CN210465246U - 小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置 - Google Patents
小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置 Download PDFInfo
- Publication number
- CN210465246U CN210465246U CN201920800336.4U CN201920800336U CN210465246U CN 210465246 U CN210465246 U CN 210465246U CN 201920800336 U CN201920800336 U CN 201920800336U CN 210465246 U CN210465246 U CN 210465246U
- Authority
- CN
- China
- Prior art keywords
- wheat
- board
- light source
- camera
- experimental
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本实用新型公开了一种小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置,采集装置的光谱采集单元中:光谱仪设置在立柱的上方,光谱仪的下方连接摄像头;光源通过光纤连接灯管;控制台设置在箱体本体的内部底端;白板和实验板均设置在控制台上;实验板上铺有黑色遮光布用来摆放被检测的麦粒样本,摄像头正对白板。本实用新型设计了一套光谱采集装置,用于实现小麦样本的无损检测。采集装置基于设计摄像头与白板的位置关系,便于采集光谱数据。控制台下方设计传送带结构,通过上位机软件可以控制样品的移动。实验板铺有黑布,辅以白板系统可直接完成黑白校正。
Description
技术领域
本实用新型涉及农产品无损检测技术领域,具体是一种基于高光谱技术的小麦感染赤霉病等级及病粒率高光谱无损检测装置。
背景技术
小麦在中国是仅次于水稻的第二大粮食作物,2017年小麦播种总面积达到24万平方千米左右,总产量高达1.3亿吨左右,小麦作为世界上最重要的谷物资源之一,具有极高的营养价值,几乎全部作食用。因此,小麦及其制品的质量安全问题直接关系到中国大半人口的食品安全。随着农业结构的调整和国民生活质量的普遍提高,小麦食品质量安全问题也越来越得到全社会的广泛关注。
赤霉病是小麦的最主要病害之一,多发生于潮湿的长江中下游地区,近年来,受到种植制度和气候等因素的影响,该病呈现出逐年上升的趋势,且危害日趋加重,轻者导致减产,重者甚至绝收。脱氧雪腐镰刀菌烯醇(DON,俗称呕吐毒素,为小麦感染赤霉病后生理分化后的代谢物)是引发小麦赤霉病的主要真菌毒素,DON毒素不仅仅对小麦细胞组织有毒害,更为严重的是感染的小麦作为食品、饲料时对人和牲畜的健康也将造成危害。但由于DON 毒素性质很稳定,耐压、耐热、耐弱酸、耐储藏,一般的食品加工并不能破坏其结构。因此,小麦赤霉病的识别和预防,对人畜健康、小麦产量都有着极其重大的影响。
传统的小麦赤霉病检测方法多以感官检验为主,一般是一看、二捏、三解剖的方法。但由于现代农业对数据多样和信息快速的需求,传统的检测方法已经无法满足现代化农业的发展。2008年5月1日起,新的《小麦》国家标准(GB1351-2008)开始实行,相关国家粮食卫生标准为DON≤1000μg/kg,为了避免DON毒素对人畜造成潜在的健康危害,小麦赤霉病的检测就成为各级粮食检测单位的当务之急。然而,现在常用于小麦赤霉病毒的化学检测方法,如气相色谱法(GC)、高效液相色谱法(HPLC)、酶联免疫法(ELISA)等,虽然可以对小麦中的DON毒素进行精确、定量的分析,却有着破坏样本、消耗大量时间、程序复杂、检测成本高、严重污染环境等不可避免的缺点。为了小麦产业的健康发展、提高中国农产品在国际上的竞争力,需要开发一种快速、无损的小麦品质检测方法。
高光谱图像包含了丰富的图像信息及光谱信息,通过高光谱技术可以实现光谱分析和图像处理,因此在农业食品检测等领域得到了广泛应用。受DON毒素侵染的小麦,其表面有明显的褶皱,发灰,发白,会出现粉红头,黑头等症状,内部蛋白质也会发生变化,这种变化能够反映在光谱特征上。因此,使用高光谱技术检光谱测小麦中的DON含量是可行的。将样品的高光谱数据和DON浓度等级信息进行关联,通过化学计量学算法,建立数学模型,可以实现对小麦中DON含量等级的预测。利用光谱中的图像信息结合图像处理及模式识别方法建立麦粒感染赤霉病的检测模型。
如何对小麦进行感染赤霉病等级及病粒率无损检测是急需解决的问题。
实用新型内容
技术方案:
本实用新型针对背景技术中存在的问题,提出了一种小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置。
小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置,它包括箱体单元和光谱采集单元,其中:
-箱体单元包括:箱体本体、立柱,立柱竖直设置在箱体本体的中间;
-光谱采集单元包括:光源、光谱仪、光纤、摄像头、白板、灯管、控制台和实验板,光源设置在立柱的左侧上方,左侧方为扫描始端;光谱仪设置在立柱的上方,光谱仪的下方连接摄像头;光源通过光纤连接灯管,灯管固定在箱体本体内部,优选的固定在箱体本体的辅助横梁上,灯管的角度可调节;控制台设置在箱体本体的内部底端;白板和实验板均设置在控制台上,白板呈长条状,实验板为矩形,白板设置在实验板的右侧;实验板上铺有黑色遮光布用来摆放被检测的麦粒样本,摄像头正对白板,系统自动采集黒帧和白帧,完成黑白校正,节约了检测时间。
优选的,控制台的下方设置传送带,控制台基于传送带行程为30cm。
优选的,实验板的厚度与白板的厚度相同,实验板的宽度与白板的长度一致。
优选的,箱体单元还包括开合门,对光谱采集单元起到保护作用;在开合门上设置门把手。
优选的,所述门把手为磁扣把手,便于操作者使用,并且箱体增强了装置的牢固性。
优选的,箱体单元还包括光源室,光源放置在光源室中。
优选的,箱体单元还包括散热风扇,设置在箱体本体的上部右侧,用于减少环境温度对系统工作性能的影响。
优选的,所述光源为21V、150W的卤素灯光源。
优选的,所述灯管为两个,在摄像头的两侧对称布置。
本实用新型的有益效果
本实用新型设计了一套无损检测装置,用于实现小麦样本的无损检测。采集装置基于设计摄像头与白板的位置关系,便于采集光谱数据。控制台下方设计传送带结构,通过上位机软件可以控制样品的移动。实验板铺有黑布,辅以白板,系统自动采集黑帧和白帧、进行黑白校正。在上位机软件的控制下,样本在控制台上移动,摄像头扫描出样本图像,获得光谱数据。通过设置散热风扇,便于散热,减少环境温度对系统工作性能的影响。基于箱体单元的结构设置增强了装置整体的牢固性,其中开合门和把手的设置方便用户使用,开合门闭合时对信息采集单元起到保护作用。
附图说明
图1为本实用新型的结构示意图。
图2为实施例中高光谱小麦感染赤霉病等级及病粒率检测系统检测过程流程图。
图3为实施例中病粒率检测流程算法图。
图4为系统上位机软件框架图。
具体实施方式
下面结合实施例对本实用新型作进一步说明,但本实用新型的保护范围不限于此:
结合图1,小麦感染赤霉病等级及病粒率高光谱无损检测装置,它包括箱体单元和光谱采集单元,其中:
-箱体单元包括:箱体本体9、立柱12,立柱12竖直设置在箱体本体9的中间;
-光谱采集单元包括:光源1、光谱仪2、光纤3、摄像头4、白板5、灯管6、控制台7 和实验板10,光源1(21V、150W的卤素灯光源)设置在立柱12的左侧上方,左侧方为扫描始端;光谱仪2设置在立柱12的上方,光谱仪2的下方连接摄像头4;光源1通过光纤3 连接灯管6,灯管6固定在箱体本体9内部,灯管6为两个,在摄像头4的两侧对称布置,优选的固定在箱体本体9的辅助横梁上,灯管6的角度可调节;控制台7设置在箱体本体9 的内部底端;白板5和实验板10均设置在控制台7上,白板5呈长条状,实验板10为矩形,白板5设置在实验板10的右侧,实验板10的厚度与白板5的厚度相同,实验板10的宽度与白板5的长度一致;控制台7的下方设置传送带13,控制台7基于传送带13行程为 30cm;实验板10上铺有黑色遮光布用来摆放被检测的麦粒样本,摄像头4正对白板5,系统自动采集黒帧和白帧,完成黑白校正,节约了检测时间。
实施例中,控制台7自左向右移动实现待测小麦的光谱扫描,若将实施例的结构镜像设置,以进行自右向左的光谱扫描,亦在本专利的保护范围之内。
优选的实施例中,箱体单元还包括开合门,对光谱采集单元起到保护作用;在开合门上设置门把手。
更优的实施例中,所述门把手为磁扣把手,便于操作者使用,并且箱体增强了装置的牢固性。
优选的实施例中,箱体单元还包括光源室11,光源1放置在光源室11中。
优选的实施例中,箱体单元还包括散热风扇8,设置在箱体本体9的上部右侧,用于减少环境温度对系统工作性能的影响。
结合图2以一次具体检测流程对本申请的装置进行解释说明。
样品准备:
样本选择:实验中用来采集高光谱图像的小麦均来自江苏省农业科学院食品检测研究所,实验小麦是于2018年收获的四种夏小麦,品种分别为烟农19、济麦22、扬麦23、镇麦168。每个品种的小麦来自不同产地,每个产地对应一个编号,来自每个产地的小麦保存在贴有相应编号的自封袋中。
样本前处理:将获取的小麦样本除杂后,用PM8188A谷物水分测定仪检测每个自封袋中的小麦含水量,通过晾晒等方法将样品含水量控制在12%-13%之间,减小样品含水量对采集的高光谱的影响,进一步保证建模数据的可靠性。将铺有黑色遮光布的实验板(实验板的厚度要使放置小麦的中心高度与白板高度相同)紧挨白板放置在控制台上,取约25g小麦均匀散铺在尺寸为长280mm,宽130mm,高2.5mm,共728格的模具中,整齐摆放在实验板上,使样品的最右端到白板的左端不超过1cm的距离,小心取下模具,注意不要弄乱平铺好的小麦。
光谱采集:
采集样品光谱数据之前先自动采集黑帧和白帧。打开光源预热15分钟后开始采集白帧,再自动关闭摄像头采集黑帧,并将黑帧和白帧数据存储在计算机中以供高光谱图像黑白校正。
采集样品高光谱数据时要保证摄像头距白板表面的距离与摄像头距小麦中心高度的距离相等,均为330mm。采集样品高光谱数据之前关闭箱体,然后打开软件SpectralImage- VNTR,进入用户登录界面,输入用户名和密码,选择小麦品种、高光谱数据存储位置,点击采集界面中的采集按钮scan进行样品高光谱数据的采集。
高光谱成像波段400-1021nm。为了得到清晰的图像信息,多次调节实验系统参数,最终选择:光谱分辨率2.8nm,图像分辨率6.15mm x 14.2mm,传送带移动速度3.5mm/s,曝光时间11s,样品与镜头的距离330mm。
标准DON含量试验:
将每个试验后的样品交由江苏省农科院,采用SN/T3137-2012标准中规定的高效液相色谱法定量检测样品中的DON含量,并以1000ppb为界限将小麦样品分为两个等级:低于 1000ppb为一级,高于1000ppb为二级,建立小麦DON毒素等级数据库。
数据处理:
为了减少光照分布不均引起的噪声及误差、简化操作步骤,对每幅高光谱图像进行自动校正,公式为:R=(Is-Id)/(Iw-Id)
式中Is———样本光谱图像
Id———反射率为0的标定图像
Iw———反射率为1的标定图像
R———校正后的光谱图像
建立感染赤霉病等级模型时使用标准正态变量变换(SNV)进行数据预处理。在预处理后的400nm-1000nm的波段结果中使用竞争性自适应重加权算法(CARS)进 421nm,497nm,719nm,836nm,860nm,867nm,940nm,943nm,973nm等9个特征波段的提取。后使用网格搜索法确定支持向量机算法(SVM)建模时的所需数据c和g参数及使用十折交叉验证法观察平均正确率,在最佳正确率时选择当时的c(114.4305)和g(0.43528)以及训练数据一起导入支持向量机算法SVM)建立模型。预处理、特征波段提取、建模三部分,每部分均尝试多种方法,选择最优建模方法,针对不同品种的小麦选择最优的参数,建立不同的模型,并将建成的赤霉病毒素检测模型导入计算机,供检测时直接调用。
建立病粒率检测模型时,病粒率检测流程算法如图3。对提取R,G,B三个波段的RGB麦粒图片进行灰度化,灰度图像二值化,并且删除面积少于700像素的物体,后计算连通数,记为麦粒总个数。RGB、HSV共6个通道下找到大于100各像素点的粉色区域的像素,即在R通道的灰度值大于170的同时,在G通道大于100小于180,在B通道大于 100小于200,并且同时要在H通道的灰度值大于210,S通道大于85。或在H通道的灰度值大于225,并且S通道的灰度值大于65小于110,同时V通道灰度值大于120。找到满足以上阈值的麦粒连通域,记为发病麦粒,标为红色。后对图片中剩下的麦粒的连通域进行 RGB、HSV共6个通道下的标准差和均值的计算,把每个麦粒连通域采集的12个特征值导入SVM训练后的模型中,进行测试,把得出的麦粒分类,即发病麦粒标为红色,未发病麦粒标为绿色,求出发病麦粒与整个麦粒之比为记为病粒率。
实施例中涉及的硬件产品型号及说明如下表所示:
实施例中由上位机软件通过USB接口发送采集命令从而控制移动台及摄像头进行光谱数据的采集。采集数据时的采集环境通过上位机设定。在上位机中设置光强为COM4接口的165,物距为0.33,摄像头焦距为17mm,从而确定样品移动速度。在上位机中设定曝光时间,黑白校正数据采集时的曝光时间为4,采集时的DN值要保持在3200左右,并且采集样品的曝光时间设为11。同时将采集的光谱数据通过连接在摄像头的千兆网线实时传送给上位机,上位机对全部采集完成后数据进行整合,做成raw形式的图片文件,并且进行黑白校正及去背景黑板反射率的mask操作,后对采集的光谱数据进行预处理后进行RGB波段的图片提取与特征波段的反射率提取。后对提取的数据进行与建模数据相同的灰度化,二值化,连通域寻找,粉红麦粒去除等一系列操作,最后通过模型数据测试得出病粒率结果,并将结果及标示麦粒图显示在人机交互界面上,便于操作者使用。
结合图4,小麦感染赤霉病等级及病粒率无损检测系统上位机软件主要完成两部分功能:样品高光谱数据的采集和保存、分级和病粒率计算。
样品高光谱数据的采集和保存,这部分功能主要在上位机的采集界面中完成。进入采集界面,系统自动读取仪器连接状态,若检测到光谱仪的连接,即可选择小麦品种和高光谱数据保存位置,系统提前设置传送带移动速度3.5mm/s,当接收到光谱采集命令时,光谱采集系统按照预设的参数进行数据采集。样本进行高光谱数据采集时,系统会自动将高光谱图像显示在实时采集图片显示框,以便用户实时了解当前采集到的高光谱图像的情况,决定要不要对该帧数据进行保存。进行数据保存时,用户通过文件路径选择,可将数据保存到指定的文件夹。
样品感染赤霉病预测分级和病粒率计算,这部分功能主要在上位机的结果显示界面中完成。高光谱数据采集完成后,计算机会自动选择一组用于分析已选小麦品种高光谱数据的算法组合,读取相应的模型文件用于分析。实时将扫描得到的高光谱数据根据模型中的参数进行计算,得出小麦感染赤霉病等级和病粒率的结果并显示在结果显示界面。另外,用户通过文件路径选择,可将预测结果保存到指定的文件夹。数据默认保存为文本文件。
基于本实用新型的装置实现了小麦样本的无损检测。基于本实用新型装置的检测流程 (方法)获得了如下效果:
(1)在检测小麦样本的赤霉病毒素等级时,对预处理后的光谱数据进行了特征波段的提取,解决了光谱数据量大、冗余度高的问题,提高了检测效率,因此,可快速实现光谱数据的快速采集与等级识别,有利于大规模的检测,相较于化学检测方法,不破坏样本,且不需要使用化学试剂,不会对环境造成污染。
(2)在实现小麦样本的病粒率计算时,可以呈现出样本麦粒数、患病麦粒数及二者的百分比,相较于人工计算病粒率,省时省力,在一定程度上小麦患赤霉病的等级进行了进一步的验证,更具说服力。
(3)可针对不同的小麦品种,选择出与该品种相对应的最优检测模型,给相关的小麦质检部门提供了一种快速、无损的检测方法。
(4)由于上位机软件Spectral Image-VNTR支持实验结果的存储与查询,利用该检测系统,用户可随时查阅已检测样本的各项数据。此外,该软件界面友好,便于用户操作,对小麦样本进行测试时可直接通过计算机软件控制,即使没有相关专业背景的用户也可以操作使用,用户在9分钟30秒内即可完成从采集高光谱数据到显示赤霉病等级与病粒率计算结果的整个过程,满足检测的速度要求。
本文中所描述的具体实施例仅仅是对本实用新型精神做举例说明。本实用新型所属技术领域的技术人员可以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,但并不会偏离本实用新型的精神或者超越所附权利要求书所定义的范围。
Claims (9)
1.小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置,其特征在于它包括箱体单元和光谱采集单元,其中:
-箱体单元包括:箱体本体(9)、立柱(12),立柱(12)竖直设置在箱体本体(9)的中间;
-光谱采集单元包括:光源(1)、光谱仪(2)、光纤(3)、摄像头(4)、白板(5)、灯管(6)、控制台(7)和实验板(10),光源(1)设置在立柱(12)的左侧上方,左侧方为扫描始端;光谱仪(2)设置在立柱(12)的上方,光谱仪(2)的下方连接摄像头(4);光源(1)通过光纤(3)连接灯管(6),灯管(6)固定在箱体本体(9)内部;控制台(7)设置在箱体本体(9)的内部底端;白板(5)和实验板(10)均设置在控制台(7)上,白板(5)呈长条状,实验板(10)为矩形,白板(5)设置在实验板(10)的右侧;实验板(10)上铺有黑色遮光布用来摆放被检测的麦粒样本,摄像头(4)正对白板(5)。
2.根据权利要求1所述的装置,其特征在于控制台(7)的下方设置传送带(13),控制台(7)基于传送带(13)行程为30cm。
3.根据权利要求1所述的装置,其特征在于实验板(10)的厚度与白板(5)的厚度相同,实验板(10)的宽度与白板(5)的长度一致。
4.根据权利要求1所述的装置,其特征在于箱体单元还包括开合门;在开合门上设置门把手。
5.根据权利要求4所述的装置,其特征在于所述门把手为磁扣把手。
6.根据权利要求1所述的装置,其特征在于箱体单元还包括光源室(11),光源(1)放置在光源室(11)中。
7.根据权利要求1所述的装置,其特征在于箱体单元还包括散热风扇(8),设置在箱体本体(9)的上部右侧,用于减少环境温度对系统工作性能的影响。
8.根据权利要求1所述的装置,其特征在于所述光源(1)为21V、150W的卤素灯光源。
9.根据权利要求1所述的装置,其特征在于所述灯管(6)为两个,在摄像头(4)的两侧对称布置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920800336.4U CN210465246U (zh) | 2019-05-30 | 2019-05-30 | 小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920800336.4U CN210465246U (zh) | 2019-05-30 | 2019-05-30 | 小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210465246U true CN210465246U (zh) | 2020-05-05 |
Family
ID=70439051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201920800336.4U Active CN210465246U (zh) | 2019-05-30 | 2019-05-30 | 小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210465246U (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112161937A (zh) * | 2020-11-04 | 2021-01-01 | 安徽大学 | 基于级联森林和卷积神经网络的小麦粉筋度检测方法 |
CN112924333A (zh) * | 2021-01-27 | 2021-06-08 | 云南电网有限责任公司电力科学研究院 | 一种复合绝缘子憎水性检测及高光谱图像拍摄多用装置 |
GB2596887A (en) * | 2020-07-06 | 2022-01-12 | Aerospace Information Research Institute Chinese Academy Of Sciences | Method and device for dynamic early-warning of wheat scab |
WO2023200006A1 (ja) * | 2022-04-15 | 2023-10-19 | 国立研究開発法人農業・食品産業技術総合研究機構 | 判定装置、判定方法及び制御プログラム |
-
2019
- 2019-05-30 CN CN201920800336.4U patent/CN210465246U/zh active Active
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2596887A (en) * | 2020-07-06 | 2022-01-12 | Aerospace Information Research Institute Chinese Academy Of Sciences | Method and device for dynamic early-warning of wheat scab |
GB2596887B (en) * | 2020-07-06 | 2022-09-28 | Aerospace Information Research Institute Chinese Academy Of Sciences | Method and device for dynamic early-warning of wheat scab |
CN112161937A (zh) * | 2020-11-04 | 2021-01-01 | 安徽大学 | 基于级联森林和卷积神经网络的小麦粉筋度检测方法 |
CN112924333A (zh) * | 2021-01-27 | 2021-06-08 | 云南电网有限责任公司电力科学研究院 | 一种复合绝缘子憎水性检测及高光谱图像拍摄多用装置 |
WO2023200006A1 (ja) * | 2022-04-15 | 2023-10-19 | 国立研究開発法人農業・食品産業技術総合研究機構 | 判定装置、判定方法及び制御プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN210465246U (zh) | 小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置 | |
CN103063585B (zh) | 瓜果成熟度快速无损检测装置及检测系统建立方法 | |
Perez-Sanz et al. | Plant phenomics: An overview of image acquisition technologies and image data analysis algorithms | |
Bock et al. | Plant disease severity estimated visually, by digital photography and image analysis, and by hyperspectral imaging | |
CN102072883B (zh) | 农作物种子综合品质检测装置及方法 | |
Fornal et al. | Detection of granary weevil Sitophilus granarius (L.) eggs and internal stages in wheat grain using soft X-ray and image analysis | |
CN104155312B (zh) | 基于近红外计算机视觉的粮粒内部害虫检测方法和装置 | |
Wang et al. | Outdoor color rating of sweet cherries using computer vision | |
CN110553999A (zh) | 基于高光谱和叶绿素荧光成像融合的柑橘黄龙病检测方法 | |
CN105021617A (zh) | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 | |
CN110243805B (zh) | 基于拉曼高光谱成像技术的鱼刺检测方法 | |
CN110363125A (zh) | 采用模型传递识别不同品种柑橘黄龙病的方法 | |
CN105067532A (zh) | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 | |
CN109470639A (zh) | 基于可见光和近红外高光谱成像的桑螟幼虫及其对桑叶损害的快速识别方法 | |
CN103528967A (zh) | 基于高光谱图像的过熟蓝靛果果实识别方法 | |
McRoberts et al. | Application of local binary patterns in digital images to estimate botanical composition in mixed alfalfa–grass fields | |
CN107576600B (zh) | 一种抹茶粒度等级的快速检测方法 | |
Gao et al. | In-field chlorophyll estimation based on hyperspectral images segmentation and pixel-wise spectra clustering of wheat canopy | |
CN113008380B (zh) | 一种智慧ai体温预警方法、系统及存储介质 | |
Tu et al. | AIseed: An automated image analysis software for high-throughput phenotyping and quality non-destructive testing of individual plant seeds | |
CN114136920A (zh) | 一种基于高光谱的单粒杂交水稻种子种类鉴定方法 | |
JP3178017B2 (ja) | メロンの外観評価装置 | |
CN106568730A (zh) | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 | |
CN111325241A (zh) | 果蔬分类方法、装置、智能传感器及计算机存储介质 | |
CN111398138A (zh) | 一种干式血液细胞分析装置的光学检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |