CN114898000A - 考虑环境因素的红枣成熟采摘分析方法、***及终端 - Google Patents
考虑环境因素的红枣成熟采摘分析方法、***及终端 Download PDFInfo
- Publication number
- CN114898000A CN114898000A CN202210485431.6A CN202210485431A CN114898000A CN 114898000 A CN114898000 A CN 114898000A CN 202210485431 A CN202210485431 A CN 202210485431A CN 114898000 A CN114898000 A CN 114898000A
- Authority
- CN
- China
- Prior art keywords
- humidity
- historical
- picking
- light radiation
- data
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了考虑环境因素的红枣成熟采摘分析方法、***及终端,涉及农产品成熟度分析技术领域,其技术方案要点是:对历史冠层光辐射数据、历史温度数据和历史湿度数据进行曲线拟合;提取目标图像中所有红枣的总灰度信息,以及依据灰度等级区间将总灰度信息划分成多个层级灰度信息;依据光辐射拟合函数、温度拟合函数和湿度拟合函数以及灰度演变模型求解得到不同层级灰度信息的成熟时间节点;根据所有的成熟时间节点确定目标区域中红枣采摘的最优时间节点。本发明考虑了不同层次的红枣密度分布情况和层次间的具体差异情况,得到能够平衡红枣质量和经济效益适合采摘的最优时间节点,为红枣采摘提供了参考数据。
Description
技术领域
本发明涉及农产品成熟度分析技术领域,更具体地说,它涉及考虑环境因素的红枣成熟采摘分析方法、***及终端。
背景技术
农产品的采摘时间受成熟度影响,过早的采收会影响口感、风味,直接影响到产品的品质等级,而叫较晚的采摘又会影响到产品的运输、销售,直接影响了经济效益,所以农产品成熟度分析技术得以在农产品品质划分、成熟周期预测分析中得以应用。
目前,农产品成熟度分析技术主要有:(1)依据产品表面特征信息对产品成熟度进行分析,主要是依据大量样本数据训练得到分类模型进行区分的;若应用于批量产品的等级分类,则要求表面特征易于识别区分;若应用产品成熟度精准分析,则要求产品的数量较少,不然容易出现误差较大的问题,例如红枣;(2)依据产品的生长特性和环境因素构建生长模型进行预测的,其主要是应用于生长过程形态变化较大的产品,而对于生长过程形态变化较小的产品来,预测精度有效,例如红枣。
而由于红枣生长密度较大,生长过程中形态变化并不是特别明显,且受温度、湿度、光照等方面的环境因素影响,即使是同一株中上的红枣也容易出现成熟度差异较大情况。所以采用上述的农产品成熟度分析技术难以准确、大面积的对红枣成熟度进行分析。因此,如何研究设计一种能够克服上述缺陷的考虑环境因素的红枣成熟采摘分析方法、***及终端是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供考虑环境因素的红枣成熟采摘分析方法、***及终端,依据灰度信息对目标图像中的红枣进行分层次分析,能够得到不同层次所对应的成熟时间节点,最后考虑了不同层次的红枣密度分布情况和层次间的具体差异情况,得到能够平衡红枣质量和经济效益适合采摘的最优时间节点,为红枣采摘提供了参考数据。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了考虑环境因素的红枣成熟采摘分析方法,包括以下步骤:
获取目标区域的历史冠层光辐射数据、历史温度数据和历史湿度数据;
采用最小二乘法分别对历史冠层光辐射数据、历史温度数据和历史湿度数据进行曲线拟合,得到相应的光辐射拟合函数、温度拟合函数和湿度拟合函数;
获取目标区域中包含红枣的目标图像,并提取目标图像中所有红枣的总灰度信息,以及依据灰度等级区间将总灰度信息划分成多个层级灰度信息;
依据光辐射拟合函数、温度拟合函数和湿度拟合函数以及灰度演变模型求解得到不同层级灰度信息的成熟时间节点;
根据所有的成熟时间节点确定目标区域中红枣采摘的最优时间节点,得到采摘策略。
进一步的,所述灰度演变模型的计算公式具体为:
其中,y(t0+t)表示红枣生长时长为t0+t时所对应的成熟度;a为常数,由红枣品种在目标区域中的生长特性决定;表示当前时间节点t0所对应灰度值映射的成熟度;t表示距离当前时间节点的间隔时间;表示间隔时间t内所对应的环境因素影响因子均值;y0表示成熟度参考值;tb表示成熟时间节点。
进一步的,所述环境因素影响因子均值的计算公式具体为:
其中,A(i)表示光辐射在i时刻的影响因子;B(i)表示温度在i时刻的影响因子;C(i)表示湿度在i时刻的影响因子。
进一步的,所述光辐射在i时刻的影响因子计算公式具体为:
其中,RH(i)表示光辐射拟合函数;RH0表示光辐射基准值;
所述温度在i时刻的影响因子计算公式具体为:
其中,T(i)表示温度拟合函数;T0表示温度基准值;
所述湿度在i时刻的影响因子计算公式具体为:
其中,S(i)表示湿度拟合函数;S0表示湿度基准值。
进一步的,若光辐射在i时刻计算的影响因子大于第一阈值,则以第一阈值作为光辐射在i时刻的实际影响因子;
若温度在i时刻计算的影响因子大于第二阈值,则以第二阈值作为温度在i时刻的实际影响因子;
若湿度在i时刻计算的影响因子大于第三阈值,则以第三阈值作为湿度在i时刻的实际影响因子。
进一步的,所述最优时间节点的计算公式具体为:
其中,n表示总灰度信息的分层数量;tb(j)表示第j个层级灰度信息所对应的成熟时间节点;td表示最优时间节点;δj表示第j个层级灰度信息的权重系数。
进一步的,所述成熟时间节点的权重系数依据不同层级灰度信息中的红枣占比进行分配。
第二方面,提供了考虑环境因素的红枣成熟采摘分析***,包括:
数据采集模块,用于获取目标区域的历史冠层光辐射数据、历史温度数据和历史湿度数据;
曲线拟合模块,用于采用最小二乘法分别对历史冠层光辐射数据、历史温度数据和历史湿度数据进行曲线拟合,得到相应的光辐射拟合函数、温度拟合函数和湿度拟合函数;
灰度分层模块,用于获取目标区域中包含红枣的目标图像,并提取目标图像中所有红枣的总灰度信息,以及依据灰度等级区间将总灰度信息划分成多个层级灰度信息;
演变分析模块,用于依据光辐射拟合函数、温度拟合函数和湿度拟合函数以及灰度演变模型求解得到不同层级灰度信息的成熟时间节点;
策略生成模块,用于根据所有的成熟时间节点确定目标区域中红枣采摘的最优时间节点,得到采摘策略。
第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任意一项所述的考虑环境因素的红枣成熟采摘分析方法。
第四方面,一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的考虑环境因素的红枣成熟采摘分析方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明提供的考虑环境因素的红枣成熟采摘分析方法,从历史冠层光辐射数据、历史温度数据和历史湿度数据中选取对应时间节点的环境因素数据,并依据灰度信息对目标图像中的红枣进行分层次分析,能够得到不同层次所对应的成熟时间节点,最后考虑了不同层次的红枣密度分布情况和层次间的具体差异情况,得到能够平衡红枣质量和经济效益适合采摘的最优时间节点,为红枣采摘提供了参考数据;
2、本发明中的灰度演变模型考虑了环境因素在不同生长时间点对红枣成熟度的差异性影响,能够适应于对红枣处于不同生长时间节点的成熟度预测分析,适用范围广;
3、本发明通过对多种环境因素的影响因子进行融合累积处理,有效降低了成熟度分析过程的复杂度,适用于大量红枣的批次分析。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例中的流程图;
图2是本发明实施例中的***框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:考虑环境因素的红枣成熟采摘分析方法,如图1所示,包括以下步骤:
S1:获取目标区域的历史冠层光辐射数据、历史温度数据和历史湿度数据;
S1:采用最小二乘法分别对历史冠层光辐射数据、历史温度数据和历史湿度数据进行曲线拟合,得到相应的光辐射拟合函数、温度拟合函数和湿度拟合函数;
S1:获取目标区域中包含红枣的目标图像,并提取目标图像中所有红枣的总灰度信息,以及依据灰度等级区间将总灰度信息划分成多个层级灰度信息;
S1:依据光辐射拟合函数、温度拟合函数和湿度拟合函数以及灰度演变模型求解得到不同层级灰度信息的成熟时间节点;
S1:根据所有的成熟时间节点确定目标区域中红枣采摘的最优时间节点,得到采摘策略。
需要说明的是,历史冠层光辐射数据、历史温度数据和历史湿度数据主要选取同一目标区域中的历史年度或季度数据。为了避免光辐射拟合函数、温度拟合函数和湿度拟合函数中出现明显差异点,可以依据光辐射、温度、湿度之间的关联关系对光辐射拟合函数、温度拟合函数和湿度拟合函数进行插值校正处理。
本发明从历史冠层光辐射数据、历史温度数据和历史湿度数据中选取对应时间节点的环境因素数据,并依据灰度信息对目标图像中的红枣进行分层次分析,能够得到不同层次所对应的成熟时间节点,最后考虑了不同层次的红枣密度分布情况和层次间的具体差异情况,得到能够平衡红枣质量和经济效益适合采摘的最优时间节点,为红枣采摘提供了参考数据。
在本实施例中,灰度演变模型的计算公式具体为:
其中,y(t0+t)表示红枣生长时长为t0+t时所对应的成熟度;a为常数,由红枣品种在目标区域中的生长特性决定;表示当前时间节点t0所对应灰度值映射的成熟度;t表示距离当前时间节点的间隔时间;表示间隔时间t内所对应的环境因素影响因子均值;y0表示成熟度参考值;tb表示成熟时间节点。
环境因素影响因子均值的计算公式具体为:
其中,A(i)表示光辐射在i时刻的影响因子;B(i)表示温度在i时刻的影响因子;C(i)表示湿度在i时刻的影响因子。
光辐射在i时刻的影响因子计算公式具体为:
其中,RH(i)表示光辐射拟合函数;RH0表示光辐射基准值。
温度在i时刻的影响因子计算公式具体为:
其中,T(i)表示温度拟合函数;T0表示温度基准值。
湿度在i时刻的影响因子计算公式具体为:
其中,S(i)表示湿度拟合函数;S0表示湿度基准值。
为了考虑影响因子取值的合理性,可以通过设置阈值进行限值。具体的,若光辐射在i时刻计算的影响因子大于第一阈值,则以第一阈值作为光辐射在i时刻的实际影响因子;若温度在i时刻计算的影响因子大于第二阈值,则以第二阈值作为温度在i时刻的实际影响因子;若湿度在i时刻计算的影响因子大于第三阈值,则以第三阈值作为湿度在i时刻的实际影响因子。
最优时间节点的计算公式具体为:
其中,n表示总灰度信息的分层数量;tb(j)表示第j个层级灰度信息所对应的成熟时间节点;td表示最优时间节点;δj表示第j个层级灰度信息的权重系数。
需要说明的是,成熟时间节点的权重系数依据不同层级灰度信息中的红枣占比进行分配。
实施例2:考虑环境因素的红枣成熟采摘分析***,如图2所示,包括数据采集模块、曲线拟合模块、灰度分层模块、演变分析模块和策略生成模块。
其中,数据采集模块,用于获取目标区域的历史冠层光辐射数据、历史温度数据和历史湿度数据。曲线拟合模块,用于采用最小二乘法分别对历史冠层光辐射数据、历史温度数据和历史湿度数据进行曲线拟合,得到相应的光辐射拟合函数、温度拟合函数和湿度拟合函数。灰度分层模块,用于获取目标区域中包含红枣的目标图像,并提取目标图像中所有红枣的总灰度信息,以及依据灰度等级区间将总灰度信息划分成多个层级灰度信息。演变分析模块,用于依据光辐射拟合函数、温度拟合函数和湿度拟合函数以及灰度演变模型求解得到不同层级灰度信息的成熟时间节点。策略生成模块,用于根据所有的成熟时间节点确定目标区域中红枣采摘的最优时间节点,得到采摘策略。
工作原理:本发明从历史冠层光辐射数据、历史温度数据和历史湿度数据中选取对应时间节点的环境因素数据,并依据灰度信息对目标图像中的红枣进行分层次分析,能够得到不同层次所对应的成熟时间节点,最后考虑了不同层次的红枣密度分布情况和层次间的具体差异情况,得到能够平衡红枣质量和经济效益适合采摘的最优时间节点,为红枣采摘提供了参考数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.考虑环境因素的红枣成熟采摘分析方法,其特征是,包括以下步骤:
获取目标区域的历史冠层光辐射数据、历史温度数据和历史湿度数据;
采用最小二乘法分别对历史冠层光辐射数据、历史温度数据和历史湿度数据进行曲线拟合,得到相应的光辐射拟合函数、温度拟合函数和湿度拟合函数;
获取目标区域中包含红枣的目标图像,并提取目标图像中所有红枣的总灰度信息,以及依据灰度等级区间将总灰度信息划分成多个层级灰度信息;
依据光辐射拟合函数、温度拟合函数和湿度拟合函数以及灰度演变模型求解得到不同层级灰度信息的成熟时间节点;
根据所有的成熟时间节点确定目标区域中红枣采摘的最优时间节点,得到采摘策略。
5.根据权利要求4所述的考虑环境因素的红枣成熟采摘分析方法,其特征是,若光辐射在i时刻计算的影响因子大于第一阈值,则以第一阈值作为光辐射在i时刻的实际影响因子;
若温度在i时刻计算的影响因子大于第二阈值,则以第二阈值作为温度在i时刻的实际影响因子;
若湿度在i时刻计算的影响因子大于第三阈值,则以第三阈值作为湿度在i时刻的实际影响因子。
7.根据权利要求6所述的考虑环境因素的红枣成熟采摘分析方法,其特征是,所述成熟时间节点的权重系数依据不同层级灰度信息中的红枣占比进行分配。
8.考虑环境因素的红枣成熟采摘分析***,其特征是,包括:
数据采集模块,用于获取目标区域的历史冠层光辐射数据、历史温度数据和历史湿度数据;
曲线拟合模块,用于采用最小二乘法分别对历史冠层光辐射数据、历史温度数据和历史湿度数据进行曲线拟合,得到相应的光辐射拟合函数、温度拟合函数和湿度拟合函数;
灰度分层模块,用于获取目标区域中包含红枣的目标图像,并提取目标图像中所有红枣的总灰度信息,以及依据灰度等级区间将总灰度信息划分成多个层级灰度信息;
演变分析模块,用于依据光辐射拟合函数、温度拟合函数和湿度拟合函数以及灰度演变模型求解得到不同层级灰度信息的成熟时间节点;
策略生成模块,用于根据所有的成熟时间节点确定目标区域中红枣采摘的最优时间节点,得到采摘策略。
9.一种计算机终端,包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-7中任意一项所述的考虑环境因素的红枣成熟采摘分析方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的考虑环境因素的红枣成熟采摘分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210485431.6A CN114898000A (zh) | 2022-05-06 | 2022-05-06 | 考虑环境因素的红枣成熟采摘分析方法、***及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210485431.6A CN114898000A (zh) | 2022-05-06 | 2022-05-06 | 考虑环境因素的红枣成熟采摘分析方法、***及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114898000A true CN114898000A (zh) | 2022-08-12 |
Family
ID=82720639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210485431.6A Pending CN114898000A (zh) | 2022-05-06 | 2022-05-06 | 考虑环境因素的红枣成熟采摘分析方法、***及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114898000A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227758A (zh) * | 2023-05-10 | 2023-06-06 | 江西师范大学 | 基于遥感技术和深度学习的农产品成熟度预测方法及*** |
CN116612191A (zh) * | 2023-07-18 | 2023-08-18 | 山东芝圣堂生物科技有限公司 | 一种车载式采摘机器人自动定位方法及装置 |
-
2022
- 2022-05-06 CN CN202210485431.6A patent/CN114898000A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227758A (zh) * | 2023-05-10 | 2023-06-06 | 江西师范大学 | 基于遥感技术和深度学习的农产品成熟度预测方法及*** |
CN116227758B (zh) * | 2023-05-10 | 2023-08-08 | 江西师范大学 | 基于遥感技术和深度学习的农产品成熟度预测方法及*** |
CN116612191A (zh) * | 2023-07-18 | 2023-08-18 | 山东芝圣堂生物科技有限公司 | 一种车载式采摘机器人自动定位方法及装置 |
CN116612191B (zh) * | 2023-07-18 | 2023-09-22 | 山东芝圣堂生物科技有限公司 | 一种车载式采摘机器人自动定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114898000A (zh) | 考虑环境因素的红枣成熟采摘分析方法、***及终端 | |
Zhang et al. | Growth monitoring of greenhouse lettuce based on a convolutional neural network | |
CN108346142B (zh) | 一种基于植物光照图像的植物生长状态识别方法 | |
CN111612055A (zh) | 天气形势的分型方法、空气污染状况的预测方法及装置 | |
CN116384594B (zh) | 基于大数据分析的作物虫害预警方法、***、终端及介质 | |
CN111291686B (zh) | 农作物根果表型参数的提取与根果表型判别方法及*** | |
CN117786543A (zh) | 一种数字化肉鸡养殖信息存储管理方法及*** | |
CN114782837B (zh) | 种植物估产方法、装置、电子设备和存储介质 | |
Subah et al. | An interactive computer vision system for tree ring analysis | |
CN113962638B (zh) | 一种智能果蔬质量检测方法及*** | |
CN116416055A (zh) | 农业贷款评估方法、装置、存储介质及电子设备 | |
CN116228051A (zh) | 一种基于深度学习的水果筛选物流*** | |
CN114021486B (zh) | 一种作物蒸散量预测方法及装置 | |
CN114937030A (zh) | 一种用于智慧农业种植生菜的表型参数计算方法 | |
CN115861790A (zh) | 耕地遥感图像分析方法、装置、设备、存储介质及产品 | |
CN115660140A (zh) | 一种基于人工智能订正的多模式集合气候预测方法 | |
CN113298280A (zh) | 农业育种大数据的深度挖掘与智能决策算法 | |
CN114692784A (zh) | 基于历史果树生长周期下的果树成熟预测方法及装置 | |
CN117745148B (zh) | 基于多源数据的稻茬烤烟种植质量评价方法及*** | |
CN115879745B (zh) | 一种农业灌溉用水分析调度和业务管理方法及平台 | |
CN117171678B (zh) | 一种微生物修复过程中土壤微生物菌群调控方法及*** | |
CN114467530B (zh) | 果树环割方法、装置、终端设备及计算机可读存储介质 | |
CN111667167B (zh) | 一种农业粮食产量估算方法和*** | |
CN112613801B (zh) | 一种土鸡肉质的量化评价方法及装置 | |
CN117935055A (zh) | 一种基于rgb-d图像识别的叶类蔬菜生长状态检测方法 |
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 |