CN101074925A - 可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 - Google Patents
可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 Download PDFInfo
- Publication number
- CN101074925A CN101074925A CN 200710069096 CN200710069096A CN101074925A CN 101074925 A CN101074925 A CN 101074925A CN 200710069096 CN200710069096 CN 200710069096 CN 200710069096 A CN200710069096 A CN 200710069096A CN 101074925 A CN101074925 A CN 101074925A
- Authority
- CN
- China
- Prior art keywords
- disease
- spectral
- information
- blade
- visible
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000003595 spectral effect Effects 0.000 title claims description 28
- 241001465180 Botrytis Species 0.000 title description 3
- 201000010099 disease Diseases 0.000 claims abstract description 69
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 69
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 17
- 208000015181 infectious disease Diseases 0.000 claims description 22
- 239000000523 sample Substances 0.000 claims description 12
- 238000002405 diagnostic procedure Methods 0.000 claims description 5
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 abstract description 10
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 30
- 238000010183 spectrum analysis Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 150000007523 nucleic acids Chemical group 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法。光线照到叶片上,被数个光敏传感器接收,每个光敏传感器采集一个特征波段上的植物的叶片光谱透射率信息,通过数据线经过信号调理电路去除噪音,A/D转换器输入单片机;病害光谱分析程序将得到的光谱透射率信息作为输入部分,输入病害光谱模型,通过模型的计算,输出病害感染程度;LCD显示器输出显示仪器对病害程度结果。本发明可以应用于植物多种病害的诊断,检测无须使用化学试剂,成本低,分析速度快,检测无损,不破坏植物;本发明基于特征波段进行检测,易于携带,程序简单,可以减少药物用量,降低生产成本并减少污染。
Description
技术领域
本发明涉及一种植物叶片灰霉病害诊断***,尤其涉及一种可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法。
背景技术
灰霉病是当前果蔬生产上的一种毁灭性病害,该病会危及花、果、叶等并造成烂瓜、烂果,对设施保护地的果蔬生产构成极大威胁。同时会引起农药等药物的大量投入以及防治费用的上升,从而增加了农林生产成本并会造成严重的环境污染。现有的病害检测方法在实际农林业生产中都存在取样、测定、数据分析等方面需要耗费大量的人力、物力的缺点,且实时性差,无法满足具体生产实践的需要。肉眼观测容易产生疲劳,收到情绪等主观因素的影响;生物测定技术、核酸序列分析技术、分子标记技术,PCR技术等,虽然较为准确,但不能实时操作,且需要专业人员操作,耗时,成本较高;通过以往的病害发生数据进行的统计预测在精度方面不够高,缺少实效性,并且只适用于在一个很大的地域范围内进行粗略估计,很难对小区或单株进行。
可见/近红外光谱技术是指利用可见/近红外谱区(波长约为325nm-2500nm)包含的物质信息,主要用于有机质定性和定量分析的一种分析技术。可见/近红外光谱易于获取,信息量丰富。可见光波段的光谱信息能够反映植物表面的颜色信息,而近红外光谱则反映植物内部的特征信息。植物的光谱特性是植物在生长过程中与环境因子(包括生物因子和非生物因子)相互作用的综合光谱信息。当植物遭受病虫害侵染后,其外部形态和生理效应发生变化,如卷叶、落叶、枯萎等,导致冠层形状变化;叶绿素组织遭受破坏,光合作用减弱,养分水分吸收、运输、转化等机能衰退。受害植物的光谱特性与健康植物的光谱特性相比会发生不同程度的变化。
然而可见/近红外光谱区域范围较大,虽然现在有很多用来测量整个可见/近红外光谱区域范围的光谱仪,但是这些设备都比较大,不利于便携测量。通过研究发现,存在能够反映病害程度的若干个特征波段,其光谱信息变化和病害程度密切相关,而与其他因素,如缺水、缺肥、虫害等相关较少。因此通过测量这些特征波段的光谱信息能够客观的反映病害感染程度,而不受到其他因素的影响。基于大量试验,得到在可见/近红外光谱区域里反映病害程度的若干个特征波段。从而设计出基于单片机嵌入式***的便携式设备,然后通过能够检测这些特征波段光敏传感器获取特征波段的透射率信息,采用简单的回归方法代替在光谱分析中常用的需要大量计算的化学计量学方法来进行建模。实现模型算法在单片机中的嵌入,制成便携式的病害程度检测仪。
发明内容
本发明的目的在于提供一种基于可见/近红外光谱特征波段的植物叶片灰霉病害诊断方法,可快速、准确地采集被测植物叶片可见/近红外光谱特征波段透射率信息,分析得到被测植物灰霉病害的感染程度,从而实现实时无损的植物灰霉病害检测的诊断***。
本发明解决其技术问题采用的技术方案是,该方法的步骤如下:
1)先用仪器的探头夹住植物叶片,通过探头上的光源照射叶片表面,光线被在叶片另一侧探头上的数个光敏传感器接收,每个光敏传感器采集一个特征波段上的植物的叶片光谱透射率信息;
2)采集到的叶片光谱透射率信息通过数据线经过信号调理电路去除噪音,A/D转换器输入单片机;
3)病害光谱分析程序将得到的光谱透射率信息作为输入部分,输入病害光谱模型,通过模型的计算,输出病害感染程度;
4)LCD显示器输出显示仪器对病害程度结果。
所述的病害光谱模型的建立包括以下步骤:
1)通过试验得到能够反映病害感染程度的若干个特征波段。
2)建立这些特征波段光谱透射率信息和病害感染程度之间的病害光谱模型。
与背景技术相比,本发明具有的有益效果是:
(1)利用光谱技术进行病害识别,只要能够找到可以反映病害程度的若干个光谱特征波段,本发明的思路可以应用于植物多种病害的快速、准确、稳定、实时、非破坏性的诊断。其他植物病害的特征是病害发病区域以叶片为主;
(2)不使用化学试剂,降低了检测成本,加快了分析速度,减轻劳动强度,能够很好的应用于环境监测。能够对分析样本进行无损鉴别,不用破坏植物叶片;
(3)由于***的病害检测是基于若干个特征波段而不是整个可见/近红外光谱的全部光谱信息。因此无需基于计算量大的化学计量学方法,程序简单,可编写嵌入进单片机中。
(4)整个检测***只是一个带有若干个光敏传感器和LED灯的嵌入式单片机的便携式***,易于携带;
(5)光谱分析工作通过光谱分析处理软件完成,使用方便,具有一定的社会效益和经济效益;
(6)通过对检测出染病的植物进行药物处理,可以减少由于全面喷洒而造成的药物用量,降低生产成本并减少污染。
附图说明
图1为本发明***的结构原理框图;
图2为本发明***的软件流程图。
具体实施方式
如图1所示,一种基于可见和近红外光谱特征波段的植物叶片灰霉病害诊断***,是一个带有若干个光敏传感器和光源的嵌入式单片机的便携式***。
用仪器的探头夹住叶片,通过探头上的光源照射叶片表面,光线被在叶片另一侧探头上的数个光敏传感器接受,每个光敏传感器采集一个特征波段上的植物的叶片光谱透射率信息。通过数据线经过信号调理电路去除噪音,A/D转换器输入单片机,光谱分析处理软件分析植物叶片的光谱信息。通过单片机里嵌入的病害光谱分析程序得到叶片感染灰霉病害的程度,并将病害程度显示在LCD显示器上。
本发明***的光谱测量简单,只需将***探头夹住叶片,即可进行病害程度检测。
如图2所示,病害光谱分析处理软件中的病害光谱模型建立包括以下步骤:
1)采集校正样本集光谱信息。光谱测量之前先用反射率为100%的标定白板对可见和近红外光谱仪进行标定。然后采集不同生长阶段,不同灰霉病害感染程度的大量植物叶片进行校正集样本的建立。然后通过可见和近红外光谱仪采集校正集中植物叶片的全波段(325-2500nm)的光谱透射率信息。
2)反映病害感染程度的光谱预处理。由于采集到的原始光谱信号存在外界和可见和近红外光谱仪本身精度的干扰,因此将会影响特征波段的选择。采用卷积平滑、标准化、归一化、中心化、多元散射校正、一阶求导、二阶求导、小波处理等方法进行光谱预处理。预处理后的光谱信息性噪比提高,反映病害感染程度的信息更加明显。光谱的预处理可以为单一方法,也可以是多种方法的结合。
3)建立病害感染程度的光谱校正模型。校正样本集中的叶片经过可见和近红外光谱仪采集透射率信息以后,经灰霉病害专家进行每片叶片的病害感染程度的评估。通过化学计量学方法建立预处理后的光谱叶片透射率信息和病害感染程度的化学计量学模型。线性的化学计量学方法包括:主成分回归、多元线形回归、逐步回归、偏最小二乘回归、线形支持向量机等;非线形的化学计量学方法包括:人工神经网络、非线形支持向量机、遗传算法、模糊算法等。
4)选取反映病害感染程度的若干个特征波段。由于全波段的可见近红外光谱范围从约325nm到约2500nm,根据采样间隔的不同,采集到的光谱数据一般都有数百到数千个。所有数据点都用做模型的建立,在单片机中的实现会导致模型建立时间过长,模型精度下降等。所以对于基于单片机的模型建立需要选择能够反映叶片病害感染程度的若干个最优的特征波段。特征波段的选择是在建立好的化学计量学模型的基础上,通过分析每个波段在最终反映病害感染程度的贡献程度,选择贡献程度大的少数几个波段。从而得到能够反映病害感染程度的若干个特征波段。
5)通过化学计量学方法,建立这些特征波段光谱透射率信息和病害感染程度之间的病害光谱模型。该数据库模型具有很好的鲁棒性和适应性,模型简单实用,能够写入单片机,进行实际应用。
如图2所示,病害光谱分析处理软件在实际应用中包括以下步骤:
1)通过仪器的光敏传感器采集特征波段上的植物的叶片光谱透射率信息。由于先前化学计量学模型建立时,进行光谱预处理是为了能更好地得到最优的特征波段,而在实际应用过程中不用进行光谱预处理。
2)病害光谱分析程序将得到的光谱透射率信息作为输入部分,输入病害光谱模型。只要实际应用中的植物在建立好的病害光谱模型包含的植物类型中,通过模型的计算,输出病害感染程度。
3)LCD显示器输出显示仪器对病害程度结果。用户根据病害感染程度分析决策是否对拍摄植物喷药,并确定剂量、喷头形状及喷药种类。
对于容易感染灰霉病的植物的不同,所得到的特征波段和建立的病害光谱模型是不同的。因此特征波段的选择和病害光谱模型的建立要按照不同植物分别进行。
上述具体实施方式用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (2)
1、一种可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法,其特征在于该方法的步骤如下:
1)先用仪器的探头夹住植物叶片,通过探头上的光源照射叶片表面,光线被在叶片另一侧探头上的数个光敏传感器接收,每个光敏传感器采集一个特征波段上的植物的叶片光谱透射率信息;
2)采集到的叶片光谱透射率信息通过数据线经过信号调理电路去除噪音,A/D转换器输入单片机;
3)病害光谱分析程序将得到的光谱透射率信息作为输入部分,输入病害光谱模型,通过模型的计算,输出病害感染程度;
4)LCD显示器输出显示仪器对病害程度结果。
2、权利要求1所述的基于可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法,其特征在于:病害光谱模型的建立包括以下步骤:
1)通过试验得到能够反映病害感染程度的若干个特征波段;
2)建立这些特征波段光谱透射率信息和病害感染程度之间的病害光谱模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710069096 CN101074925A (zh) | 2007-06-12 | 2007-06-12 | 可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710069096 CN101074925A (zh) | 2007-06-12 | 2007-06-12 | 可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101074925A true CN101074925A (zh) | 2007-11-21 |
Family
ID=38976101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200710069096 Pending CN101074925A (zh) | 2007-06-12 | 2007-06-12 | 可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101074925A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852725A (zh) * | 2010-04-30 | 2010-10-06 | 北京航空航天大学 | 一种全谱段透射式植物生化参数无损检测装置和方法 |
CN103308465A (zh) * | 2013-05-31 | 2013-09-18 | 南京农业大学 | 一种主动光源式作物冠层反射光谱测量装置用信号处理***及方法 |
CN103593652A (zh) * | 2013-10-28 | 2014-02-19 | 西京学院 | 一种基于黄瓜叶片症状图像处理的黄瓜病害识别方法 |
CN105511529A (zh) * | 2015-12-28 | 2016-04-20 | 安徽科技学院 | 一种设施农业环境智能控制方法 |
US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
CN106680205A (zh) * | 2017-03-07 | 2017-05-17 | 横店集团得邦照明股份有限公司 | 一种可实时监测植物生长状态的led照明*** |
CN107690211A (zh) * | 2016-08-04 | 2018-02-13 | 广州达森灯光股份有限公司 | 一种植物生长灯配色方法及*** |
CN108432527A (zh) * | 2018-01-11 | 2018-08-24 | 天津绿茵景观生态建设股份有限公司 | 一种复叶槭扦插繁殖技术 |
-
2007
- 2007-06-12 CN CN 200710069096 patent/CN101074925A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852725A (zh) * | 2010-04-30 | 2010-10-06 | 北京航空航天大学 | 一种全谱段透射式植物生化参数无损检测装置和方法 |
CN101852725B (zh) * | 2010-04-30 | 2011-11-23 | 北京航空航天大学 | 一种全谱段透射式植物生化参数无损检测装置和方法 |
CN103308465A (zh) * | 2013-05-31 | 2013-09-18 | 南京农业大学 | 一种主动光源式作物冠层反射光谱测量装置用信号处理***及方法 |
CN103308465B (zh) * | 2013-05-31 | 2016-04-13 | 南京农业大学 | 一种主动光源式作物冠层反射光谱测量装置用信号处理***及方法 |
CN103593652A (zh) * | 2013-10-28 | 2014-02-19 | 西京学院 | 一种基于黄瓜叶片症状图像处理的黄瓜病害识别方法 |
CN103593652B (zh) * | 2013-10-28 | 2016-08-24 | 西京学院 | 一种基于黄瓜叶片症状图像处理的黄瓜病害识别方法 |
US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
CN105511529A (zh) * | 2015-12-28 | 2016-04-20 | 安徽科技学院 | 一种设施农业环境智能控制方法 |
CN107690211A (zh) * | 2016-08-04 | 2018-02-13 | 广州达森灯光股份有限公司 | 一种植物生长灯配色方法及*** |
CN107690211B (zh) * | 2016-08-04 | 2019-12-27 | 广州达森灯光股份有限公司 | 一种植物生长灯配色方法及*** |
CN106680205A (zh) * | 2017-03-07 | 2017-05-17 | 横店集团得邦照明股份有限公司 | 一种可实时监测植物生长状态的led照明*** |
CN108432527A (zh) * | 2018-01-11 | 2018-08-24 | 天津绿茵景观生态建设股份有限公司 | 一种复叶槭扦插繁殖技术 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101074925A (zh) | 可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 | |
Eitel et al. | LiDAR based biomass and crop nitrogen estimates for rapid, non-destructive assessment of wheat nitrogen status | |
CN101382488B (zh) | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 | |
CN102621118B (zh) | 温室蔬菜病虫害的预警方法 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
Xue et al. | Application of particle swarm optimization (PSO) algorithm to determine dichlorvos residue on the surface of navel orange with Vis-NIR spectroscopy | |
CN101074926A (zh) | 可见和近红外光谱的植物叶片或冠层灰霉病诊断方法与*** | |
CN102084794A (zh) | 多传感器信息融合的作物病虫害早期检测方法及装置 | |
CN109187398A (zh) | 一种小麦植株氮含量的高光谱测定方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
Song et al. | Chlorophyll content estimation based on cascade spectral optimizations of interval and wavelength characteristics | |
Tan et al. | Analysis of different hyperspectral variables for diagnosing leaf nitrogen accumulation in wheat | |
CN101059426A (zh) | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 | |
CN113111799B (zh) | 一种基于集合经验模态分解的耕地土壤肥力水平监测方法 | |
CN104374711B (zh) | 一种树木叶面尘土量的确定方法及*** | |
CN101074927A (zh) | 基于可见和近红外光谱特征波段的水果水心病诊断方法 | |
CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
WO2014017940A1 (en) | System and process to assess physiological states of plant tissues, in vivo and/or in situ, using impedance techniques | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN113049499A (zh) | 水体总氮浓度间接遥感反演方法、存储介质和终端设备 | |
CN107505179A (zh) | 一种土壤预处理与养分近红外光谱检测方法 | |
Wang et al. | Rapid detection of chlorophyll content and distribution in citrus orchards based on low-altitude remote sensing and bio-sensors | |
CN104255118A (zh) | 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 | |
CN104897637A (zh) | 基于拉曼散射的食品安全检测装置及检测方法 | |
CN107271389B (zh) | 一种基于指标极值的光谱特征变量快速匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |