CN105092494B - 一种基于多波段led阵列的谷粒分类方法及*** - Google Patents
一种基于多波段led阵列的谷粒分类方法及*** Download PDFInfo
- Publication number
- CN105092494B CN105092494B CN201510424945.0A CN201510424945A CN105092494B CN 105092494 B CN105092494 B CN 105092494B CN 201510424945 A CN201510424945 A CN 201510424945A CN 105092494 B CN105092494 B CN 105092494B
- Authority
- CN
- China
- Prior art keywords
- grain
- light
- led array
- multiband
- signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 23
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 23
- 239000010703 silicon Substances 0.000 claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 18
- 230000007246 mechanism Effects 0.000 claims abstract description 14
- 230000007723 transport mechanism Effects 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000005622 photoelectricity Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 235000013339 cereals Nutrition 0.000 description 30
- 241000209149 Zea Species 0.000 description 11
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 10
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 10
- 235000005822 corn Nutrition 0.000 description 10
- 241001269238 Data Species 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 239000010977 jade Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- QCVGEOXPDFCNHA-UHFFFAOYSA-N 5,5-dimethyl-2,4-dioxo-1,3-oxazolidine-3-carboxamide Chemical compound CC1(C)OC(=O)N(C(N)=O)C1=O QCVGEOXPDFCNHA-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000003643 Callosities Diseases 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 108010073032 Grain Proteins Proteins 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000014103 egg white Nutrition 0.000 description 1
- 210000000969 egg white Anatomy 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004298 light response Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于多波段LED阵列的谷粒分类方法及***。向在输送中的谷粒发射多次入射光，经谷粒漫反射后通过硅光电池接收光信号并转换为电信号，获得不同波长下的光强电压信号，将光强电压信号通过预设的分类模型处理转换为该谷粒的分类结果，根据分类结果对被测谷粒进行分类；包括传送机构、光强检测采集装置、单片机和分类操作机械机构，光强检测采集装置包括多波段LED阵列、印刷电路板和反射光强信号采集***。本发明利用了LED具有很好单色性的特点，生成所需特定波长的入射光，实现了多波段光谱数据的采集。
Description
技术领域
本发明涉及了多光谱检测领域，特别涉及了一种基于多波段LED阵列的谷粒分类方法及***，利用多光谱技术检测目标物内部成分含量，属于光学无损检测技术领域。
背景技术
玉米作为禾本科、玉蜀黍属一年生高大草本，是世界上分布最广泛的粮食作物之一，种植面积仅次于小麦和水稻而居第三位，是人类社会生存和发展的重要粮食作物和重要饲料来源，也是全世界总产量最高的粮食作物。玉米被广泛用于口粮消费、牲畜饲料的原料、化学产品的原材料。
近年来，优良的杂交玉米品种越来越得到人们的重视，而与此同时，伴随着假玉米种子坑农、害农事件的不断发生，玉米品种的鉴别成为了保障农业生产的一个重要问题。另外，品种鉴别对新品种的培育也起着积极的作用。所以对玉米的品质品种进行准确、无损、高效的检测分类是十分有必要的。
现有多光谱的研究和应用最多的是近红外光谱分析，其原理是不同基团产生的光谱在吸收峰位置和强度都有显著差异，并随样品组成的变化其光谱特征也发生变化。而粮食中含有蛋白质、脂肪、糖、淀粉和纤维等有机成分，他们在近红外区域有丰富的吸收光谱，每种成分都有特定的吸收特征，这些吸收特征为近红外光谱定量分析提供了依据。
发明内容
本发明的目的是提供一种基于多波段LED阵列的谷粒分类方法及***，使用多波段LED阵列作为光源，可用于不同检测目标及检测成分谷粒的分类。
本发明采用如下技术方案：
一、一种基于多波段LED阵列的谷粒分类方法，包括如下步骤：
向在输送中的谷粒发射多次入射光，经谷粒漫反射后通过硅光电池接收光信号并转换为电信号，获得不同波长下的光强电压信号，将光强电压信号通过通过预设的分类模型处理转换为该谷粒的分类结果，根据分类结果对被测谷粒进行分类。
所述发射多次入射光为依次发射不同峰值波长的光。
所述的光强电压信号是由硅光电池通过光电效应生成的光电流经集成运算放大器的比例放大转换获得，集成运算放大器可采用如图4所示的电路。
所述的入射光的各个峰值波长均在硅光电池的相对光谱灵敏度范围内，使得硅光电池在所有使用的LED波长下均有光电效应。
所述不同峰值波长需根据谷粒检测目标的不同和谷粒检测成分的不同而定。
所述集成运算放大器的比例放大电路的放大倍数需要根据硅光电池对反射光的响应灵敏度进行选择，使得放大后的电压在一个适宜的区间。
所述分类模型的建立方法以及分类参数的选择需根据不同建模方法的实际效果进行选择和使用。
二、一种基于多波段LED阵列的谷粒分类***：
包括传送机构，用于输送谷粒至分类操作机械机构上方；传送机构包括输送带、直流减速电机和固定台，固定台上开有一道矩形槽，输送带安装在矩形槽内，输送带的主动轮连接直流减速电机的输出轴，由直流减速电机带动输送带运动，分类操作机械机构位于输送带出口处的矩形槽正下方；
包括光强检测采集装置，位于传送机构正上方，向谷粒发射光并将采集获得谷粒反射的光强电压信号传送到单片机；
包括单片机，光强检测采集装置经单片机连接分类操作机械机构，将谷粒反射的光强电压信号处理转换为谷粒的分类信号；
包括分类操作机械机构，由单片机传送来的分类信号对传送机构传送来的谷粒执行谷粒分类操作，进行分拣；分类操作机械机构包括舵机和分向板，舵机的输出轴与分向板连接，分向板位于输送带出口处的矩形槽的正下方。
光强检测采集装置包括多波段LED阵列、印刷电路板和反射光强信号采集***，多波段LED阵列和反射光强信号采集***均安装在印刷电路板的底面，印刷电路板位于传送机构的输送带正上方，反射光强信号采集***位于多波段LED阵列的中心。
多波段LED阵列和反射光强信息采集***均焊接在印刷电路板上，然后安装在检测平台顶部，同时需将印刷电路板围起形成暗室环境，消除环境光对检测过程的干扰；输送带用于将被测目标从暗室环境外送至暗室内的聚焦镜头下，输送带及镜头视野内背景选择黑色，以此来减少背景反射光的干扰并降低反射光信号的噪音干扰。
反射光强信息采集***包括硅光电池、聚焦镜头和集成运算放大器，聚焦镜头竖直向下安装，并使聚焦镜头的焦点位于硅光电池的照射敏感区，硅光电池固定在印刷电路板底面，硅光电池经集成运算放大器连接单片机，集成运算放大器可采用如图4所示的电路。
反射光强信息采集***需要通过聚焦透镜将来自检测目标的反射光聚焦，从而汇聚在硅光电池的照射敏感区；聚焦后的反射光信号更强，环境光对***的的干扰减弱；同时，需要调整聚焦透镜的视野，使得其视野略大于被测籽粒，被测籽粒应占据聚焦镜头视野的80％左右。
硅光电池光电转换后的电信号通过集成运算放大器进行信号的放大、滤波、模数转换；电信号的放大采用集成运算放大器的比例放大电路，集成运算放大器可采用如图4所示的电路，模数转换通过单片机内部集成的模数转换器来完成。反射光强信息采集***，获得不同波段反射光的光强电压信号的模数转换值后，将数据发送至计算机。
比例放大电路如图4所示，放大器OP37G的正负极输入端分别连接电阻R19和电阻R20，放大器OP37G的输出端与负极输入端之间并联有电容C2、电阻R21，放大器OP37G的输出端经电阻R22和电容C1后接地。
所述的多波段LED阵列包括沿圆周依次均布阵列的三组相同的LED灯组，每组LED灯组均包括多个不同的LED灯，三组LED灯组中LED灯的排列顺序均相同，每组中各个LED灯的峰值波长均不相同，所有LED灯朝向反射光强信息采集***正下方传送谷粒的传送机构输送带上。
组内以及组间LED均匀分布，形成均匀对称分布的光源，使得光源照射均匀适宜；多波段LED阵列安装后，需要进行光源照射方向的调整，使得所有LED灯朝向反射光强信息采集***正下方传送谷粒的输送带上，同峰值波长的个LED点亮后形成一个均匀的光斑，照射在检测谷粒的目标表面。
所述的多波段LED阵列用三极管来控制亮灭，包括沿圆周依次均布阵列的三组相同的LED灯组，三组LED灯组中各峰值波长相同的三个LED灯依次串联后一端经限流电阻RC连接到三极管集电极，另一端接电源，三极管发射极接地，三极管基极经限流电阻RB连接单片机的控制端。如图5所示，三个LED灯串联后经电阻R11连接到三极管Q1集电极，三极管Q1基极经电阻R1接单片机。
本发明还可包括连接单片机的计算机，用于记录并处理光强电压信号，并发送分类信号至单片机。另一方面，检测平台外的计算机可作为上位机，单片机作为下位机，通过数据线与作为检测平台控制核心的单片机相连，可控制输送带的运行、多波段LED阵列的亮灭、分类操作机械机构的运行，并控制反射光强信息采集***的数据采集。
本发明的有益效果是：
本发明方法采用多波段LED阵列的手段，通过检测不同波长反射光强弱的方法来检测目标物及其成分的含量。
本发明通过采用硅光电池作为光电传感器的设计方法，极大地降低了装置的成本；采用一定的分类模型建立方法，建立了模数转换值与检测目标或检测成分之间的关系，实现对检测目标进行分类。
附图说明
图1为本发明***的结构示意图之一。
图2为本发明***的结构示意图之二。
图1和图2中：1为被测谷粒；2为输送带；3为多波段LED阵列；4为反射光强信息采集***；5为单片机；6为数据线；7为计算机；8为舵机；9为印刷电路板；10为直流减速电机；11为分向板。
图3为本发明多波段LED阵列的阵列结构示意图；
图3中：A～I为不同峰值波长的多波段LED阵列；J为聚焦镜头及硅光电池的安装位；其中多波段LED阵列数量及峰值波长需要根据实际检测的需要进行选择。
图4为本发明对硅光电池光电效应的比例放大电路。
图5为多波段LED阵列的控制电路。
图6为本发明***整体运行流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明方法和***可采集多个特定波长下谷粒的反射光强电压信号，然后通过一定的模型建立方法，建立其模数转换值与检测目标或检测成分之间的关系，并通过分类模型处理后对检测目标进行分类。
本发明的实施例及其具体工作过程如下：
如图1和图2所示，具体实施中由直流减速电机10带动输送带2，被测谷粒1被送至反射光强信息采集***4的聚焦镜头下，多波段LED阵列3依次提供多个特定波长的入射光，单片机5结合印刷电路板9及其***电路依次对反射光的电压信号进行模数转换，计算机7通过数据线6来获取单片机5发送的的数据，舵机8和分向板11组合作为分类操作机械机构。
如图3所示，多波段LED阵列3的A～I在本实例当中由9个不同峰值波长的LED组成，取3组27个形成均匀分布的圆。
其中蓝色、绿色、红色、850nm、940nm的LED采用市售的普通LED，810nm、910nm、980nm、1050nm的LED购买自华尚光电(香港)股份有限公司。使用圆形均匀分布，并调整入射光方向，获得汇聚在聚焦镜头下方且照度均匀适宜的照射光。
本实施例中，计算机可通过对学习训练样本所得模数转换值进行偏最小二乘法建模，获得偏最小二乘模型的各个参数以及二值化分类的阈值，从而可以对玉米籽粒按照蛋白质含量进行分类。
本实施例中，采用蛋白质含量具有显著差异，而其他方面差异很小的郑单958和安玉13两种玉米作为被测对象，采集两种籽粒各若干颗通过本发明装置的多波段数据。
采集所得的数据被保存为文本文档，然后以保存的多波段反射光模数转换数据作为自变量，进行多自变量单因变量的偏最小二乘法建模，其中因变量值按玉米籽粒蛋白质含量高低的不同设定为Y＝500和Y＝0，从而获得偏最小二乘模型的各个系数。
再将这些多波段数据代回建立的偏最小二乘模型，计算每个样本的模型计算值，取两类玉米籽粒模型计算均值的均值作为分类阈值。
本发明实施例的具体工作过程如下：
如图6所示，被测籽粒1置于输送带2上，通过直流减速电机10的带动，将被测籽粒1向前输送。点亮红色LED，反射光强信息采集***4在聚焦镜头下方无籽粒时，获得的反射光电压信号模数转换值较低；当聚焦镜头下有籽粒时，模数转换值较高。利用该显著差异，实现“软触发”检测有无籽粒进入镜头视野。
当籽粒被输送至聚焦镜头下时，LED按照峰值波长的不同被依次点亮，当相同峰值波长的3个LED被点亮后，反射光强信息采集***4采集籽粒在该波长光照射下的反射光电压信号的模数转换值。随后单片机5关闭该波长的3个LED，点亮下一组的3个峰值波长相同的LED，重复上述采集过程，直至9组多波段反射光模数转换数据全部采集完毕。随后单片机5将9组数据发送至计算机7。
当进行学习训练时，计算机将所得的9组多波段数据以及按籽粒蛋白质含量高低的不同设定为Y＝500和Y＝0的值保存在历史数据单元当中。完成所有样本的数据采集后，保存数据并进行偏最小二乘建模。在本实施例中，分类模型具体为：
Y＝-559.13-1.24′V470nm+8.47′V525nm-2.60′V625nm+1.72′V810nm+1.43′V850nm
-6.15′V910nm-9.74′V940nm+2.32′V980nm+9.80′V1050nm
式中，Y为模型计算值，V为不同波长照射下的光强电压信号的模数转换值，下标表示不同波长值。
当进行分类检测时，将所得的9组多波段数据发送至上位机，计算机依据学习训练样本获得的偏最小二乘模型的各个系数以及籽粒蛋白质分类的阈值(本例采用均值法，阈值为249.97)，计算并判断该颗籽粒所属的类别。随后将判断结果发送至单片机5，单片机5接收后控制舵机8的转向，从而控制分向板11的朝向，使得被测籽粒1按蛋白质含量高低的不同落向左右两侧的两个不同方向。
在此实例的扩展应用当中也可不选取810nm、850nm、910nm、940nm、980nm、1050nm的波长，而是针对不同检测对象、不同检测成分对特定波长的吸收特性不同来选取其它适宜的特定波长作为LED的峰值波长，以实现不同目标、不同成分含量差异的分类。
本实施例，采用400颗安玉13和400颗郑单958为学习训练样本，400颗安玉13和400颗郑单958为分类检测样本。通过多次实施检测，得到的准确率结果为：安玉13为82.75％，郑单958为77.50％。
由此可见，本发明方法采用多波段LED阵列的手段能有效地对检测目标物及其成分含量的不同进行分类，降低了成本，建立了模数转换值与检测目标或检测成分之间的关系，实现对检测目标进行分类，并具有较高的准确率和技术效果。
Claims (7)
1.一种基于多波段LED阵列的谷粒分类方法，其特征在于
所述方法采用以下装置实施：
包括传送机构，用于输送谷粒至分类操作机械机构上方；传送机构包括输送带（2）、直流减速电机（10）和固定台，固定台上开有一道矩形槽，输送带（2）安装在矩形槽内，输送带（2）的主动轮连接直流减速电机（10）的输出轴，由直流减速电机（10）带动输送带（2）运动，分类操作机械机构位于输送带（2）出口处的矩形槽正下方；
包括光强检测采集装置，位于传送机构正上方，向谷粒发射光并将采集获得谷粒反射的光强电压信号传送到单片机；
所述的光强检测采集装置包括多波段LED阵列（3）、印刷电路板（9）和反射光强信号采集***（4），多波段LED阵列（3）和反射光强信号采集***（4）均安装在印刷电路板（9）的底面，印刷电路板（9）位于传送机构的输送带（2）正上方，反射光强信号采集***（4）位于多波段LED阵列（3）的中心；反射光强信息采集***（4）采集谷粒在光照射下的反射光电压信号的模数转换值；
所述的反射光强信息采集***（4）包括硅光电池、聚焦镜头和集成运算放大器，聚焦镜头竖直向下安装，并使聚焦镜头的焦点位于硅光电池的照射敏感区，硅光电池固定在印刷电路板（9）底面，硅光电池经集成运算放大器连接单片机；
包括单片机，光强检测采集装置经单片机连接分类操作机械机构；
包括分类操作机械机构，由单片机传送来的分类信号对传送机构传送来的谷粒执行谷粒分类操作，进行分拣；分类操作机械机构包括舵机（8）和分向板（11），舵机（8）的输出轴与分向板（11）连接，分向板（11）位于输送带（2）出口处的矩形槽的正下方；
所述方法包括如下步骤：
经光强检测采集装置的多波段LED阵列（3）向在输送中的谷粒发射多次入射光，经谷粒漫反射后通过反射光强信息采集***（4）的硅光电池接收光信号并转换为电信号，获得不同波长下的光强电压信号，将光强电压信号通过预设的分类模型处理转换为该谷粒的分类结果，根据分类结果对被测谷粒（1）进行分类。
2.根据权利要求1所述的一种基于多波段LED阵列的谷粒分类方法，其特征在于：所述发射多次入射光为依次发射不同峰值波长的光。
3.根据权利要求1所述的一种基于多波段LED阵列的谷粒分类方法，其特征在于：所述的光强电压信号是由硅光电池通过光电效应生成的光电流经比例放大转换获得。
4.根据权利要求1所述的一种基于多波段LED阵列的谷粒分类方法，其特征在于：所述的入射光的各个峰值波长均在硅光电池的相对光谱灵敏度范围内，使得硅光电池在所有使用的LED波长下均有光电效应。
5.根据权利要求1所述的一种基于多波段LED阵列的谷粒分类方法，其特征在于：所述不同峰值波长需根据谷粒检测目标的不同和谷粒检测成分的不同而定。
6.根据权利要求1所述的一种基于多波段LED阵列的谷粒分类方法，其特征在于：所述的多波段LED阵列（3）包括沿圆周依次均布阵列的三组相同的LED灯组，每组LED灯组均包括多个不同的LED灯，三组LED灯组中LED灯的排列顺序均相同，每组中各个LED灯的峰值波长均不相同，所有LED灯朝向反射光强信息采集***（4）正下方的传送机构上。
7.根据权利要求1所述的一种基于多波段LED阵列的谷粒分类方法，其特征在于：所述的多波段LED阵列（3）包括沿圆周依次均布阵列的三组相同的LED灯组，三组LED灯组中各峰值波长相同的三个LED灯依次串联后一端经限流电阻RC连接到三极管集电极，另一端接电源，三极管发射极接地，三极管基极经限流电阻RB连接单片机的控制端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510424945.0A CN105092494B (zh) | 2015-07-17 | 2015-07-17 | 一种基于多波段led阵列的谷粒分类方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510424945.0A CN105092494B (zh) | 2015-07-17 | 2015-07-17 | 一种基于多波段led阵列的谷粒分类方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105092494A CN105092494A (zh) | 2015-11-25 |
| CN105092494B true CN105092494B (zh) | 2018-02-06 |
Family
ID=54573411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510424945.0A Active CN105092494B (zh) | 2015-07-17 | 2015-07-17 | 一种基于多波段led阵列的谷粒分类方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105092494B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114235154A (zh) * | 2021-11-18 | 2022-03-25 | 深圳市艾比森光电股份有限公司 | 灯板墨色检测装置及实现方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1353304A (zh) * | 2001-12-05 | 2002-06-12 | 单凯 | 一种对谷物进行品质检测的方法及其装置 |
| CN1687749A (zh) * | 2005-04-01 | 2005-10-26 | 中国农业大学 | 一种畜禽肉类新鲜度无损快速检测的方法及装置 |
| CN102284428A (zh) * | 2011-05-12 | 2011-12-21 | 浙江大学 | 谷物实时检测与分级的机器视觉*** |
| CN102854148A (zh) * | 2012-08-30 | 2013-01-02 | 中国农业大学 | 基于多光谱图像技术的生鲜牛肉嫩度检测分级*** |
| 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 |
| CN103760163A (zh) * | 2014-01-26 | 2014-04-30 | 东北农业大学 | 实时监测大豆籽粒精选的装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100389906B1 (ko) * | 2001-05-09 | 2003-07-04 | 삼성전자주식회사 | 목적물의 성분 농도 측정 장치 및 방법 |
-
2015
- 2015-07-17 CN CN201510424945.0A patent/CN105092494B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1353304A (zh) * | 2001-12-05 | 2002-06-12 | 单凯 | 一种对谷物进行品质检测的方法及其装置 |
| CN1687749A (zh) * | 2005-04-01 | 2005-10-26 | 中国农业大学 | 一种畜禽肉类新鲜度无损快速检测的方法及装置 |
| CN102284428A (zh) * | 2011-05-12 | 2011-12-21 | 浙江大学 | 谷物实时检测与分级的机器视觉*** |
| CN102854148A (zh) * | 2012-08-30 | 2013-01-02 | 中国农业大学 | 基于多光谱图像技术的生鲜牛肉嫩度检测分级*** |
| 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 |
| CN103760163A (zh) * | 2014-01-26 | 2014-04-30 | 东北农业大学 | 实时监测大豆籽粒精选的装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105092494A (zh) | 2015-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102072883B (zh) | 农作物种子综合品质检测装置及方法 | |
| CN101718683B (zh) | 快速检测叶片叶绿素含量的建模方法及检测方法 | |
| JP5898388B2 (ja) | 食品の品質をスコア付け及び制御するための方法及び装置 | |
| El-Faki et al. | Weed detection using color machine vision | |
| CN110231341A (zh) | 一种水稻种子内部裂纹在线检测装置及其检测方法 | |
| CN107952696A (zh) | 一种适用于鲜烟叶的检测分级装置及检测方法 | |
| CN112345458A (zh) | 一种基于无人机多光谱影像的小麦产量估测方法 | |
| Belyakov et al. | Photoluminescent control ripeness of the seeds of plants | |
| CN104034710A (zh) | 基于叶绿素荧光及成像技术的植物病害检测方法及装置 | |
| Pearson et al. | A multispectral sorting device for wheat kernels | |
| CN105092494B (zh) | 一种基于多波段led阵列的谷粒分类方法及*** | |
| CN112083438A (zh) | 基于高光谱激光雷达的室内霉菌检测装置及方法 | |
| Haff et al. | A multispectral sorting device for isolating single wheat kernels with high protein content | |
| CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
| CN106404680A (zh) | 用于柑橘黄龙病田间快速现场检测的装置和方法 | |
| CN112098415B (zh) | 一种杨梅品质无损检测方法 | |
| CN206331487U (zh) | 一种基于机器视觉的农产品体积快速测量装置 | |
| CN109765190B (zh) | 一种利用高光谱成像技术识别稻田稗草的方法 | |
| CN107255624A (zh) | 一种快速简便测定迷力菌子实体中蛋白质含量的方法 | |
| CN203337550U (zh) | 多光谱在线快速无损检测羊肉品质的装置 | |
| CN208459268U (zh) | 一种血蛋检测装置 | |
| CN203241352U (zh) | 近红外谷物分拣装置 | |
| CN115201119B (zh) | 一种苹果表面损伤检测装置及方法 | |
| CN207057052U (zh) | 一种分时led双红外在线物料分选装置 | |
| CN107764767A (zh) | 实时检测联合收割机的谷物蛋白质和水分含量的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |