and apparatus for non-invasive rapid fungal specie (mold) identification having hyperspectral imagery | |
| CN109415753B (zh) | 鉴定细菌革兰氏类型的方法和系统 | |
| Ramos et al. | Non‐invasive setup for grape maturation classification using deep learning | |
| CN114026408A (zh) | 识别微生物的方法 | |
| CN111160451A (zh) | 一种柔性材料检测方法及其储存介质 | |
| CN117541763B (zh) | 一种基于图像识别的茶叶发酵度测定方法及系统 | |
| CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
| Yang et al. | A rapid rice blast detection and identification method based on crop disease spores' diffraction fingerprint texture | |
| CN112098361A (zh) | 一种基于近红外光谱的玉米种子鉴别方法 | |
| PP et al. | Automated quality assessment of cocoons using a smart camera based system | |
| Du et al. | Application of near-infrared spectroscopy and CNN-TCN for the identification of foreign fibers in cotton layers | |
| Benlachmi et al. | Fruits Disease Classification using Machine Learning Techniques | |
| Sun et al. | Mildew detection in rice grains based on computer vision and the YOLO convolutional neural network | |
| CN115406852A (zh) | 基于多标签卷积神经网络的织物纤维成分定性方法 | |
| CN112801172A (zh) | 一种模糊模式识别的白菜农药残留定性分析方法 | |
| CN115082797B (zh) | 一种大田环境下早期小麦赤霉病监测预警方法及系统 | |
| CN113011296B (zh) | 快速鉴别小麦品种纯度的方法和系统 | |
| CN113092407B (zh) | 基于近红外光谱的五常稻花香水稻原产地品种识别方法 |
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 |