CN102072883B - 农作物种子综合品质检测装置及方法 - Google Patents
农作物种子综合品质检测装置及方法 Download PDFInfo
- Publication number
- CN102072883B CN102072883B CN 201010227418 CN201010227418A CN102072883B CN 102072883 B CN102072883 B CN 102072883B CN 201010227418 CN201010227418 CN 201010227418 CN 201010227418 A CN201010227418 A CN 201010227418A CN 102072883 B CN102072883 B CN 102072883B
- Authority
- CN
- China
- Prior art keywords
- seed
- quality
- seeds
- image
- spectrum
- 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
本发明公开了一种农作物种子综合品质检测装置和方法。所述检测装置包括装料器(1),传送带(2),电机(3),成像光谱仪(4),光源(5),处理单元(6),出料器(7),所述装料器(1)位于所述传送带(2)一端的正上方,所述成像光谱仪(4)位于所述传送带(2)中间的正上方,用于采集待测种子的高光谱数据立方体,所述电机(3)用于带动所述传送带(2)传动,所述成像光谱仪(4)与所述处理单元(6)连接,所述的两个卤钨灯光源(5)位于所述成像光谱仪(4)的两侧。本发明能够对单粒以及多粒种子的综合品质进行快速、无损的检测。
Description
技术领域
本发明涉及农作物种子检测技术领域,特别是涉及一种农作物种子综合品质检测装置及方法。
背景技术
农作物种子的外观品质、组成成分等是其综合品质的重要参数,农作物种子综合品质的检测对粮食质量分级、选种育种、食品加工等具有重要的意义。目前用于农作物种子的在线检测方法有基于机器视觉的检测方法和近红外光谱检测方法。基于机器视觉的检测机主要是通过工业相机采集种子的图像,然后通过图像处理算法得到种子的外观特征参数,如粒长、粒宽、机械损伤、病害等,从而实现对种子外观品质的检测,或实现种子品种在线识别等(参见非专利文献:基于机器视觉的水稻种子质量在线检测机,农机化研究,2009年,第10期,79页-81页,88页;参见专利:用于记录谷物颗粒的图像以检测裂纹的方法和设备,申请号:01819050.2)。基于近红外光谱的检测方法主要通过光谱技术获得种子的光谱数据,结合标准测定的种子成分建立预测模型,然后采集待测种子的光谱数据,将光谱数据导入上述模型,得出检测结果,并对结果进行显示、存储等(参见专利:一种对谷物进行品质检测的方法及其装置,申请号:01140315.2)。
基于机器视觉的在线检测方法只限于通过外观参数检测农作物种子品质,不能对其进行内部成分检测;近红外分析方法能够实现农作物种子内部成分的检测,但是多采用光纤接收种子反射回来的光,移动过程中的种子由于大小形状不均匀性及放置位置的不规则性,只能增大视场范围,获取多粒种子的平均光谱,而难以准确得到单粒种子的光谱,因此只能对多粒种子的成分含量进行检测,而不能实现单粒种子成分的检测。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题在于:针对现有的机器视觉在线检测方法只能检测种子的外观品质、近红外分析的方法只能实现多粒种子内部成分的在线检测的缺陷,提供一种农作物种子综合品质在线检测装置及方法,利用成像光谱仪采集种子的高光谱立方体数据,然后同时获取其外观品质和内部成分信息,从而实现农作物单粒和多粒种子综合品质的在线检测。
(二)技术方案
为解决上述技术问题,本发明提供了一种农作物种子综合品质检测方法,其包括步骤:
S1,装料器将待测种子逐个排序,单粒种子到达出料口的下端时落到传送带上;
S2,传送带将种子传送到成像光谱仪下方;
S3,成像光谱仪采集种子的高光谱数据立方体,并将采集到的数据传送给处理单元;
S4,处理单元根据所述高光谱数据立方体检测种子的包括外观品质参数及内部成分含量的综合品质;
所述步骤S4中包括预测种子中内部成分含量的方法,具体包括:
S4-1′,根据种子的高光谱数据立方体,获取单粒种子的图像轮廓及位置坐标,提取该粒种子内各像素点的光谱,并计算平均光谱;
S4-2′,通过标准测量方法获得种子成分含量的定量检测结果;
S4-3′,对S4-1′中得到的平均光谱进行预处理;
S4-4′,利用S4-2′中得到的种子成分含量定量检测结果和S4-3′中得到的预处理后的光谱数据,采用化学计量学方法建立光谱与成分含量之间的数学模型;
S4-5′,将种子的高光谱数据立方体代入所述数学模型,预测出各内部成分的含量;
所述步骤S4-2′中,当所述单粒种子重量符合国标规定的标准测量方法时,采用凯氏法测单粒种子的粗蛋白质,采用索氏提取法侧单粒种子的脂肪;当所述单粒种子重量不符合国标规定的标准测量方法时,选择形状、颜色、品质相似的多粒种子放在一起测定其粗蛋白质和脂肪含量,对应的平均光谱也由多粒种子计算获得。
优选地,所述步骤S4中包括提取种子外观特征参数的方法,具体为:
S4-1,选择特定波段的图像;
S4-2,对所述特定波段的图像作预处理;
S4-3,对预处理后的图像提取外观特征参数。
(三)有益效果
相对于基于机器视觉的种子在线检测***,本发明不仅可测定种子外观品质参数,还可测定种子的内部成分参数,实现种子综合品质的测量。相对于现有的基于近红外光谱的在线测量***,本发明不仅可测量一定量的多粒种子成分,而且可以实现单粒种子成分的测量,从而特别适合于种子纯度检测、品种选育等方面的应用。本发明提供的装置具有快速、无损、自动检测的优点,能够广泛用于粮库、面粉厂、油脂厂、品种选育、品种质量监管部门对农作物种子品质的快速检测。
附图说明
图1是依据本发明实施方式的农作物种子综合品质在线检测装置结构示意图;
图2是依据本发明实施方式的农作物种子综合品质在线检测方法流程图。
其中,1:装料器;2:传送带;3:电机;4:成像光谱仪;5:光源;6:处理单元;7:出料器;8:种子。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明实施例提供了一种农作物种子综合品质在线检测装置,其包括装料器1、传送带2、电机3、成像光谱仪4、光源5、处理单元6,所述装料器1位于所述传送带2一端的正上方,所述成像光谱仪4位于所述传送带2中间的正上方,用于采集待测种子的高光谱数据立方体,所述电机3用于带动所述传送带2传动,所述成像光谱仪4与所述处理单元6连接,所述两个卤钨灯光源5为两个,其分别位于所述成像光谱仪4的两侧,呈45°照射。所述检测装置还包括位于所述传送带2另一端的出料器7。在所述装料器1的上部设置有较大的装料口,方便进料,下部设置有椭圆形出料口,其直径设计为只允许单粒种子通过。所述装料器1的出料口与所述传送带2的垂直距离为10mm。所述成像光谱仪4采集图像的波段范围是800-2500nm。
所述的装置中成像光谱仪4是核心部分。在高光谱图像采集过程中,样本的反射光透过光栅狭缝,经色散后在二维CCD探测元件上成像,成像光谱仪每帧只能扫描一行像元的图谱数据,随着样本的均匀移动,成像光谱仪实现多行像元的扫描及拼接,这样就能够采集到样本的二维图像,并使图像中每个像元都有对应的几百个光谱波段的反射光强数据,使成像光谱数据成为一个数据立方体。成像光谱仪采集的图像的波段范围是800-2500nm,即近红外波段,这一波段包括了种子的主要营养组分(例如水分、蛋白质、淀粉、脂肪)对应的特征波段。
所述的装置中光源5为卤钨灯光源,发射的光的波长范围为400-3000nm,涵盖成像光谱仪4采集图像所需的波段。光照的强度及均匀性对采集的图谱的质量有很大的影响,曝光过度、曝光不足、光照不均匀会使数据分析有一定的误差,所以要通过白板校正的方法选取最佳的工作条件。
所述的装置中,处理单元6可采用计算机,用于存储采集到的大量图谱数据,并通过相关数据处理方法检测农作物种子的综合品质。
如图2所示本发明实施例的农作物种子综合品质在线检测方法。所述的装置中装料器1的上部设置为较大的装料口,方便进料,下部为出料口,出料口为椭圆形,且只能允许单粒种子通过。对于不同类型的农作物种子,出口尺寸不同。装料器中含有电磁震动盒,可以使种子逐个排序,种子到达出料口时落下,切断光路,形成一个脉冲,通过电路控制电磁震动盒停止震动,当达到预置时间后,电磁盒再次震动,使下一个种子自由落下,这样就能实现将单粒种子匀速地落在皮带上,使得光谱仪采集的每张图像中刚好有一粒种子,并能实现传送带上所有种子图像的连续采集。
所述的装置中传送带2中间设计为一个长方形凹槽,凹槽宽度比单粒种子稍微大些,使单粒种子刚好从装料器出口落到凹槽内。另外装料器出料口与皮带的距离要小,为10mm,以免种子掉落后位置不固定。
如图2所示本发明实施例的农作物种子综合品质在线检测方法,包括步骤:S1,装料器将待测种子逐个排序,单粒种子到达下料口时落到传送带上;S2,传送带将种子传送到成像光谱仪下方;S3,成像光谱仪采集种子的高光谱数据立方体,并将采集到的数据传送给处理单元;S4,处理单元根据所述高光谱数据立方体检测种子的包括外观品质参数及内部成分的综合品质。
所述获取农作物种子外观品质参数的方法,包括以下步骤:
1、选择特定波段的图像。所获得的高光谱数据立方体中,每个波长下都对应种子的一幅图像,在不同波长下,种子的特征差异很大,由于采集图谱的波长范围在800-2500nm,因此每个波长下的图像与可见光区的RGB图不同,需要选择最能反应种子外观信息的某个波长下的图像进行分析。对于小麦种子,优选的波段范围为:900-950nm,1288-1328nm,1866-1906nm。
2、图像预处理。对农作物种子,常见的图像预处理方法有阈值分割、腐蚀、膨胀等。
3、种子的外观特征参数提取。通过图像边缘提取,获取种子的粒形(长度、宽度、长宽比、面积)、粒色、饱满度等外观品质参数信息。
所述农作物种子内部成分的检测,将标准方法测量的组分数据与光谱数据结合,并建立数学模型预测相关成分的含量,主要步骤为:
1、针对农作物种子的高光谱数据立方体,在某一波段下通过背景分割获取单粒种子的图像轮廓及位置坐标,然后根据坐标提取该粒种子内各像素点的光谱,并计算平均光谱。
2、通过国标规定的标准测量方法获得农作物种子相关成分的定量检测结果。如用凯氏法测粗蛋白质,用烘干法测水分,用索氏提取法测脂肪。所述种子组分标准值的测量,若种子重量太小,不满足国标方法规定的最小样品量,则将形状、颜色、品质相似的种子放在一起测定其化学值,而对应的平均光谱也由多粒种子计算获得。
3、对所选择的农作物种子的平均光谱数据进行预处理,预处理方法包括计算反射强度、反射率、吸光度、一阶导数、二阶导数等。
4、利用种子成分的实测值与光谱数据,采用化学计量学方法建立光谱与成分之间的数学模型,所述化学计量学方法包括多项式回归、偏最小二乘回归、支持向量回归等。建立模型时,需要收集一定数量的具有代表性的样品,覆盖将来的应用范围。
5、将已建立好的模型置入计算机软件中,对未知种子样本,成像光谱仪采集该粒种子的高光谱数据立方体,并实时计算该粒种子的平均光谱,根据模型预测出各营养组分的含量。同时,软件还会提取出该粒种子的外观特征参数。
6、最后,计算机软件结合种子的外观参数和成分预测结果,对农作物种子综合品质进行评价,将评价结果实时显示,并存储到数据库中。
本发明以小麦种子综合品质在线检测为例说明具体实施方式。选取了邯6172、石家庄8号,扬麦13和郑农7号四个品种,从每个品种中分别选取100个种子进行测定,再分别从中选取70个种子用来建立模型,剩余的用于在线检测。首先用凯氏法测种子的粗蛋白质含量,再用成像光谱仪采集四个品种共280个种子的图谱数据,然后用化学计量学软件建立光谱数据与粗蛋白质含量的模型,同时由图像处理算法获得所测样本的外观品质参数。最后将所建立的模型和外观品质参数提取方法导入小麦种子综合品质检测***的处理软件中。
接下来对剩余的小麦种子进行在线检测,在线检测步骤为:首先打开光源,15分钟之后对光谱仪进行白板校正,调整好光谱仪的光圈、扫描帧频、对焦环位置等参数,再用电机控制软件设置合适的皮带运行速度,最后将小麦种子放到装料口,启动电机和图像采集软件,开始在线采集种子图谱数据,综合品质检测***的处理软件实时导入采集到的数据,进行外观品质参数和种子成分含量的计算,并保存计算结果,然后在检测***软件界面上种子外观及内部各参数的测定数据及综合评价结果。
本发明实例的主要工作参数为:光谱仪采集到的图像的波段范围为800-2500nm,镜头焦距为90mm,工作距离为90mm,皮带运动速度为0.9702mm/s,帧频为15fps,图像大小为320x240像素。
本发明所述的方法中,选择了波段为1308nm的图像计算小麦种子的外观品质参数。
本发明的技术关键点在于:
1、采用成像光谱仪图谱合一的特点,在线获取种子的高光谱图像,根据对高光谱数据立方体的处理,同时获得农作物的外观品质和内部成分含量,从而实现种子综合品质的在线检测与评价。
2、成像光谱仪采集的图像的波段范围是800-2500nm,即近红外波段。农作物种子的主要成分,如蛋白质、脂肪、淀粉的特征波段都在近红外波段范围内。
3、本***需要进行校正,通过白板校正、对焦等方法确定最佳的在线检测条件。
4、需要选择最能反应种子外观信息的某个波长下的图像进行分析,从而获取种子外观特征参数。
5、对于单粒种子组分定标的难点问题,对多粒品质相似的种子的高光谱数据立方体计算平均光谱,并将多粒种子放在一起用国标方法测定标准值,从而建立种子组分预测模型。
6、本发明提供的装置中,需要确保传送带运动速度与成像光谱采集图像的帧频相匹配,即按照公式计算出帧频对应的传送带运动速度,使采集的图像变形较小。
由以上实施例可以看出,相对于基于机器视觉的种子在线检测***,本发明不仅可测定种子外观品质参数,还可测定种子的内部成分参数,实现种子综合品质的测量。相对于现有的基于近红外光谱的在线测量***,本发明不仅可测量一定量的多粒种子成分,而且可以实现单粒种子成分的测量,从而特别适合于种子纯度检测、品种选育等方面的应用。本发明提供的装置具有快速、无损、自动检测的优点,能够广泛用于粮库、面粉厂、油脂厂、品种选育、品种质量监管部门对农作物种子品质的快速检测。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (2)
1.一种农作物种子综合品质检测方法,其特征在于,所述检测方法包括步骤:
S1,装料器(1)将待测种子(8)逐个排序,单粒种子到达出料口的下端时落到传送带(2)上;
S2,传送带(2)将种子(8)传送到成像光谱仪(4)下方;
S3,成像光谱仪(4)采集种子(8)的高光谱数据立方体,并将采集到的数据传送给处理单元(6);
S4,处理单元(6)根据所述高光谱数据立方体检测种子的包括外观品质参数及内部成分含量的综合品质;
所述步骤S4中包括预测种子中内部成分含量的方法,具体包括:
S4-1′,根据种子的高光谱数据立方体,获取单粒种子的图像轮廓及位置坐标,提取该粒种子内各像素点的光谱,并计算平均光谱;
S4-2′,通过标准测量方法获得种子成分含量的定量检测结果;
S4-3′,对S4-1′中得到的平均光谱进行预处理;
S4-4′,利用S4-2′中得到的种子成分含量定量检测结果和S4-3′中得到的预处理后的光谱数据,采用化学计量学方法建立光谱与成分含量之间的数学模型;
S4-5′,将单粒种子的高光谱数据立方体代入所述数学模型,预测出各内部成分的含量;
所述步骤S4-2′中,当所述单粒种子重量符合国标规定的标准测量方法时,采用凯氏法测单粒种子的粗蛋白质,采用索氏提取法测单粒种子的脂肪;当所述单粒种子重量不符合国标规定的标准测量方法时,选择形状、颜色、品质相似的多粒种子放在一起测定其粗蛋白质和脂肪含量,对应的平均光谱也由多粒种子计算获得。
2.如权利要求1所述的农作物种子综合品质检测方法,其特征在于,所述步骤S4中包括提取种子外观特征参数的方法,具体为:
S4-1,选择特定波段的图像;
S4-2,对所述特定波段的图像作预处理;
S4-3,对预处理后的图像提取外观特征参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010227418 CN102072883B (zh) | 2010-07-07 | 2010-07-07 | 农作物种子综合品质检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010227418 CN102072883B (zh) | 2010-07-07 | 2010-07-07 | 农作物种子综合品质检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102072883A CN102072883A (zh) | 2011-05-25 |
CN102072883B true CN102072883B (zh) | 2013-03-13 |
Family
ID=44031508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010227418 Active CN102072883B (zh) | 2010-07-07 | 2010-07-07 | 农作物种子综合品质检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102072883B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109580493A (zh) * | 2018-11-16 | 2019-04-05 | 长江大学 | 一种快速检测对节白蜡批量种子质量的方法 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632157B (zh) * | 2012-08-24 | 2018-01-05 | 南京农业大学 | 单株小麦穗部籽粒数计数方法 |
CN103543106A (zh) * | 2013-09-30 | 2014-01-29 | 合肥工业大学 | 基于光谱成像技术的瓜子品质特征快速无损检测方法 |
CN103636315B (zh) * | 2013-11-20 | 2015-03-11 | 华南理工大学 | 一种基于高光谱的种子发芽率在线检测装置及方法 |
CN103698009B (zh) * | 2013-12-25 | 2015-09-30 | 北京农业智能装备技术研究中心 | 一种基于线扫描高光谱成像的多光谱图像获取方法和*** |
CN104034734B (zh) * | 2014-06-25 | 2017-01-25 | 深圳市云特科技有限公司 | 一种卷扬机钢缆检测装置及其方法 |
CN104155312B (zh) * | 2014-08-11 | 2017-06-16 | 华北水利水电大学 | 基于近红外计算机视觉的粮粒内部害虫检测方法和装置 |
JP6687826B2 (ja) * | 2015-04-06 | 2020-04-28 | 株式会社サタケ | 穀粒品位判別装置及び該装置における穀粒からの光の受光方法 |
CN105259187B (zh) * | 2015-10-30 | 2017-12-29 | 山东省农作物种质资源中心 | 种脐性状评价装置及评价方法 |
CN105259186B (zh) * | 2015-10-30 | 2017-12-29 | 山东省农作物种质资源中心 | 杂粮种子颜色评价装置及评价方法 |
WO2017097782A1 (en) * | 2015-12-10 | 2017-06-15 | Basf Plant Science Company Gmbh | Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype |
CN106018321A (zh) * | 2016-05-11 | 2016-10-12 | 中国农业大学 | 玉米单粒种子蛋白质检测模型的构建方法及其应用 |
CN106290238A (zh) * | 2016-08-09 | 2017-01-04 | 西北农林科技大学 | 一种基于高光谱成像的苹果品种快速鉴别方法 |
KR102046229B1 (ko) * | 2016-12-22 | 2019-11-18 | 주식회사 포스코 | 이송되는 원료의 입도 및 건습 측정 장치 및 혼합 원료의 입도 측정 장치 |
CN106841054B (zh) * | 2017-01-04 | 2019-06-07 | 江南大学 | 种子品种识别方法及装置 |
CN106898010A (zh) * | 2017-03-01 | 2017-06-27 | 上海市农业科学院 | 颗粒拷种的方法及装置 |
CN107185850B (zh) * | 2017-06-06 | 2023-04-07 | 浙江大学 | 一种基于高光谱成像及电阻抗的玉米种子活力检测装置 |
CN107389511B (zh) * | 2017-06-08 | 2020-09-22 | 北京农业信息技术研究中心 | 一种作物种籽表型测量方法及便携装置 |
CN107993244B (zh) * | 2017-12-27 | 2020-09-11 | 合肥市雅视智能科技有限公司 | 一种玉米自动检测方法 |
CN108267409B (zh) * | 2017-12-29 | 2020-05-22 | 北京农业智能装备技术研究中心 | 一种便携高光谱杂草叶片除草剂识别光学装置及方法 |
CN108444928B (zh) * | 2018-03-12 | 2020-10-09 | 浙江大学 | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 |
CN109827908B (zh) * | 2018-12-24 | 2021-04-13 | 核工业北京地质研究院 | 一种利用光谱数据判别红富士苹果腐烂程度的方法 |
CN110771533B (zh) * | 2019-09-29 | 2022-03-01 | 北京农业智能装备技术研究中心 | 鸡胚蛋的性别检测***及方法 |
CN110837823A (zh) * | 2019-12-17 | 2020-02-25 | 华南农业大学 | 种子品种鉴定模型的生成方法、鉴定方法及装置 |
CN112024421A (zh) * | 2020-07-07 | 2020-12-04 | 广东省现代农业装备研究所 | 一种种子分选*** |
CN111937571A (zh) * | 2020-08-21 | 2020-11-17 | 农业农村部南京农业机械化研究所 | 谷物联合收获机含杂率、破碎率在线检测装置及粮仓 |
CN112415009B (zh) * | 2020-12-14 | 2024-06-11 | 河南牧业经济学院 | 基于粘性点阵的小麦粒非粘连图像获取方法及*** |
CN114937077A (zh) * | 2022-04-22 | 2022-08-23 | 南通荣华包装材料有限公司 | 一种花生种子筛选方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2492047Y (zh) * | 2001-08-02 | 2002-05-22 | 内蒙古大学理工学院 | 一种电场种子处理设备 |
CN1484761A (zh) * | 2000-10-30 | 2004-03-24 | ������ɽ���� | 分析农产品的方法和装置 |
CN1544921A (zh) * | 2003-11-26 | 2004-11-10 | 广东省农业科学院作物研究所 | 一种非破坏性测定花生单粒种子含油量的方法 |
WO2005045391A2 (en) * | 2003-11-06 | 2005-05-19 | Elan Group Ltd | System and process for detecting substances |
CN1940555A (zh) * | 2006-09-04 | 2007-04-04 | 江苏大学 | 一种农产品内外品质检测方法及装置 |
-
2010
- 2010-07-07 CN CN 201010227418 patent/CN102072883B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1484761A (zh) * | 2000-10-30 | 2004-03-24 | ������ɽ���� | 分析农产品的方法和装置 |
CN2492047Y (zh) * | 2001-08-02 | 2002-05-22 | 内蒙古大学理工学院 | 一种电场种子处理设备 |
WO2005045391A2 (en) * | 2003-11-06 | 2005-05-19 | Elan Group Ltd | System and process for detecting substances |
CN1544921A (zh) * | 2003-11-26 | 2004-11-10 | 广东省农业科学院作物研究所 | 一种非破坏性测定花生单粒种子含油量的方法 |
CN1940555A (zh) * | 2006-09-04 | 2007-04-04 | 江苏大学 | 一种农产品内外品质检测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109580493A (zh) * | 2018-11-16 | 2019-04-05 | 长江大学 | 一种快速检测对节白蜡批量种子质量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102072883A (zh) | 2011-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102072883B (zh) | 农作物种子综合品质检测装置及方法 | |
US10197504B2 (en) | Method and system of detecting foreign materials within an agricultural product stream | |
EP3801934B1 (en) | Process and system for in-line inspection of product stream for detection of foreign objects | |
US5480354A (en) | Smart crop yield monitor | |
CN100480680C (zh) | 多光谱肉类新鲜度人工智能测量方法及*** | |
Saldaña et al. | Computer vision applied to the inspection and quality control of fruits and vegetables | |
Wang et al. | Outdoor color rating of sweet cherries using computer vision | |
CN106525732B (zh) | 基于高光谱成像技术的苹果内外品质快速无损检测方法 | |
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 | |
EP1782046A1 (en) | Apparatus and method for analysing the composition of crop in a crop-conveying machine | |
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 | |
Mohammadi Baneh et al. | Mechatronic components in apple sorting machines with computer vision | |
CN104198457B (zh) | 基于光谱成像技术的烟丝组分识别方法 | |
JPWO2016133175A1 (ja) | 莢果選別システム、莢果選別装置及び莢果選別方法 | |
WO2012039597A2 (en) | Fruit ripeness grading system | |
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 | |
Al-Mallahi et al. | Detection of potato tubers using an ultraviolet imaging-based machine vision system | |
CN109765190B (zh) | 一种利用高光谱成像技术识别稻田稗草的方法 | |
Aleixos et al. | Assessment of citrus fruit quality using a real-time machine vision system | |
Chao et al. | Fast line-scan imaging system for broiler carcass inspection | |
Daskalov et al. | Comparative study on the application of visible and near infrared hyperspectral imaging for Fusarium disease assessment of corn seeds | |
CN113390799B (zh) | 一种烟叶中梗的识别与检测方法 | |
CN201051074Y (zh) | 多光谱肉类新鲜度人工智能测量*** | |
Proietti et al. | Non-invasive measurements for characterization of Hermetia Illucens (BSF) life cycle in rearing plant | |
Zlatev et al. | A non-contact measuring device for determining poultry eggs weight |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |