CN105548124A - 一种柑橘溃疡病的检测方法和装置 - Google Patents

一种柑橘溃疡病的检测方法和装置 Download PDF

Info

Publication number
CN105548124A
CN105548124A CN201610068533.2A CN201610068533A CN105548124A CN 105548124 A CN105548124 A CN 105548124A CN 201610068533 A CN201610068533 A CN 201610068533A CN 105548124 A CN105548124 A CN 105548124A
Authority
CN
China
Prior art keywords
fluorescence
citrus
image
tangerines
oranges
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
Application number
CN201610068533.2A
Other languages
English (en)
Other versions
CN105548124B (zh
Inventor
岑海燕
翁海勇
高大海
刘飞
何勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201610068533.2A priority Critical patent/CN105548124B/zh
Publication of CN105548124A publication Critical patent/CN105548124A/zh
Application granted granted Critical
Publication of CN105548124B publication Critical patent/CN105548124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明涉及一种柑橘溃疡病的检测方法，包括如下步骤：进行暗适应处理，使用叶绿素荧光成像仪和RGB相机获取荧光信息以及RGB图像，计算叶绿素荧光参数、颜色特征和纹理特征；利用偏最小二乘判别分析法判别模型来区分柑橘是否染病；对染病的待测柑橘读取荧光图像，应用高斯混合模型进行分析计算病害的面积，实现染病程度的定量分析。本发明还涉及一种柑橘溃疡病的检测装置，通过融合叶绿素荧光成像技术和RGB成像技术，可连续自动化地检测幼果期、青果期和成熟期等不同生长期以及不同病害程度的柑橘果实溃疡病。

Description

一种柑橘溃疡病的检测方法和装置
技术领域
本发明涉及植物溃疡病的检测领域，具体涉及一种柑橘溃疡病的检测方法和装置。
背景技术
柑橘溃疡病是柑橘最严重的细菌性病害之一，果农因此遭受严重的经济损失，在商业贸易活动中被列为强制性检疫疾病。在自然条件下，该病菌可随风雨传播、扩散，主要侵染途径为气孔、皮孔或伤口，可侵染植物的叶片、叶茎、枝条以及果实，导致植物体的衰弱和枯死，严重的情况下能造成植株大量落叶、落果，甚至全株死亡；染病果实即使未脱落，也会在其表皮形成开裂、结疤状溃疡斑，大大降低果实的外观、品相，对其销售和出口造成不良影响。且该病菌传播能力强，一旦在新区发生，则需要大量的人力物力进行防治，造成很大的经济损失。
目前，柑橘溃疡病的无损检测方法主要包括RGB成像技术、热红外成像以及高光谱成像技术，并且检测对象主要集中在柑橘叶片和成熟期的果实，对幼果期和青果期柑橘果实染病的研究较少。RGB成像检测技术只适用于病害显现之后，但此时对病情的控制为时已晚；热红外成像检测技术的准确率容易受到外界环境(如天气状况、测量时间和温度等)的影响；高光谱成像技术结合了传统图像技术和光谱技术的优势，能够同时获取样品的空间信息和光谱信息，但由于高光谱图像的数据量巨大、数据冗余严重，目前主要应用于实验室的离线分析。
柑橘受到溃疡病胁迫时，其光合作用会受到影响，叶绿素荧光作为植物光合作用的探针，能跟踪植物光合作用过程中光能的捕获、传递和利用。叶绿素荧光成像技术既能可视化植物的代谢状态，也可分析不同状态下植物光合作用活动的异质性。中国发明专利(CN104034710A)公开一种基于叶绿素荧光及成像技术的植物病害检测方法及装置。该装置放置于光照箱内，蓝色LED灯作为激发光源，呈等边三角形结构，能实现稳定均匀的光照，用于激发植物叶片的叶绿素荧光，彩色高速相机和可调镜头前置红色滤光片，用于过滤干扰光，采集叶绿素荧光图像。通过图像预处理、图像分割和特征提取等步骤，可以将叶片与背景分离，获得以主叶脉为中心位置的像素区域的子图像，并计算叶片的纹理特征和叶脉特征参数，最后通过分类器计算，可以将植物分类为健康和病害两类。该制备方法只能定性分析将植物分类为健康和病害两类，而不能继续进一步实现病害程度的定量分析和病害部位的精确定位。同时所公开的植物病害检测装置，不能实现全自动化测量。
发明内容
本发明的目的在于针对现有技术的不足，提供一种柑橘溃疡病的检测方法和装置，通过融合叶绿素荧光成像技术和RGB成像技术，可连续自动化地检测幼果期、青果期和成熟期等不同生长期以及不同病害程度的柑橘果实溃疡病。
为了达到上述目的，本发明采用的技术方案是：一种柑橘溃疡病的检测方法，包括如下步骤：
1)将待测柑橘进行暗适应处理；
2)对经过暗适应处理的待测柑橘，使用叶绿素荧光成像仪获取荧光信息，继续使用RGB相机采集RGB图像；
3)通过荧光信息和RGB图像，计算叶绿素荧光参数、颜色特征和纹理特征；
4)将上述计算所得的叶绿素荧光参数、颜色特征和纹理特征作为模型的输入变量，建立偏最小二乘判别分析模型，并用此模型来区分柑橘是否染病；
5)对染病的待测柑橘读取荧光图像，导入MATLAB软件，利用小波软阈值对所得的荧光图像进行降噪处理，应用高斯混合模型对荧光图像每点像素所对应的叶绿素荧光参数值进行聚类分析并进行图像的阈值分割，生成待测柑橘染病程度的可视化图像，计算病害的面积。
溃疡病病菌从寄主气孔、皮孔或伤口侵入，在柑橘染病组织处，组织细胞会不可避免的遭到溃疡病细菌的解离和破坏，导致该区域组织细胞的荧光强度以及纹理和颜色特征发生改变。因此，通过结合叶绿素荧光成像技术和RGB成像技术，能有效地提高柑橘溃疡病的检测精度。将叶绿素荧光参数、颜色特征和纹理特征通过偏最小二乘判别分析法建立判别模型进行分析，不仅能够实现柑橘是否染上溃疡病的判别，而且进一步应用高斯混合模型对荧光图像每点像素所对应的叶绿素荧光参数值进行聚类分析并进行图像的阈值分割，实现病害程度的定量分析和病害部位的精确定位，最终实现柑橘溃疡病的快速无损检测。
所述的步骤2)中获取荧光信息的方法：先打开测量光光源，此时将得到暗适应时的基础荧光Fo；接着打开饱和光光源，此时所测到的是暗适应后的最大荧光Fm；再接着打开光化光光源，测量光适应时的稳态荧光Fs，再关闭光化光光源；最后打开远红外光光源，测量光适应后的最小荧光Fo'。
所述的步骤3)中计算叶绿素荧光参数是指：光***Ⅱ的最大光化学量子效率Fv/Fm＝(Fm-Fo)/Fm、初始荧光Fo、非光化光系数NPQ＝Fm/Fs-1。
所述的步骤3)中RGB图像的颜色特征是指一阶矩、二阶矩和三阶矩，纹理特征是指方差、同质性、对比度、熵、二阶矩和相关性。
本发明还提供一种柑橘溃疡病的检测装置，包括检测机构、控制机构、传送带以及计算机，其中，所述的控制机构包括中控***和控制面板，控制面板和传送带分别与中控***连接，中控***与计算机连接；所述的检测机构分隔成第一密闭内腔和第二密闭内腔，两个密闭内腔之间设置中间进料升降门，第一密闭内腔设有进料升降门，第二密闭内腔设有出料升降门；所述的传送带贯穿进料升降门、中间进料升降门以及出料升降门；所述的第二密闭内腔内设置有升降平台，所述的升降平台上依次设有测距传感器、叶绿素荧光成像仪以及RGB相机；所述的测距传感器、叶绿素荧光成像仪以及RGB相机在传送带上垂直投影的位置上分别设有第一位置传感器、第二位置传感器和第三位置传感器；测距传感器以及三个位置传感器分别与中控***连接，计算机分别与叶绿素荧光成像仪和RGB相机连接，用于数据传输和分析。
上述技术方案中，中控***能够控制传送带运动以及三个升降门的开与关。同时可以通过控制面板设置初始化参数以及测距传感器与待测柑橘之间的距离，利用中控***对检测装置进行控制以及调整升降平台的高度。其中，第一位置传感器能够触发测距传感器，通过控制面板初始设置的距离调整升降平台的高度；第二位置传感器能够触发计算机打开叶绿素荧光成像仪进行荧光信息和荧光图像的采集；第三位置传感器能够触发计算机打开RGB相机进行RGB图像的采集。计算机能够接受叶绿素荧光成像仪和RGB相机的数据传输，通过建立数据模型分析数据，判断柑橘是否染病以及计算病害的面积。
作为改进，所述的传送带末端设有第四位置传感器以及回收装置。第四位置传感器能够触发回收装置对待测柑橘进行回收，完成自动化的检测过程。
作为优选，所述的叶绿素荧光成像仪具有向下凸起的棱台形状的光源装置，LED光源安装在光源装置内。作为进一步优选，所述的LED光源包括测量光光源、光化光光源、饱和光光源以及远红外光光源。
作为优选，所述的中控***以单片机MCU为中控核心。
同现有技术相比，本发明的有益效果体现在：
(1)本发明的方法及装置能够应用于不同生长期以及不同病害程度的柑橘果实溃疡病的检测；
(2)本发明的方法及装置只需设定一次参数就能够批量测量，可实现全自动化测量；
(3)本发明的方法及装置不仅能够实现柑橘是否染上溃疡病的判别，应用高斯混合模型(Gaussianmixturemodel,GMM)对荧光图像每点像素所对应的叶绿素荧光参数值进行聚类分析并进行图像的阈值分割，实现病害程度的定量分析和病害部位的精确定位，最终实现柑橘溃疡病的快速无损检测。
附图说明
图1为实施例中柑橘溃疡病的检测装置的结构示意图；
图2为实施例中升降平台上各个传感器的位置示意图；
图3为本发明方法流程图。
其中，1、进料升降门；2、传送带；3、待测柑橘；4、中间进料升降门；5、第一位置传感器；6、第二位置传感器；7、第三位置传感器；8、出料升降门；9、回收装置；10、第四位置传感器；11、RGB相机；12、升降平台；13、第二密闭内腔；14、叶绿素荧光成像仪；15、测距传感器；16、计算机；17、第一密闭内腔；18、远红外光光源；19、测量光光源；20、饱和光光源；21、光化光光源。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示，一种柑橘溃疡病的检测装置，包括检测机构、控制机构、传送带2以及计算机16，控制机构包括中控***和控制面板，控制面板和传送带2分别与中控***连接，中控***与计算机16连接；检测机构分隔成第一密闭内腔17和第二密闭内腔13，两个密闭内腔之间设置中间进料升降门4，第一密闭内腔17设有进料升降门1，第二密闭内腔13设有出料升降门8；传送带2贯穿进料升降门1、中间进料升降门4以及出料升降门8；第二密闭内腔13内设置有升降平台12，升降平台12上依次设有测距传感器15、叶绿素荧光成像仪14以及RGB相机11；测距传感器15、叶绿素荧光成像仪14以及RGB相机11在传送带2上垂直投影的位置上分别设有第一位置传感器5、第二位置传感器6和第三位置传感器7；测距传感器15以及三个位置传感器分别与中控***连接，计算机16分别与叶绿素荧光成像仪14和RGB相机11连接，用于数据传输和分析。传送带2末端设有第四位置传感器10以及回收装置9。
柑橘溃疡病具体检测流程如图3所示，将待测柑橘3放在传送带2上，传送带将待测柑橘3运送至第一密闭内腔17，关闭进料升降门1，确保不漏光。控制面板上输入暗适应时间20min，按下开始暗适应按钮开始倒计时；同时设定叶绿素荧光成像仪14的初始化参数以及测距传感器15与待测柑橘3之间的距离，由于待测样品大小直径不同，因此需要预先设定待测距离，最后保存所设定的初始化参数。
暗适应时间结束后，中控***控制中间进料升降门4打开，并同时启动传送带2将待测柑橘3运送至测量位置。首先第一位置传感器5检测到待测柑橘3后，测距传感器15测量传感器到待测柑橘3之间的当前距离，根据预先设定的距离，升降平台12调整到合适的位置。接着，第二位置传感器6和第三位置传感器7依次检测到待测柑橘3，分别产生一个触发信号，通过中控***向计算机16传输信号；计算机16根据传输信号依次开始叶绿素荧光成像仪14和RGB相机11的数据采集，中控***以单片机MCU为中控核心。
如图2所示，所述的叶绿素荧光成像仪14具有向下凸起的棱台形状的光源装置，LED光源安装在光源装置内。LED光源包括测量光光源19、光化光光源21、饱和光光源20以及远红外光光源18。叶绿素荧光成像仪14获取荧光信息的方法：先打开测量光光源19，此时将得到暗适应时的基础荧光Fo；接着打开饱和光光源20，此时所测到的是暗适应后的最大荧光Fm；再接着打开光化光光源21，测量光适应时的稳态荧光Fs，再关闭光化光光源21；最后打开远红外光光源18，测量光适应后的最小荧光Fo'。叶绿素荧光成像仪14获取相应的荧光信息，完成后，远红外光光源18关闭，叶绿素荧光成像仪14停止采样，传送带2向左移动，直到第三位置传感器7检测到样品后，传送带2暂停移动。
待测柑橘3到达RGB相机11对应的位置，RGB相机11开始采集RGB图像。完成后，RGB相机11停止采样，传送带2继续向左移动，直到第四位置传感器10检测到待测柑橘3后，产生回收信号，利用回收装置9回收样品。
根据荧光信息计算叶绿素荧光参数，光***Ⅱ的最大光化学量子效率Fv/Fm＝(Fm-Fo)/Fm、初始荧光Fo、非光化光系数NPQ＝Fm/Fs-1。其次，根据RGB图像计算颜色特征和纹理特征，颜色特征是指一阶矩、二阶矩和三阶矩，纹理特征是指方差、同质性、对比度、熵、二阶矩和相关性。将上述计算所测得的叶绿素荧光参数、RGB图像的颜色特征和纹理特征作为模型输入，输入到偏最小二乘判别分析法(partialleastsquaresdiscriminantanalysis,PLS-DA)判别模型来区分待测柑橘3是否染病。
针对染病的待测柑橘3读取荧光图像，导入MATLAB软件，利用小波软阈值对所得的图像进行降噪处理，应用高斯混合模型(Gaussianmixturemodel,GMM)荧光图像每点像素所对应的叶绿素荧光参数值进行聚类分析并进行图像的阈值分割，生成柑橘染病程度的可视化图像，计算病害的面积，并保存。测量分析完毕，下一个样品重复上述步骤。
应用本发明所述的方法和装置对柑橘青果期果实的溃疡病进行检测，正常样本对应的叶绿素荧光参数值范围为：Fv/Fm＝0.80～0.85、Fo＝170～190、NPQ＝0.55～0.65；染病样本对应的叶绿素荧光参数值范围为：Fv/Fm＜0.8、Fo＝280～320、NPQ＝0.9～0.95。
正常样本图像的RGB三个通道的前三阶颜色矩，一阶矩：Rμ＝0.21～0.72、Gμ＝0.36～0.79、Bμ＝0.11～0.71；二阶矩：Rσ＝0.01～0.06、Gσ＝0.01～0.06、Bσ＝0.01～0.12；三阶矩：Rθ＝-0.06～0.05、Gθ＝-0.07～0.04、Bθ＝-0.04～0.11；染病样本图像的RGB三个通道的前三阶颜色矩，一阶矩：Rμ＝0.13～0.47、Gμ＝0.13～0.47、Bμ＝0.14～0.60；二阶矩：Rσ＝0.03～0.09、Gσ＝0.03～0.10、Bσ＝0.03～0.14；三阶矩：Rθ＝-0.06～0.07、Gθ＝-0.06～0.09、Bθ＝-0.07～0.14。基于灰度共生矩阵的纹理特征变量：正常样本图像的方差(8.91～36.04)、同质性(0.93～0.99)、对比度(0.002～0.13)、熵(0.01～1.14)、二阶矩(0.38～0.96)和相关性(0.26～0.89)；染病样本图像的方差(3.9～20)、同质性(0.83～0.98)、对比度(0.03～0.35)、熵(0.19～1.96)、二阶矩(0.18～0.93)和相关性(0.18～0.85)。将上述的叶绿素荧光参数、颜色特征和纹理特征输入到偏最小二乘判别分析法(partialleastsquaresdiscriminantanalysis,PLS-DA)判别模型，模型对174个样本是否染病进行判别，判别正确率达91.3％。
将荧光图像导入MATLAB，采用小波软阈值去除图像噪声。应用高斯混合模型(Gaussianmixturemodel,GMM)对每个点像素所对应的叶绿素荧光参数值进行聚类分析,针对染病的柑橘果实，在Fv/Fm＜0.3时，为坏死组织；0.3＜Fv/Fm＜0.58时，为枯萎的组织；0.58＜Fv/Fm＜0.80时，为轻微受影响的组织；0.80＜Fv/Fm＜0.85时为健康组织。最后进行图像分割，计算病害面积和占总面积的比值。达到了定量分析柑橘的染病程度的目的。
以上所述仅为本发明的具体的实施例，凡依本发明申请专利范围所做的变化与修饰，皆应属本发明的涵盖范围。

Claims (9)

1.一种柑橘溃疡病的检测方法，其特征在于，包括如下步骤：
1)将待测柑橘进行暗适应处理；
2)对经过暗适应处理的待测柑橘，使用叶绿素荧光成像仪获取荧光信息，继续使用RGB相机采集RGB图像；
3)通过荧光信息和RGB图像，计算叶绿素荧光参数、颜色特征和纹理特征；
4)将上述计算所得的叶绿素荧光参数、颜色特征和纹理特征作为模型的输入变量，建立偏最小二乘判别分析模型，并用此模型来区分柑橘是否染病；
5)对染病的待测柑橘读取荧光图像，导入MATLAB软件，利用小波软阈值对所得的荧光图像进行降噪处理，应用高斯混合模型对荧光图像每点像素所对应的叶绿素荧光参数值进行聚类分析并进行图像的阈值分割，生成待测柑橘染病程度的可视化图像，计算病害的面积。
2.根据权利要求1所述的柑橘溃疡病的检测方法，其特征在于，所述的步骤2)中获取荧光信息的方法：先打开测量光光源，此时将得到暗适应时的基础荧光Fo；接着打开饱和光光源，此时所测到的是暗适应后的最大荧光Fm；再接着打开光化光光源，测量光适应时的稳态荧光Fs，再关闭光化光光源；最后打开远红外光光源，测量光适应后的最小荧光Fo'。
3.根据权利要求2所述的柑橘溃疡病的检测方法，其特征在于，所述的步骤3)中计算叶绿素荧光参数是指：光***Ⅱ的最大光化学量子效率Fv/Fm＝(Fm-Fo)/Fm、初始荧光Fo、非光化光系数NPQ＝Fm/Fs-1。
4.根据权利要求1所述的柑橘溃疡病的检测方法，其特征在于，所述的步骤3)中RGB图像的颜色特征是指一阶矩、二阶矩和三阶矩，纹理特征是指方差、同质性、对比度、熵、二阶矩和相关性。
5.一种柑橘溃疡病的检测装置，包括检测机构、控制机构、传送带(2)以及计算机(16)，其特征在于，所述的控制机构包括中控***和控制面板，控制面板和传送带(2)分别与中控***连接，中控***与计算机(16)连接；所述的检测机构分隔成第一密闭内腔(17)和第二密闭内腔(13)，两个密闭内腔之间设置中间进料升降门(4)，第一密闭内腔(17)设有进料升降门(1)，第二密闭内腔(13)设有出料升降门(8)；所述的传送带(2)贯穿进料升降门(1)、中间进料升降门(4)以及出料升降门(8)；所述的第二密闭内腔(13)内设置有升降平台(12)，所述的升降平台(12)上依次设有测距传感器(15)、叶绿素荧光成像仪(14)以及RGB相机(11)；所述的测距传感器(15)、叶绿素荧光成像仪(14)以及RGB相机(11)在传送带(2)上垂直投影的位置上分别设有第一位置传感器(5)、第二位置传感器(6)和第三位置传感器(7)；测距传感器(15)以及三个位置传感器分别与中控***连接，计算机(16)分别与叶绿素荧光成像仪(14)和RGB相机(11)连接，用于数据传输和分析。
6.根据权利要求5所述的柑橘溃疡病的检测装置，其特征在于，所述的传送带(2)末端设有第四位置传感器(10)以及回收装置(9)。
7.根据权利要求5所述的柑橘溃疡病的检测装置，其特征在于，所述的叶绿素荧光成像仪(14)具有向下凸起的棱台形状的光源装置，LED光源安装在光源装置内。
8.根据权利要求7所述的柑橘溃疡病的检测装置，其特征在于，所述的LED光源包括测量光光源(19)、光化光光源(21)、饱和光光源(20)以及远红外光光源(18)。
9.根据权利要求5所述的柑橘溃疡病的检测装置，其特征在于，所述的中控***以单片机MCU为中控核心。
CN201610068533.2A 2016-02-01 2016-02-01 一种柑橘溃疡病的检测方法和装置 Active CN105548124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610068533.2A CN105548124B (zh) 2016-02-01 2016-02-01 一种柑橘溃疡病的检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610068533.2A CN105548124B (zh) 2016-02-01 2016-02-01 一种柑橘溃疡病的检测方法和装置

Publications (2)

Publication Number Publication Date
CN105548124A true CN105548124A (zh) 2016-05-04
CN105548124B CN105548124B (zh) 2019-02-26

Family

ID=55827463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610068533.2A Active CN105548124B (zh) 2016-02-01 2016-02-01 一种柑橘溃疡病的检测方法和装置

Country Status (1)

Country Link
CN (1) CN105548124B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106546569A (zh) * 2016-10-31 2017-03-29 浙江大学 一种高通量的植物抗旱性突变体的筛选方法及装置
CN107677645A (zh) * 2017-11-15 2018-02-09 佛山鑫进科技有限公司 一种溃疡病计算机检测装置
CN109187478A (zh) * 2018-10-09 2019-01-11 魏泽林 一种生物样本多状态自动实验装置
CN109752376A (zh) * 2018-12-28 2019-05-14 佛山科学技术学院 一种基于计算机视觉的皇帝柑健康监测***
CN110553999A (zh) * 2019-07-04 2019-12-10 浙江大学山东工业技术研究院 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
CN110554017A (zh) * 2019-09-30 2019-12-10 福建农林大学 一种植物叶绿素荧光参数的校正方法和装置
CN110596055A (zh) * 2019-05-30 2019-12-20 浙江大学山东工业技术研究院 基于叶绿素荧光成像技术的柑橘黄龙病检测方法
CN113109327A (zh) * 2021-03-09 2021-07-13 杭州市林业科学研究院 一种山核桃树干腐病的预测方法
CN115376032A (zh) * 2022-10-25 2022-11-22 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) 一种基于图像理解的林业病虫智能识别方法及***
US11933452B2 (en) * 2019-12-18 2024-03-19 Jingdong Technology Information Technology Co., Ltd. Control device of lifting platform for detection device and detection device

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2056094A1 (en) * 2007-10-12 2009-05-06 Universiteit Hasselt Fluorescence imaging system
US20100081205A1 (en) * 2005-08-17 2010-04-01 Mazyar Zeinali Fluorophore embedded/incorporating/bridged periodic mesoporous organosilicas as recognition elements for optical sensors
CN203231966U (zh) * 2013-05-09 2013-10-09 浙江大学 一种植物叶绿素荧光检测装置
CN104034710A (zh) * 2014-06-25 2014-09-10 浙江大学 基于叶绿素荧光及成像技术的植物病害检测方法及装置
CN205484051U (zh) * 2016-02-01 2016-08-17 浙江大学 一种柑橘溃疡病的检测装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100081205A1 (en) * 2005-08-17 2010-04-01 Mazyar Zeinali Fluorophore embedded/incorporating/bridged periodic mesoporous organosilicas as recognition elements for optical sensors
EP2056094A1 (en) * 2007-10-12 2009-05-06 Universiteit Hasselt Fluorescence imaging system
CN203231966U (zh) * 2013-05-09 2013-10-09 浙江大学 一种植物叶绿素荧光检测装置
CN104034710A (zh) * 2014-06-25 2014-09-10 浙江大学 基于叶绿素荧光及成像技术的植物病害检测方法及装置
CN205484051U (zh) * 2016-02-01 2016-08-17 浙江大学 一种柑橘溃疡病的检测装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
夏江宝等: "《几种北方藤本植物光合作用效率及水分生态特征》", 1 August 2015, 中国林业出版社 *
岑海燕等: "基于光谱技术的杨梅汁品种快速鉴别方法的研究", 《光谱学与光谱分析》 *
李江波: "脐橙表面缺陷的快速检测方法研究", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106546569A (zh) * 2016-10-31 2017-03-29 浙江大学 一种高通量的植物抗旱性突变体的筛选方法及装置
CN106546569B (zh) * 2016-10-31 2019-10-15 浙江大学 一种高通量的植物抗旱性突变体的筛选方法及装置
CN107677645A (zh) * 2017-11-15 2018-02-09 佛山鑫进科技有限公司 一种溃疡病计算机检测装置
CN109187478A (zh) * 2018-10-09 2019-01-11 魏泽林 一种生物样本多状态自动实验装置
CN109752376A (zh) * 2018-12-28 2019-05-14 佛山科学技术学院 一种基于计算机视觉的皇帝柑健康监测***
CN110596055A (zh) * 2019-05-30 2019-12-20 浙江大学山东工业技术研究院 基于叶绿素荧光成像技术的柑橘黄龙病检测方法
CN110553999A (zh) * 2019-07-04 2019-12-10 浙江大学山东工业技术研究院 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
CN110554017A (zh) * 2019-09-30 2019-12-10 福建农林大学 一种植物叶绿素荧光参数的校正方法和装置
US11933452B2 (en) * 2019-12-18 2024-03-19 Jingdong Technology Information Technology Co., Ltd. Control device of lifting platform for detection device and detection device
CN113109327A (zh) * 2021-03-09 2021-07-13 杭州市林业科学研究院 一种山核桃树干腐病的预测方法
CN113109327B (zh) * 2021-03-09 2023-11-17 杭州市林业科学研究院 一种山核桃树干腐病的预测方法
CN115376032A (zh) * 2022-10-25 2022-11-22 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) 一种基于图像理解的林业病虫智能识别方法及***

Also Published As

Publication number Publication date
CN105548124B (zh) 2019-02-26

Similar Documents

Publication Publication Date Title
CN105548124A (zh) 一种柑橘溃疡病的检测方法和装置
CN101308086B (zh) 基于近红外光谱技术的水果内部品质在线检测装置
CN103063585B (zh) 瓜果成熟度快速无损检测装置及检测***建立方法
CN101251526B (zh) 鲜猪肉综合品质无损检测方法与装置
CN103278460B (zh) 一种柑橘树红蜘蛛虫害胁迫情况测试分析方法
CN100480680C (zh) 多光谱肉类新鲜度人工智能测量方法及***
CN102323221B (zh) 烟叶成熟度检测方法及检测装置
CN103257118A (zh) 一种基于特征波段的鱼肉嫩度高光谱检测方法
CN102253038B (zh) 基于嵌入式ccd图像采集的金免疫定量检测方法及装置
CN103109754B (zh) 血斑蛋在线无损检测分选设备及其方法
CN107976428B (zh) 水产品化学污染物的无损实时检测方法与装置
CN205484051U (zh) 一种柑橘溃疡病的检测装置
CN108956604A (zh) 一种基于高光谱图像技术识别中华绒螯蟹品质的方法
CN103344567B (zh) 生鲜肉无损检测装置
CN103900972B (zh) 基于多特征融合的肉类新鲜度高光谱图像可视化检测
CN204287031U (zh) 一种基于高光谱成像技术的鱼新鲜度在线无损检测装置
CN106483130B (zh) 一种水稻病害的检测方法及其自动检测装置
CN105911268A (zh) 一种胶体金试纸条检测结果自动读取仪器及其应用
CN106546569B (zh) 一种高通量的植物抗旱性突变体的筛选方法及装置
CN201156043Y (zh) 食品综合品质无损检测装置
CN102788796B (zh) 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法
CN106052564A (zh) 基于光幕体积法的蚕茧性别识别方法
CN109668857A (zh) 基于近红外高光谱图像技术的茶叶菌落总数检测装置及方法
CN203120696U (zh) 一种血斑蛋在线无损检测分选设备
CN104297136A (zh) 一种基于高光谱图像对铜绿假单胞杆菌生长预测的方法

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