CN103229614A - 玉米果穗自动考种方法 - Google Patents
玉米果穗自动考种方法 Download PDFInfo
- Publication number
- CN103229614A CN103229614A CN201310139259XA CN201310139259A CN103229614A CN 103229614 A CN103229614 A CN 103229614A CN 201310139259X A CN201310139259X A CN 201310139259XA CN 201310139259 A CN201310139259 A CN 201310139259A CN 103229614 A CN103229614 A CN 103229614A
- Authority
- CN
- China
- Prior art keywords
- data
- seed
- fruit ear
- ear
- pixel
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种玉米果穗自动考种方法,包括:S1:获取玉米果穗的重量数据;S2:获取果穗解析数据;S3:将籽粒与穗轴进行分离;S4:获取籽粒解析数据;S5:获取籽粒的重量数据、籽粒平均重量数据和百粒重量数据;S6:获取籽粒的容重和含水量数据;S7:将籽粒分类收集;S8:获取穗轴解析数据;S9:获取穗轴的重量数据;S10:根据S5中的籽粒平均重量数据计算出果穗籽粒总数数据S11:根据S10中的果穗籽粒总数数据和S2中的果穗解析数据计算出穗粒行数数据。本发明实现了玉米果穗自动化考种方法和流水线式的自动化考种操作,大幅提高了玉米果穗考种效率和考种数据的精确度,大幅减少人工投入,有效降低人工成本。
Description
技术领域
本发明涉及玉米考种技术领域,特别涉及一种玉米果穗自动考种方法。
背景技术
玉米在我国粮食生产中占重要地位,玉米是我国种业科研、生产等领域的重要组成部分,玉米种业的核心问题之一是玉米考种,传统的考种方法大多依赖于手工操作,占用大量人力资源,工作效率低下,难以同时对玉米果穗的主要指标进行测定,成为制约玉米种业发展的技术瓶颈。传统考种方法主要存在以下技术缺陷:1)工作量较大、人工操作繁琐,从而占用人力资源较多;2)工作效率难以提高,考种流程周期较长;3)考种过程中人工操作影响考中的准确性使得考种的各项数据不精确。上述这些缺陷是制约玉米种业发展的重要问题之一。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是,针对现有技术的不足,提供一种玉米果穗自动考种方法,实现准确、快速、高效的玉米考种作业。
(二)技术方案
本发明提供一种玉米果穗自动考种方法,包括:
S1:玉米果穗通过传送装置传送到果穗称重装置,获取所述玉米果穗的重量数据并发送到显示装置;
S2:将玉米果穗传送到果穗图像采集装置,获取果穗图像并发送到果穗图像解析装置中进行分析,得出果穗解析数据发送到显示装置;
S3:将玉米果穗传送到脱粒装置中,将籽粒与穗轴进行分离;
S4:将籽粒传送到籽粒图像采集装置,获取籽粒图像并发送到籽粒图像解析装置中进行分析,得出籽粒解析数据发送到显示装置;
S5:将所有籽粒传送到籽粒称重装置,获取所述籽粒的重量数据并根据S4中的籽粒解析数据得出籽粒平均重量数据和百粒重量数据,发送所述所有籽粒的重量数据、籽粒平均重量数据和百粒重量数据到显示装置;
S6:将籽粒传送到籽粒溶重水分装置,获取籽粒的容重和含水量数据并发送到显示装置;
S7:将籽粒按条码以果穗为单位分别收集;
S8:将穗轴传送到穗轴图像采集装置,获取穗轴图像并发送到穗轴图像解析装置中进行分析,得出穗轴解析数据发送到显示装置;
S9:将穗轴传送到穗轴称重装置,获取所述穗轴的重量数据并发送到显示装置;
S10:根据S5中的所有籽粒的冲凉数据与籽粒平均重量数据,计算出果穗籽粒总数数据,发送到显示装置中;
S11:根据S10中的果穗籽粒总数数据和S2中的果穗解析数据计算出穗粒行数数据发送到显示装置中。
其中,所述果穗解析数据包括:果穗的长度数据、直径数据、行粒数数据、秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据。
其中,所述籽粒解析数据包括:籽粒数目数据、籽粒长度数据和籽粒侧面颜色数据。
其中,所述穗轴解析数据包括:穗轴直径数据。
其中,在S11中,根据S10中的果穗籽粒总数数据和S2中的行粒数数据计算出穗粒行数数据发送到显示装置中。
其中,S2中果穗的长度数据、直径数据获取包括如下步骤:
S21:对玉米果穗图像二值化,提取所述玉米果穗图像中的果穗像素;
S22:对果穗像素按8邻域做细化处理,细化为单像素连通曲线;
S23:使用最小二乘法,拟合所述单像素连通曲线上个点的直线方程,直线与竖直方向所成的角度就是果穗的倾斜角度;
S24:根据S23中的倾斜角度旋转果穗图像,计算果穗图像的外包矩形,以所述外包矩形的长度数据和宽度数据作为果穗的长度数据和直径数据。
其中,S2中果穗的行粒数数据、秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据获取包括如下步骤:
S21’:对玉米果穗图像二值化,提取所述玉米果穗图像中的果穗像素;
S22’:统计果穗像素均值,并以该均值为分割阈值,对所述果穗像素进行分割;
S23’:按照灰度值4为步长增加分割阈值,对果穗像素进行分割处理,处理结果与S22’中的分割后的果穗像素合并;
S24’:返回S22’直至所述果穗像素分割阈值大于等于255为止;
S25’:根据S24’得出的果穗像素计算果穗的秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据;
S26’:获取S24’中得出的果穗像素的中间位置籽粒像素;
S27’:按照最近邻搜索方式,搜索S24’得到的果穗像素上端距离中间位置籽粒最近的籽粒;
S28’:重复S27’直到到达玉米果穗顶部籽粒,得出果穗像素上端行粒数数值;
S29’:按照最近邻搜索方式,搜索S24’得到的果穗像素下端距离中间位置籽粒最近的籽粒;
S30’:重复S29’直到到达玉米果穗底部籽粒,得出果穗像素下端行粒数数值;
S31’:合并上方行粒数数值和下方籽粒行数值,获得完整的一行籽粒数值。
(三)有益效果
本发明综合利用机械自动化技术和计算机图形图像技术,实现玉米果穗自动化考种方法,实现流水线式的自动化考种操作,大幅提高了玉米果穗考种效率和考种数据的精确度,大幅减少人工投入,有效降低人工成本。
附图说明
图1是本发明的玉米果穗自动考种方法步骤流程图;
图2是本发明的8邻域示意图。
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所述,
本发明提供一种玉米果穗自动考种方法,包括:
S1:玉米果穗通过传送装置传送到果穗称重装置,获取所述玉米果穗的重量数据并发送到显示装置;
S2:将玉米果穗传送到果穗图像采集装置,获取果穗图像并发送到果穗图像解析装置中进行分析,得出果穗解析数据发送到显示装置;
S3:将玉米果穗传送到脱粒装置中,将籽粒与穗轴进行分离;
S4:将籽粒传送到籽粒图像采集装置,获取籽粒图像并发送到籽粒图像解析装置中进行分析,得出籽粒解析数据发送到显示装置;
S5:将所有籽粒传送到籽粒称重装置,获取所述籽粒的重量数据并根据S4中的籽粒解析数据得出籽粒平均重量数据和百粒重量数据,发送所述所有籽粒的重量数据、籽粒平均重量数据和百粒重量数据到显示装置;
S6:将籽粒传送到籽粒溶重水分装置,获取籽粒的容重和含水量数据并发送到显示装置;
S7:将籽粒分类收集,在采集时给每个玉米果穗配置一个条码,条码包含该果穗的品种、栽培、序号等辅助信息,该条码为索引对应果穗考种指标信息的标识;
S8:将穗轴传送到穗轴图像采集装置,获取穗轴图像并发送到穗轴图像解析装置中进行分析,得出穗轴解析数据发送到显示装置;
S9:将穗轴传送到穗轴称重装置,获取所述穗轴的重量数据并发送到显示装置;
S10:根据S5中的所有籽粒的冲凉数据与籽粒平均重量数据,计算出果穗籽粒总数数据,发送到显示装置中;
S11:根据S10中的果穗籽粒总数数据和S2中的果穗解析数据计算出穗粒行数数据发送到显示装置中。
其中,所述果穗解析数据包括:果穗的长度数据、直径数据、行粒数数据、秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据。
其中,所述籽粒解析数据包括:籽粒数目数据、籽粒长度数据和籽粒侧面颜色数据。
其中,所述穗轴解析数据包括:穗轴直径数据。
其中,在S11中,根据S10中的果穗籽粒总数数据和S2中的行粒数数据计算出穗粒行数数据发送到显示装置中。
其中,S2中果穗的长度数据、直径数据获取包括如下步骤:
S21:对玉米果穗图像二值化,提取所述玉米果穗图像中的果穗像素;
S22:对果穗像素按8邻域做细化处理,细化为单像素连通曲线;
S23:使用最小二乘法,拟合所述单像素连通曲线上个点的直线方程,直线与竖直方向所成的角度就是果穗的倾斜角度;
S24:根据S23中的倾斜角度旋转果穗图像,计算果穗图像的外包矩形,以所述外包矩形的长度数据和宽度数据作为果穗的长度数据和直径数据。
其中,S2中果穗的行粒数数据、秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据获取包括如下步骤:
S21’:对玉米果穗图像二值化,提取所述玉米果穗图像中的果穗像素;
S22’:统计果穗像素均值,并以该均值为分割阈值,对所述果穗像素进行分割;
S23’:按照灰度值4为步长增加分割阈值,对果穗像素进行分割处理,处理结果与S22’中的分割后的果穗像素合并;
S24’:返回S22’直至所述果穗像素分割阈值大于等于255为止;
S25’:根据S24’得出的果穗像素计算果穗的秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据;
S26’:获取S24’中得出的果穗像素的中间位置籽粒像素;
S27’:按照最近邻搜索方式,搜索S24’得到的果穗像素上端距离中间位置籽粒最近的籽粒;
S28’:重复S27’直到到达玉米果穗顶部籽粒,得出果穗像素上端行粒数数值;
S29’:按照最近邻搜索方式,搜索S24’得到的果穗像素下端距离中间位置籽粒最近的籽粒;
S30’:重复S29’直到到达玉米果穗底部籽粒,得出果穗像素下端行粒数数值;
S31’:合并上方行粒数数值和下方籽粒行数值,获得完整的一行籽粒数值。
另外,在本发明中图像采集装置安装在采集箱体内,箱体下端开放,长800mm,宽500mm,高400mm;所述的工业相机安装在箱体顶部,朝向下方,由计算机控制拍摄,工业相机能够在复杂工况下,连续拍摄图像,达到每秒12帧,箱体内有效图像采集区域长750mm。
果穗称重装置、籽粒称重装置和穗轴称重装置均为计算机控制的重量传感器。
考种***的驱动装置为步进电机,分别在计算机控制下实现各环节的有序运转。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (7)
1.一种玉米果穗自动考种方法,其特征在于,包括:
S1:玉米果穗通过传送装置传送到果穗称重装置,获取所述玉米果穗的重量数据并发送到显示装置;
S2:将玉米果穗传送到果穗图像采集装置,获取果穗图像并发送到果穗图像解析装置中进行分析,得出果穗解析数据发送到显示装置;
S3:将玉米果穗传送到脱粒装置中,将籽粒与穗轴进行分离;
S4:将籽粒传送到籽粒图像采集装置,获取籽粒图像并发送到籽粒图像解析装置中进行分析,得出籽粒解析数据发送到显示装置;
S5:将所有籽粒传送到籽粒称重装置,获取所述籽粒的重量数据并根据S4中的籽粒解析数据得出籽粒平均重量数据和百粒重量数据,发送所述所有籽粒的重量数据、籽粒平均重量数据和百粒重量数据到显示装置;
S6:将籽粒传送到籽粒溶重水分装置,获取籽粒的容重和含水量数据并发送到显示装置;
S7:将籽粒按条码以果穗为单位分别收集;
S8:将穗轴传送到穗轴图像采集装置,获取穗轴图像并发送到穗轴图像解析装置中进行分析,得出穗轴解析数据发送到显示装置;
S9:将穗轴传送到穗轴称重装置,获取所述穗轴的重量数据并发送到显示装置;
S10:根据S5中的所有籽粒的冲凉数据与籽粒平均重量数据,计算出果穗籽粒总数数据,发送到显示装置中;
S11:根据S10中的果穗籽粒总数数据和S2中的果穗解析数据计算出穗粒行数数据发送到显示装置中。
2.如权利要求1所述的方法,其特征在于,所述果穗解析数据包括:果穗的长度数据、直径数据、行粒数数据、秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据。
3.如权利要求1所述的方法,其特征在于,所述籽粒解析数据包括:籽粒数目数据、籽粒长度数据和籽粒侧面颜色数据。
4.如权利要求1所述的方法,其特征在于,所述穗轴解析数据包括:穗轴直径数据。
5.如权利要求2所述的方法,其特征在于,在S11中,根据S10中的果穗籽粒总数数据和S2中的行粒数数据计算出穗粒行数数据发送到显示装置中。
6.如权利要求2所述的方法,其特征在于,S2中果穗的长度数据、直径数据获取包括如下步骤:
S21:对玉米果穗图像二值化,提取所述玉米果穗图像中的果穗像素;
S22:对果穗像素按8邻域做细化处理,细化为单像素连通曲线;
S23:使用最小二乘法,拟合所述单像素连通曲线上个点的直线方程,直线与竖直方向所成的角度就是果穗的倾斜角度;
S24:根据S23中的倾斜角度旋转果穗图像,计算果穗图像的外包矩形,以所述外包矩形的长度数据和宽度数据作为果穗的长度数据和直径数据。
7.如权利要求2所述的方法,其特征在于,S2中果穗的行粒数数据、秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据获取包括如下步骤:
S21’:对玉米果穗图像二值化,提取所述玉米果穗图像中的果穗像素;
S22’:统计果穗像素均值,并以该均值为分割阈值,对所述果穗像素进行分割;
S23’:按照灰度值4为步长增加分割阈值,对果穗像素进行分割处理,处理结果与S22’中的分割后的果穗像素合并;
S24’:返回S22’直至所述果穗像素分割阈值大于等于255为止;
S25’:根据S24’得出的果穗像素计算果穗的秃尖率数据、籽粒宽度数据、籽粒厚度数据和籽粒顶端颜色数据;
S26’:获取S24’中得出的果穗像素的中间位置籽粒像素;
S27’:按照最近邻搜索方式,搜索S24’得到的果穗像素上端距离中间位置籽粒最近的籽粒;
S28’:重复S27’直到到达玉米果穗顶部籽粒,得出果穗像素上端行粒数数值;
S29’:按照最近邻搜索方式,搜索S24’得到的果穗像素下端距离中间位置籽粒最近的籽粒;
S30’:重复S29’直到到达玉米果穗底部籽粒,得出果穗像素下端行粒数数值;
S31’:合并上方行粒数数值和下方籽粒行数值,获得完整的一行籽粒数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310139259.XA CN103229614B (zh) | 2013-04-19 | 2013-04-19 | 玉米果穗自动考种方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310139259.XA CN103229614B (zh) | 2013-04-19 | 2013-04-19 | 玉米果穗自动考种方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103229614A true CN103229614A (zh) | 2013-08-07 |
CN103229614B CN103229614B (zh) | 2014-07-02 |
Family
ID=48877754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310139259.XA Active CN103229614B (zh) | 2013-04-19 | 2013-04-19 | 玉米果穗自动考种方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103229614B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983333A (zh) * | 2014-05-18 | 2014-08-13 | 山西省农业科学院小麦研究所 | 一种小麦穗粒数测定方法 |
CN104656516A (zh) * | 2015-01-22 | 2015-05-27 | 中国农业大学 | 一种玉米分散考种数据采集*** |
CN104865259A (zh) * | 2015-05-07 | 2015-08-26 | 中国农业大学 | 掉落式玉米果穗穗部全息性状快速测量***及方法 |
CN105009731A (zh) * | 2015-06-30 | 2015-11-04 | 华中农业大学 | 玉米考种方法及其*** |
CN105027732A (zh) * | 2015-07-09 | 2015-11-11 | 北京农业信息技术研究中心 | 玉米果穗考种的方法及*** |
CN105766128A (zh) * | 2016-03-04 | 2016-07-20 | 北京农业智能装备技术研究中心 | 高通量全自动玉米考种流水线装置 |
CN108195724A (zh) * | 2017-12-04 | 2018-06-22 | 北京农业信息技术研究中心 | 籽粒成分含量的测量方法及测量装置 |
US10186029B2 (en) | 2014-09-26 | 2019-01-22 | Wisconsin Alumni Research Foundation | Object characterization |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004063769A1 (de) * | 2004-12-30 | 2006-07-13 | Perner, Petra, Dr.-Ing. | Verfahren und Einrichtung zur automatischen und quantitativen Erfassung des Anteils von Saatgütern oder Körnerfrüchten bestimmter Qualität |
CN102960094A (zh) * | 2012-11-13 | 2013-03-13 | 北京农业信息技术研究中心 | 一种玉米考种装置及方法 |
CN103026823A (zh) * | 2012-12-25 | 2013-04-10 | 北京农业信息技术研究中心 | 基于图像实现高效率的玉米果穗考种方法和装置 |
CN103039154A (zh) * | 2012-12-25 | 2013-04-17 | 北京农业信息技术研究中心 | 基于图像实现高精度的玉米果穗考种方法和装置 |
-
2013
- 2013-04-19 CN CN201310139259.XA patent/CN103229614B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004063769A1 (de) * | 2004-12-30 | 2006-07-13 | Perner, Petra, Dr.-Ing. | Verfahren und Einrichtung zur automatischen und quantitativen Erfassung des Anteils von Saatgütern oder Körnerfrüchten bestimmter Qualität |
CN102960094A (zh) * | 2012-11-13 | 2013-03-13 | 北京农业信息技术研究中心 | 一种玉米考种装置及方法 |
CN103026823A (zh) * | 2012-12-25 | 2013-04-10 | 北京农业信息技术研究中心 | 基于图像实现高效率的玉米果穗考种方法和装置 |
CN103039154A (zh) * | 2012-12-25 | 2013-04-17 | 北京农业信息技术研究中心 | 基于图像实现高精度的玉米果穗考种方法和装置 |
Non-Patent Citations (3)
Title |
---|
吕良: "玉米考种样取样有新法", 《四川农业科技》 * |
曹婧华等: "玉米考种***的设计与实现", 《长春师范学院学报》 * |
郭艳艳等: "数字图像处理技术在玉米种植中的应用", 《中国种业》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103983333B (zh) * | 2014-05-18 | 2016-08-31 | 山西省农业科学院小麦研究所 | 一种小麦穗粒数测定方法 |
CN103983333A (zh) * | 2014-05-18 | 2014-08-13 | 山西省农业科学院小麦研究所 | 一种小麦穗粒数测定方法 |
US10186029B2 (en) | 2014-09-26 | 2019-01-22 | Wisconsin Alumni Research Foundation | Object characterization |
CN104656516A (zh) * | 2015-01-22 | 2015-05-27 | 中国农业大学 | 一种玉米分散考种数据采集*** |
CN104865259A (zh) * | 2015-05-07 | 2015-08-26 | 中国农业大学 | 掉落式玉米果穗穗部全息性状快速测量***及方法 |
CN105009731A (zh) * | 2015-06-30 | 2015-11-04 | 华中农业大学 | 玉米考种方法及其*** |
CN105009731B (zh) * | 2015-06-30 | 2017-11-07 | 华中农业大学 | 玉米考种方法及其*** |
CN105027732B (zh) * | 2015-07-09 | 2017-06-20 | 北京农业信息技术研究中心 | 玉米果穗考种的方法及*** |
CN105027732A (zh) * | 2015-07-09 | 2015-11-11 | 北京农业信息技术研究中心 | 玉米果穗考种的方法及*** |
CN105766128A (zh) * | 2016-03-04 | 2016-07-20 | 北京农业智能装备技术研究中心 | 高通量全自动玉米考种流水线装置 |
CN105766128B (zh) * | 2016-03-04 | 2018-09-11 | 北京农业智能装备技术研究中心 | 高通量全自动玉米考种流水线装置 |
CN108195724A (zh) * | 2017-12-04 | 2018-06-22 | 北京农业信息技术研究中心 | 籽粒成分含量的测量方法及测量装置 |
CN108195724B (zh) * | 2017-12-04 | 2020-06-30 | 北京农业信息技术研究中心 | 籽粒成分含量的测量方法及测量装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103229614B (zh) | 2014-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103229614B (zh) | 玉米果穗自动考种方法 | |
CN101905215B (zh) | 数字化水稻考种机 | |
CN105203543B (zh) | 基于机器视觉的整箱红提葡萄果粒大小分级装置及其方法 | |
CN102384767B (zh) | 一种设施作物生长信息无损检测装置和方法 | |
CN105181714B (zh) | 一种基于图像处理的瓶装液体杂质检测***及其检测方法 | |
CN202382768U (zh) | 一种设施作物生长信息无损检测装置 | |
CN203661799U (zh) | 种猪选育智能测定设备 | |
CN104737707A (zh) | 一种联合收获机清选含杂率自适应控制装置及自适应清洗方法 | |
CN103752531A (zh) | 一种基于机器视觉的烟叶分拣机 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN105783990B (zh) | 一种用于玉米果穗室内精确考种的全景图像测量*** | |
CN203156758U (zh) | 一种用于球状果实自动采摘器的末端执行机构 | |
CN105806751A (zh) | 一种联合收割机粮箱中谷物破碎在线监测***及方法 | |
CN106370667A (zh) | 一种玉米籽粒品质视觉检测装置及方法 | |
CN202548896U (zh) | 一种钢材包装参数的测量*** | |
CN108037123A (zh) | 一种杂交稻钵体盘播种性能参数精密检测方法 | |
CN105447860B (zh) | 一种麦苗计数方法 | |
CN103026823B (zh) | 基于图像实现高效率的玉米果穗考种方法和装置 | |
CN207408272U (zh) | 基于线阵列相机和x射线双模式成像的水稻粒型参数测量装置 | |
CN107886497A (zh) | 一种基于图像的小麦旗叶无损自动检测及测量方法 | |
CN203664217U (zh) | 一种基于机器视觉的烟叶分拣机 | |
CN114858984A (zh) | 厚皮甜瓜种质资源商品性数据采集装置及采集与分析方法 | |
CN207570782U (zh) | 一种花园剪刀疲劳测试仪 | |
CN217857431U (zh) | 一种基于机器视觉的三七切片质量分级*** | |
CN106172082A (zh) | 用于分析肉禽生长性能自动测量***扰动数据的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |