CN107462528A - 一种多通道光谱检测红枣品质的方法 - Google Patents
一种多通道光谱检测红枣品质的方法 Download PDFInfo
- Publication number
- CN107462528A CN107462528A CN201710651905.9A CN201710651905A CN107462528A CN 107462528 A CN107462528 A CN 107462528A CN 201710651905 A CN201710651905 A CN 201710651905A CN 107462528 A CN107462528 A CN 107462528A
- Authority
- CN
- China
- Prior art keywords
- forming
- light spectrum
- spectrum image
- high light
- image
- 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
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- 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
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种多通道光谱检测红枣品质的方法,包括:对高光谱相机建立多个光谱成像通道,并且确定中心光谱成像通道和边缘光谱成像通道;根据高光谱相机的空间分辨率,确定待测的多个目标的检测中心距离和横向角度范围,并进行高光谱成像;依据检测精度,建立高光谱成像和参考光谱成像之间的传递模型,并结合传递模型对高光谱成像进行修正;根据高光谱成像的空间尺度关系,对高光谱成像进行修正;输出修正后的高光谱成像结果。本发明提出一种多通道光谱检测红枣品质的方法,充分利用高光谱相机在空间分辨率优势,降低了冗余信息,提高了检测速度和效率。
Description
技术领域
本发明涉及红枣品质检测技术领域,具体的说涉及一种多通道光谱检测红枣品质的方法。
背景技术
高光谱相机做农产品品质检测时,由于同时获取图像和光谱信息,所以检测速度慢,数据量大,冗余信息多,所以造成农产品品质检测的时候,检测速度慢,工作效率低。
发明内容
鉴于以上所述的技术问题,本发明实施例提供了一种多通道光谱检测红枣品质的方法,解决现有的红枣品质检测速度慢,工作效率低的问题。
本发明的发明内容是通过以下技术方案实现的:
一种多通道光谱检测红枣品质的方法,包括:
对高光谱相机建立多个光谱成像通道,并且确定中心光谱成像通道和边缘光谱成像通道;
根据高光谱相机的空间分辨率,确定待测的多个目标的检测中心距离和横向角度范围,并进行高光谱成像;
建立高光谱成像和参考光谱成像之间的传递模型,并结合传递模型对高光谱成像进行修正;
根据高光谱成像的空间尺度与光谱差异之间的对应关系,对高光谱成像进行修正;
输出修正后的高光谱成像结果。
可选择地,所述光谱成像通道的参数与高光谱相机的狭缝的参数对应。
可选择地,高光谱相机的像面最小尺寸30um*30um,狭缝的有效长度 9.6mm,宽度是30um,像面尺寸320*256,高光谱相机有256个光谱通道,单通道大小30um,横向320个像元;避免相邻通道干扰,间隔一个红枣大小,在 60cm处,像面大小为8个纯净像元,40个通道。
可选择地,还包括:通过比对边缘光谱成像通道相对于中心光谱成像通道之间的色散,建立全部光谱成像通道与中心光谱成像通道之间的线性色散关系。
可选择地,所述根据高光谱相机的空间分辨率,确定待测的多个目标的检测中心距离和横向角度范围,并进行高光谱成像,包括:
当测量物体距离改变时,光谱光斑大小发生变化,中心波长和带宽变化,引起光能量变化,受探测器灵敏度限制,以探测器确定识别多目标的中心位置距离镜头的最大距离范围和高光谱相机的推扫式角度扫描范围。
可选择地,所述建立高光谱成像和参考光谱成像之间的传递模型,包括:
对同一待测目标的同一个视角,分别采用参考光谱相机进行参考光谱成像,采用高光谱相机进行高光谱成像,比对高光谱成像与参考光谱成像之间的差异,建立高光谱成像和参考光谱成像之间的传递模型。
本发明提出一种多通道光谱检测红枣品质的方法,充分利用高光谱相机在空间分辨率优势,降低了冗余信息,提高了检测速度和效率;依据高光谱相机参数指标,设计多通道检测中心距离和横向角度范围;通过标记高光谱图像中不同通道红枣,垂直扫描方向选择光谱数据点平均;减小干扰因素,提高光谱稳定性;通过空间尺度和光谱标定实验优化设计参数;通过高光谱图像和近红外光谱图比对,修正检测结果。本发明通过多通道参数设计和优化,提升高光谱相机性能,不增加数据量的情况下,明显提高的检测工作效率。可进行多通道红枣的品质分布精细化检测;也可适当降低光谱分辨率,并进一步增加检测通道数,结合红枣品质近红外无损检测模型库,进行密集多目标红枣整体品质快速评价模型研究。该技术在枣园红枣生长状况、收购、加工、储运等,需要对多目标红枣品质快速检测领域有广泛的应用前景。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说很明显的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法,而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在下面的描述中,没有示出公知的结构和技术,以便避免对本发明造成不必要的模糊。
然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明更全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料等。在其它情况下,不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。
本发明实施例提供一种多通道光谱检测红枣品质的方法,主要包括:
一、对待测红枣的目标参数确定
1、高光谱相机空间范围确定:
当与待测量物体之间的距离改变时,光谱光斑大小发生变化,中心波长和带宽变化,引起光能量变化,受探测器灵敏度限制,以探测器确定识别多目标的中心位置距离镜头的最大距离范围和高光谱相机的推扫式角度扫描范围。
2、光谱分辨率:
边缘光谱成像通道与中心光谱成像通道分别为最弱和最强,满足光谱相机动态范围。成像光谱仪的光谱分辨率由狭缝的宽度和光学光谱仪产生的线性色散确定。最小光谱分辨率是由光学***的成像性能确定的(点扩展大小)。
3、空间距离光谱分辨率优化:
由于高光谱相机在不同中心波长的带宽不同,优先考虑近红外光谱校正模型中特征波长权重较高波长,由相机的最小像元尺寸和该波长空间分辨率,确定空间距离最大范围。依次考虑其他权重较低的波长优化,确定空间距离和多目标数目。
二、对多个待测目标进行高光谱标定
光源选择垂直扫描方向照射,线状扫描,四个灯放置实现线状均匀照明。均匀度大于90%。灯的角度和亮度两两可调,保证线状均匀性。
1、中心距离的标定:
依据高光谱相机参数指标,设定适当距离,约为50cm。设计5通道20个红枣样品做高光谱实验。测量红枣的尺寸和距离高光谱相机镜头距离,多目标红枣高光谱图像像素点的个数进行空间尺度标定。
2、横向角度的标定:
边缘光谱成像通道与中心光谱成像通道分别为最弱和最强,满足光谱相机动态范围。相机扫描横向角度设定为60度。当距离增加时,光谱能量降低,对比与近红外光谱特征峰数目差异。
3、光谱标定:
采集高光谱图像依次标记视场内红枣,沿着垂直运动方向选择高光谱数据点平均,选择较亮和较暗部分导出光谱图。增大距离,该条件下较亮和较暗部分无法分辨时,适当降低光谱分辨率提高检测通道数,进行多目标红枣整体品质快速模糊评价模型。
三、多目标品质识别和评价
1、依次对视场内红枣编号标记后,导出光谱图建立红枣高光谱数据库。测量对应红枣品质(包括水分、糖度)化学值测定,建立红枣品质高光谱检测模型。
2、按编号采集红枣品质近红外光谱,录入相应编号红枣的化学值,建立红枣近红外光谱校正模型。
3、对比红枣的高光谱和近红外检测模型结果差异,用分辨率高的近红外光谱仪,标定光谱分辨率较低的高光谱相机,进行测量结果修正和评价。
具体地:
1、设计采集距离和角度与光谱相机空间分辨率匹配的方法,依据高光谱相机的具体特征参数,像面最小尺寸30um*30um,狭缝的有效长度9.6mm,宽度是 30um,像面尺寸320*256,高光谱相机有256个光谱通道,单通道大小30um,横向320个像元。为避免多目标成像混合像元,成像至少9个像元,横向空间分辨率至少3个像元。镜头焦距20mm与物体成物象关系;确定最大通道数40 个。
2、用物理细分和光谱细分办法
选择同批次红枣样品,标记高光谱视场不同通道的红枣,垂直扫描方向选择光谱数据点平均,减小光谱干扰因素,提高稳定性,比对普通光谱仪的光谱图差异修正重构,进行光谱标定。
3、高光谱图像特征峰处理:
实验获得红枣高光谱图像的四个反射峰分别是band14 945.43nm,band651107.68nm,band122 1294.68nm,band235 1683.04nm;做红枣图像处理,利用特征波段65,122波段对红枣NDVI,band math处理,合成彩色图像获得较好的结果,能将红枣品质差异特征明显区分开。
4、通道参数优化:
推导不同波长的光谱分辨率,随距离变化关系,特征波长图像灰度共生矩阵评价参数分析。在不同中心波长和固定带宽,对图像特征的影响。设计全波段与空间距离的对应关系;通过实验和理论分析建立光谱差异和空间尺度优化关系,建立多通道红枣品质高光谱数据库和检测方法。
利用近红外光谱仪红枣品质建模,主成份分析确定特征波长权重,特征波长的权重系数依次排列,空间距离的变化关系。对高光谱相机光谱分辨率和空间分辨率性能整体优化。确定特征波长和通道数。
5、多通道检测模型:
品质接近同批次样品,建立不同距离面积的高光谱数据库,考虑品质面积分布因素,通过图像密度分割建立红枣高光谱数据库;进行单个红枣的品质分布精细化评价模型和多个红枣整体品质快速模糊评价模型;建立由中心波长和带宽确定单波长面积分布模型,红枣品质建模,作为知识库也是高光谱评价的基础。
6、检测结果及评价方法:
对比红枣的高光谱和近红外检测模型结果差异,进行测量结果修正和评价。通过实验和理论分析建立光谱差异和空间尺度优化关系,比对普通光谱仪的光谱图差异修正重构,用super1520光谱分辨率1nm对高光谱相机5nm光谱波形和吸收峰进行光谱标定。建立多通道红枣品质高光谱数据库和检测方法。
本发明提出一种多通道光谱检测红枣品质的方法,具有以下有益效果:
1、本发明依据相机参数设计采集距离和角度与光谱相机空间分辨率匹配的方法,充分利用了空间信息,降低了冗余信息;提高了检测速度。空间标定和光谱标定优化比对实验优化了参数提高了检测精度。在原来单个红枣的检测基础上,通过本发明方法,实验证明增加5*10=50个依然可以达到较好的实验结果,大大提高了检测速度和效率,不增加数据量的情况下,明显提高的检测工作效率,在高光谱技术用于农产品快速检测领域有良好的应用前景。
2、标记高光谱视场不同通道红枣,垂直扫描方向选择光谱数据点平均。减小光谱干扰因素,提高稳定性。比对普通光谱仪的光谱图差异修正重构,进行光谱标定。通过实验和理论分析建立光谱差异和空间尺度关系,结合相机参数进行整体性能优化。增加了通道数,光谱稳定性达到或接近近红外光谱的检测水平。达到了红枣品质高光谱相机多目标快速识别的预期检测效果。
3、通过与近红外光谱模型比对,可进行单个红枣的品质分布精细化评价模型,适当降低光谱分辨率提高检测通道数,进行多目标红枣整体品质快速模糊评价模型。在高光谱技术用于枣园大面积红枣品质及其他农产品快速检测和评价方面有较好的应用前景。
本领域技术人员应能理解,上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合,以取得有益效果。本领域技术人员在研究说明书及权利要求书的基础上,应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中,术语“包括”并不排除其他装置或步骤;不定冠词“一个”不排除多个;术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。
Claims (6)
1.一种多通道光谱检测红枣品质的方法,包括:
对高光谱相机建立多个光谱成像通道,并且确定中心光谱成像通道和边缘光谱成像通道;
根据高光谱相机的空间分辨率,确定待测的多个目标的检测中心距离和横向角度范围,并进行高光谱成像;
建立高光谱成像和参考光谱成像之间的传递模型,并结合传递模型对高光谱成像进行修正;
根据高光谱成像的空间尺度与光谱差异之间的对应关系,对高光谱成像进行修正;
输出修正后的高光谱成像结果。
2.如权利要求1所述的方法,其特征在于,所述光谱成像通道的参数与高光谱相机的狭缝的参数对应。
3.如权利要求2所述的方法,其特征在于,高光谱相机的像面最小尺寸30um*30um,狭缝的有效长度9.6mm,宽度是30um,像面尺寸320*256,高光谱相机有256个光谱通道,单通道大小30um,横向320个像元;避免相邻通道干扰,间隔一个红枣大小,在60cm处,像面大小为8个纯净像元,40个通道。
4.如权利要求1所述的方法,其特征在于,还包括:通过比对边缘光谱成像通道相对于中心光谱成像通道之间的色散,建立全部光谱成像通道与中心光谱成像通道之间的线性色散关系。
5.如权利要求1所述的方法,其特征在于,所述根据高光谱相机的空间分辨率,确定待测的多个目标的检测中心距离和横向角度范围,并进行高光谱成像,包括:
当测量物体距离改变时,光谱光斑大小发生变化,中心波长和带宽变化,引起光能量变化,受探测器灵敏度限制,以探测器确定识别多目标的中心位置距离镜头的最大距离范围和高光谱相机的推扫式角度扫描范围。
6.如权利要求1所述的方法,其特征在于,所述建立高光谱成像和参考光谱成像之间的传递模型,包括:
对同一待测目标的同一个视角,分别采用参考光谱相机进行参考光谱成像,采用高光谱相机进行高光谱成像,比对高光谱成像与参考光谱成像之间的差异,建立高光谱成像和参考光谱成像之间的传递模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710651905.9A CN107462528B (zh) | 2017-08-02 | 2017-08-02 | 一种多通道光谱检测红枣品质的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710651905.9A CN107462528B (zh) | 2017-08-02 | 2017-08-02 | 一种多通道光谱检测红枣品质的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107462528A true CN107462528A (zh) | 2017-12-12 |
CN107462528B CN107462528B (zh) | 2020-04-21 |
Family
ID=60548118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710651905.9A Active CN107462528B (zh) | 2017-08-02 | 2017-08-02 | 一种多通道光谱检测红枣品质的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107462528B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872140A (zh) * | 2018-05-09 | 2018-11-23 | 塔里木大学 | 一种户外监测红枣品质的方法及装置 |
CN114112989A (zh) * | 2021-12-03 | 2022-03-01 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及*** |
CN115015495A (zh) * | 2022-06-02 | 2022-09-06 | 中国农业大学 | 一种生长中球形果蔬品质动态近距离微型智能感知器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1004861A1 (de) * | 1998-11-26 | 2000-05-31 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zum Bestimmen von Konzentrations- und Temperaturverteilungen von beliebigen, vorzugsweise gasförmigen Medien |
US6822738B1 (en) * | 1995-09-20 | 2004-11-23 | J.A. Woollam Co. Inc. | Spectroscopic rotating compensator ellipsometer system with pseudo-achromatic retarder system |
CN101303291A (zh) * | 2008-06-05 | 2008-11-12 | 苏州大学 | 基于数字微镜器件的多通道多目标超光谱成像方法及*** |
CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
CN105973839A (zh) * | 2016-06-28 | 2016-09-28 | 江苏大学 | 一种高光谱批处理式农畜产品品质无损检测方法和*** |
-
2017
- 2017-08-02 CN CN201710651905.9A patent/CN107462528B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6822738B1 (en) * | 1995-09-20 | 2004-11-23 | J.A. Woollam Co. Inc. | Spectroscopic rotating compensator ellipsometer system with pseudo-achromatic retarder system |
EP1004861A1 (de) * | 1998-11-26 | 2000-05-31 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zum Bestimmen von Konzentrations- und Temperaturverteilungen von beliebigen, vorzugsweise gasförmigen Medien |
CN101303291A (zh) * | 2008-06-05 | 2008-11-12 | 苏州大学 | 基于数字微镜器件的多通道多目标超光谱成像方法及*** |
CN105954202A (zh) * | 2016-04-22 | 2016-09-21 | 浙江大学 | 一种柑橘溃疡病高光谱模型传递的方法 |
CN105973839A (zh) * | 2016-06-28 | 2016-09-28 | 江苏大学 | 一种高光谱批处理式农畜产品品质无损检测方法和*** |
Non-Patent Citations (7)
Title |
---|
DI WU, DA-WEN SUN: "Advanced applications of hyperspectral imaging technology for food quality and safety analysis and assessment: A review — Part II: Applications", 《INNOVATIVE FOOD SCIENCE AND EMERGING TECHNOLOGIES》 * |
佃袁勇: "高光谱数据反演植被信息的研究", 《中国博士论文全文数据库 基础科学辑》 * |
彭海根: "南疆红枣糖度近红外分析的模型优化研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
权石柱: "线阵列硅探测器多通道光谱仪性能评价研究", 《光学精密工程》 * |
杜霖,马盈盈等: "多光谱对地观测激光雷达接收通道选择方法", 《光学学报》 * |
蒙继华,吴炳方等: "利用Hyperion数据进行环境星HSI红边参数真实性检验", 《光谱学与光谱分析》 * |
黄传印: "基于端元差异的茶树光谱特征研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872140A (zh) * | 2018-05-09 | 2018-11-23 | 塔里木大学 | 一种户外监测红枣品质的方法及装置 |
CN114112989A (zh) * | 2021-12-03 | 2022-03-01 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及*** |
CN115015495A (zh) * | 2022-06-02 | 2022-09-06 | 中国农业大学 | 一种生长中球形果蔬品质动态近距离微型智能感知器 |
Also Published As
Publication number | Publication date |
---|---|
CN107462528B (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11454594B2 (en) | Method for identifying frostbite condition of grain seeds using spectral feature wavebands of seed embryo hyperspectral images | |
CN103063585B (zh) | 瓜果成熟度快速无损检测装置及检测***建立方法 | |
US10161796B1 (en) | LED lighting based multispectral imaging system for color measurement | |
Lu et al. | Hyperspectral imaging for safety inspection of food and agricultural products | |
CN111855595B (zh) | 一种基于黑白校准板的光谱数据校准方法 | |
Escadafal | Remote sensing of soil color: principles and applications | |
CN105842173B (zh) | 一种高光谱材质鉴别方法 | |
CN112541921A (zh) | 城市绿地植被信息数据化精准测定方法 | |
CN107462528A (zh) | 一种多通道光谱检测红枣品质的方法 | |
CN104697943A (zh) | 一种油菜水分胁迫的无损检测方法 | |
CN103048276B (zh) | 一种用于检测作物冠层叶片碳氮比的光谱指数构造方法 | |
CN104318550A (zh) | 八通道多光谱成像数据处理方法 | |
US20230251193A1 (en) | Uv-vis spectroscopy instrument and methods for color appearance and difference measurement | |
CN109001134A (zh) | 非接触式多通道水果内部缺陷检测***及方法 | |
EP3594658A1 (en) | Evaluator, measurement apparatus, evaluating method, and evaluating program | |
CN109991174A (zh) | 一种高光谱相机与普通光谱仪之间的模型转移方法 | |
CN113496218B (zh) | 一种高光谱遥感敏感波段选择方式的评价方法和*** | |
WO2016065856A1 (zh) | 一种基于滤光单元的光辐射测量方法及其装置 | |
Schut et al. | AE—Automation and Emerging Technologies: Novel Imaging Spectroscopy for Grass Sward Characterization | |
CN208736794U (zh) | 非接触式多通道水果内部缺陷检测*** | |
Yu et al. | Influence of light intensity distribution characteristics of light source on measurement results of canopy reflectance spectrometers | |
CN110487404A (zh) | 一种消除光栅光谱仪高级衍射影响的方法 | |
Stamford et al. | Spectral reflectance measurements | |
CN115586146B (zh) | 水果糖度无损检测方法 | |
CN215493143U (zh) | 一种多光谱结合pls-da区分植物叶色细微差别的*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |