CN1895025A - 基于计算机视觉的作物需水信息检测新方法 - Google Patents
基于计算机视觉的作物需水信息检测新方法 Download PDFInfo
- Publication number
- CN1895025A CN1895025A CN 200510041045 CN200510041045A CN1895025A CN 1895025 A CN1895025 A CN 1895025A CN 200510041045 CN200510041045 CN 200510041045 CN 200510041045 A CN200510041045 A CN 200510041045A CN 1895025 A CN1895025 A CN 1895025A
- Authority
- CN
- China
- Prior art keywords
- crop
- fruit
- cane
- size
- 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
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 41
- 230000002262 irrigation Effects 0.000 claims abstract description 25
- 238000003973 irrigation Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 30
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 239000013558 reference substance Substances 0.000 claims 3
- 238000012800 visualization Methods 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 8
- 210000000056 organ Anatomy 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 241000207199 Citrus Species 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 235000020971 citrus fruits Nutrition 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 239000003621 irrigation water Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
基于计算机视觉的作物需水信息检测新方法,用于智能节水灌溉。该作物需水信息检测***由大小适当的已知尺寸的黑色参照物、图像采集设备、图像采集卡和计算机组成。它能实现非接触、高精度、快捷测量作物茎杆或者果实的尺寸,从而得到作物需水信息。把已知尺寸的参照物放置在待测的作物茎杆或者果实附近,通过图像采集设备拍得图像,对图像进行中值滤波去噪声,阈值分割出参照物和待测物,再分别计算它们对应的像素数量,两者的像素数量比等同于它们的真实尺寸比,这样就可以得到作物茎杆或者果实的尺寸,从而得到作物需水信息,控制灌溉***,达到节水灌溉的目的,预期节水率为30%,可带来明显的经济效益和社会效益。
Description
所属技术领域
本发明涉及节水灌溉领域和传感器测控技术,特别是涉及一种基于计算机视觉技术检测作物茎杆和果实微尺寸变化的智能节水灌溉的检测方法。
背景技术
目前的灌溉***都是以土壤的湿度、环境的温度等参数作为灌溉***的控制参数,不是直接参数,因此控制精度低,带来的问题是对灌溉水资源造成了很大的浪费。
针对上述问题,提出基于物理方法的非破坏性的植物水分精密检测技术,实现闭环控制灌溉***,对提高我国水资源的利用效率具有非常重要的意义。我国已有研究人员在20世纪九十年代初期,就应用LVDT-5型(差动变压器式)位移传感器对玉米、柑桔等进行测量,分别取得了15.6%和21.4%的节水效果。但LVDT是用于机械制造领域工业计量中,测量分辨率和精度可以满足要求,但测量力、体积和抗环境干扰能力等指标,却无法满足对植物测量的实际要求。我国果树林业工作者用外径千分尺测量柑桔尺寸,在生长期中,当发现果实尺寸不增加,就对果树及时灌水,这种方法费时费力。最近,以色列希伯莱大学的科学家也在应用微米级叶片厚度传感器对西红柿的灌溉***进行了试验,取得了节水率35%、增产40%的效果,但是目前还没有达到实用化的程度。当前,国外也有学者正在从事利用近距离的红外遥感图像来检测作物需水情况,此项技术成本非常昂贵,而且也没有达到实用化的程度,中国专利03150690.9《基于植物器官微尺寸变化检测的智能节水灌溉***》,通过机械装置测量植物器官的微量变化,获得需水信息来控制灌溉***,则可达到节水的目的,这种机械测量的方法,需要用机械探头接触测量,而且每次测量都要把探头准确地放在原测量位置上,或者把探头实时放在果实或者叶片上,前者操作困难,后者由于长时间放置机械探头,这会影响作物生长,而且测量压力很难控制,压力过大则压坏作物器官,影响测量精度,压力过小,接触不良,会使测量不准。
当前计算机视觉技术飞速发展,测量精度越来越高,我们提出利用此技术非接触测量作物茎杆变化或者果实生长情况,从而检测出作物需水信息,控制灌溉***达到节水灌溉的目的。该技术是符合植物检测需求的新型传感器。这一研究可以及早为我国节水灌溉服务,具有极好创新性和实用性。
发明内容
本发明的目的是提供一种基于计算机视觉技术检测作物茎杆和果实微尺寸变化的智能节水灌溉检测方法,实现非接触测量,不影响作物生长和真正节水灌溉的目的。
为了达到上述目的,本发明采用的技术方案如下:
方案1:它由图像采集设备、图像采集卡和计算机组成;利用图像采集设备采集作物的茎杆图像,为了解决测量中标定烦杂的问题,我们提出利用参照物的方法,既操作简单又测量精度高,也就是选择大小适当已知尺寸的参照物,把参照物放置在待测作物茎杆到镜头距离相同的同一平面内,这样采集的图像中既有待测的作物茎杆,又有已知尺寸的参照物,通过图像处理算法,首先分割出作物茎杆和参照物,然后分别计算出它们的直径方向上占有的像素数,两者的比值等同于它们真实直径的尺寸比值,这样就可以测量出来作物的茎杆,从而得到作物需水情况,达到节水灌溉的目的。
方案2:它由图像采集设备、图像采集卡和计算机组成;利用图像采集设备采集作物的果实图像,为了解决测量中标定烦杂的问题,我们提出利用参照物的方法,既操作简单又测量精度高,也就是选择大小适当已知尺寸的参照物,把参照物放置在待测作物果实到镜头距离相同的同一平面内,这样采集的图像中既有待测的作物果实,又有已知尺寸的参照物,通过图像处理算法,首先分割出作物果实和参照物,然后分别计算出它们的直径方向上占有的像素数,两者的比值等同于它们真实直径的尺寸比值,这样就可以测量出来作物的果实直径,从而得到作物需水情况,达到节水灌溉的目的。
方案3:它由图像采集设备、图像采集卡和计算机组成;利用图像采集设备采集作物的果实图像,为了解决测量中标定烦杂的问题,我们提出利用参照物的方法,既操作简单又测量精度高,也就是选择大小适当已知尺寸的参照物,把参照物放置在待测作物果实到镜头距离相同的同一平面内,这样采集的图像中既有待测的作物果实,又有已知尺寸的参照物,通过图像处理算法,首先分割出作物果实和参照物,然后分别计算出它们的区域内含有的像素数,两者的比值等同于它们面积比值,这样就可以测量出来作物的果实大小,从而得到作物需水情况,达到节水灌溉的目的。
方案4:它由图像采集设备、图像采集卡和计算机组成;利用图像采集设备采集作物的茎杆或者果实图像,为了解决测量中标定烦杂的问题,我们提出利用参照物的方法,既操作简单又测量精度高,也就是选择大小适当已知尺寸的参照物,如果选择的参照物尺寸大于待测物,则把参照物放置在待测物的后面,如果选择的参照物尺寸小于待测物,则把参照物放置在待测物的前面,这样采集的图像中既有待测的作物果实,又有已知尺寸的参照物,通过上述3种图像处理算法,这样就可以测量出来作物的茎杆或者果实的大小,从而得到作物需水情况,达到节水灌溉的目的。
方案5:它由图像采集设备、图像采集卡和计算机组成;当作物的茎杆或者果实尺寸过大时,按照前4种方案的测量原理,就要求图像采集设备分辨率比较高,这样测量设备成本就会迅速增加或者无法实现测量,为此我们采用如下方法:利用图像采集设备采集作物的茎杆或者果实图像,为了解决测量中标定烦杂的问题,我们提出利用参照物的方法,既操作简单又测量精度高,也就是选择大小适当的已知尺寸的参照物,如果选择的参照物尺寸大于待测物,则把参照物放置在待测物的后面,如果选择的参照物尺寸小于待测物,则把参照物放置在待测物的前面,然后相同条件下,分别采集参照物和待测物左右两端边缘部分的图像,再分利用图像处理算法分别求得两幅图像中参照物和待测物边缘相差的像素数,这样两者的直径差就与它们两端相差的像素数量的和值成正比,就可以得到待测的作物茎杆或者果实的直径,从而得到作物需水情况,达到节水灌溉的目的。
本发明与背景技术相比,具有的有益效果是:
(1)实现非接触测量,操作简单,测量精度高,不影响作物正常生长,达到与中国专利03150690.9相同的预期节水率;
(2)适用作物对象广泛,可安装在智能温室和现代农业基地等室内外灌溉***中,适于各种蔬菜、玉米、小麦、大豆以及水果树苗等;
显然,同土壤水分的变化相比,植物器官如叶、茎、果等的形态或生理变化,则可以更直接、更全面、更快速、更灵敏地反应植物体内的水分的状况。这样,诊断植物需水,可转化为微位移传感器的测量精度和相互对应规律的研究。这样组成的灌溉***是最优控制***,可以提高灌溉水的利用效率,即达到节水的目的。
附图说明
图1是本发明的测量***组成框图;
图2作物茎杆图像;
图3测量作物茎杆或者果实的处理方法框图。
图2中(a)是采集的作物茎杆和参照物图像;(b)是经过滤波、分割和去除杂点和填充空洞后的作物茎杆和参照物的二值图像
具体实施方式
为了更好地理解本发明的技术方案,以下结合测量作物茎杆的实施例对本发明的实施方式作进一步说明。
根据具体测量对象是作物茎杆,按着图1所示,构建测量装置。根据作物茎杆大小选择合适的图像采集设备(PUNIX-7DSP摄像头)和相应的图像采集卡(MatroxII-MC4)。根据采集图像分割实验,我们选择更容易实现分割的黑色参照物,采集的图像如图2(a)所示。
如图3所示处理方法框图,首先对图像进行滤波去除噪声提高测量精度,然后求得图像直方图,根据直方图自动确定分割阈值对图像进行分割得到参照物和作物茎杆,再去除杂质点和填充空洞,最后计算得出作物茎杆和参照物的像素比值得到作物茎杆变化情况,从而得到作物是否需水,指导灌溉***,以达到节水的目的。各部分具体实施细节如下:
1.利用中值滤波去除噪声
中值滤波的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值,该方法在去除脉冲噪声,椒盐噪声的同时又能保留图像边缘细节。我们采用3×3窗口对采集的图像进行了滤波。
2.阈值的自动确定
我们用求极值的方法确定分割图像的阈值,即先求得图像的直方图函数f(n),n是灰度级1~255,分别对f(n)求一阶导函数f′(n)和二阶导函数f″(n)。当其中的某点k的一阶导数f′(k)=0时,表示k点为驻点,此时,
若f″(k)>0,则k点为极小值,即为直方图的两波峰间的谷底;若f″(k)<0,则k点为极大值,即为直方图的波峰。
由于数值图像的数据是离散的则一阶导函数为:
二阶导函数为:
根据实验,本研究用第一个极小值和第二个极小值把参照物分割出来,再用第二和第三个极小值把作物茎杆分割出来。
3.杂质点的去除和空洞的填充
参照物和作物茎杆分割出来后,对象中含有空洞,同时图像中含有较多杂点,这会影响后面的测量,我们通过判断每一像素的相邻八个像素中是否有五个以上与该像素不同值,若是,则把该像素灰度调整为多数像素点的颜色值。
4.计算得出参照物和茎杆直径方向的像素数得到茎杆
为了进一步提高测量精度,我们利用最小二乘法来拟合参照物和作物茎杆的边缘,然后求得出它们的直径比,就可以得到作物茎杆尺寸,从而得到作物需水状况。
以一条边缘为例,设边缘像素数为N,
计算出这条边缘的几何中心坐标:
计算斜率:
计算截距: Ca=Ya-Ba×Xa (3)
边缘拟合直线方程为: Y=Ba×X+Ca (4)
则,另一条边缘拟合方程为:Y=Bb×X+Cb (5)
由于两条边缘近似平行,所以取斜率为B=(Ba+Bb)/2两个边缘的共同斜率。这样过其中一条边缘的某一点作该边缘的垂线,得到与另一条边缘相交的点,计算两点间距就是参照物或者作物茎杆的直径对应的像素数量。就可以得到参照物和作物茎杆的直径比值,根据参照物的直径已知,所以可以得到茎杆直径,一天中作物茎杆的变化情况反映出作物需水信息,从而指导灌溉,节约用水。
Claims (2)
1.一种基于计算机视觉技术的非接触和利用参考物来测量作物茎杆尺寸和果实大小的新方法,用于检测作物需水信息,起到节水灌溉的技术,检测***由大小适当的参考物、图像采集设备、图像采集卡和计算机组成;其特征在于:计算机视觉非接触测量作物茎杆和果实,通过把参照物放置在待测的作物茎杆和果实附近解决了计算机视觉测量中烦杂的标定问题,通过相应的图像处理算法得到作物茎杆尺寸和果实大小,从而得到作物需水信息,从而控制灌溉***,达到节水灌溉的目的。
2.根据权利要求1所述的基于计算机视觉技术的非接触和利用参考物来测量作物茎杆尺寸和果实大小的新方法,其特征是,通过以下步骤对其作进一步的限定:
(1)中值滤波去除噪声:采用3×3窗口的中值滤波对采集的图像进行滤波去除噪声,提高测量精度;
(2)阈值的自动确定:用求极值的方法确定分割图像的阈值,即先求得图像的直方图函数,再计算其一阶导函数和二阶导函数,判断出所有极小值,用第一个极小值和第二个极小值把参照物分割出来,再用第二和第三个极小值把作物茎杆或者果实分割出来;
(3)杂质点的去除和空洞的填充:参照物和作物茎杆或者果实分割出来后,通过判断每一像素的相邻八个像素中是否有五个以上与该像素不同值,若是,则把该像素灰度调整为多数像素点的颜色值;
(4)计算得出参照物和茎杆或者果实的像素数得到茎杆或者果实尺寸:利用最小二乘法来拟合参照物和作物茎杆的边缘,然后求得出它们的直径比,就可以得到作物茎杆或者果实的尺寸,从而得到作物需水状况,或者通过计算出参照物区域内的像素数量和果实区域内像素的数量,求得它们的比值就可以得到果实的大小,从而获得作物需水信息,或者当作物茎杆和果实比较大时,通过测量参照物与待测物两端边缘相差的像素数量得到作物茎杆或者果实的大小,从而得到作物需水信息,控制灌溉***,得到节水的目的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100410454A CN100536653C (zh) | 2005-07-15 | 2005-07-15 | 基于计算机视觉的作物需水信息检测新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100410454A CN100536653C (zh) | 2005-07-15 | 2005-07-15 | 基于计算机视觉的作物需水信息检测新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1895025A true CN1895025A (zh) | 2007-01-17 |
CN100536653C CN100536653C (zh) | 2009-09-09 |
Family
ID=37607794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100410454A Expired - Fee Related CN100536653C (zh) | 2005-07-15 | 2005-07-15 | 基于计算机视觉的作物需水信息检测新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100536653C (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156108A (zh) * | 2010-12-15 | 2011-08-17 | 四川大学 | 一种标定二次彩虹的彩虹环半径的方法及装置 |
CN102524024A (zh) * | 2012-02-16 | 2012-07-04 | 四川农业大学 | 基于计算机视觉的作物灌溉*** |
CN102550374A (zh) * | 2012-03-18 | 2012-07-11 | 四川农业大学 | 结合计算机视觉和多传感器的作物灌溉*** |
US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
CN109373897A (zh) * | 2018-11-16 | 2019-02-22 | 广州市九州旗建筑科技有限公司 | 一种基于激光虚拟标尺的测量方法 |
CN109559342A (zh) * | 2018-03-05 | 2019-04-02 | 北京佳格天地科技有限公司 | 动物体长的测量方法和装置 |
CN111344118A (zh) * | 2017-11-17 | 2020-06-26 | 奥卡多创新有限公司 | 用于定位物品和为每个物品计算适当抓取点的机器人***的控制设备和方法 |
CN114494396A (zh) * | 2021-12-28 | 2022-05-13 | 广州极飞科技股份有限公司 | 作业对象高度确定方法、装置、设备和存储介质 |
CN115457030A (zh) * | 2022-10-27 | 2022-12-09 | 浙江托普云农科技股份有限公司 | 基于图像技术的作物茎粗测量方法及其应用 |
EP4173474A4 (en) * | 2020-08-27 | 2024-01-24 | OMRON Corporation | PLANT DIMENSION MEASUREMENT TOOL AND PLANT DIMENSION MEASUREMENT METHOD |
-
2005
- 2005-07-15 CN CNB2005100410454A patent/CN100536653C/zh not_active Expired - Fee Related
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156108B (zh) * | 2010-12-15 | 2013-05-08 | 四川大学 | 一种标定二次彩虹的彩虹环半径的方法及装置 |
CN102156108A (zh) * | 2010-12-15 | 2011-08-17 | 四川大学 | 一种标定二次彩虹的彩虹环半径的方法及装置 |
CN102524024A (zh) * | 2012-02-16 | 2012-07-04 | 四川农业大学 | 基于计算机视觉的作物灌溉*** |
CN102524024B (zh) * | 2012-02-16 | 2013-04-03 | 四川农业大学 | 基于计算机视觉的作物灌溉*** |
CN102550374A (zh) * | 2012-03-18 | 2012-07-11 | 四川农业大学 | 结合计算机视觉和多传感器的作物灌溉*** |
CN102550374B (zh) * | 2012-03-18 | 2013-04-03 | 四川农业大学 | 结合计算机视觉和多传感器的作物灌溉*** |
US9488630B2 (en) | 2013-11-08 | 2016-11-08 | Dow Agrosciences Llc | Integrated remote aerial sensing system |
CN111344118B (zh) * | 2017-11-17 | 2023-06-16 | 奥卡多创新有限公司 | 机器人***的控制设备和方法 |
US11787631B2 (en) | 2017-11-17 | 2023-10-17 | Ocado Innovation Limited | Control device and method for a robot system |
CN111344118A (zh) * | 2017-11-17 | 2020-06-26 | 奥卡多创新有限公司 | 用于定位物品和为每个物品计算适当抓取点的机器人***的控制设备和方法 |
CN109559342A (zh) * | 2018-03-05 | 2019-04-02 | 北京佳格天地科技有限公司 | 动物体长的测量方法和装置 |
CN109559342B (zh) * | 2018-03-05 | 2024-02-09 | 北京佳格天地科技有限公司 | 动物体长的测量方法和装置 |
CN109373897B (zh) * | 2018-11-16 | 2020-07-31 | 广州市九州旗建筑科技有限公司 | 一种基于激光虚拟标尺的测量方法 |
CN109373897A (zh) * | 2018-11-16 | 2019-02-22 | 广州市九州旗建筑科技有限公司 | 一种基于激光虚拟标尺的测量方法 |
EP4173474A4 (en) * | 2020-08-27 | 2024-01-24 | OMRON Corporation | PLANT DIMENSION MEASUREMENT TOOL AND PLANT DIMENSION MEASUREMENT METHOD |
CN114494396A (zh) * | 2021-12-28 | 2022-05-13 | 广州极飞科技股份有限公司 | 作业对象高度确定方法、装置、设备和存储介质 |
CN115457030A (zh) * | 2022-10-27 | 2022-12-09 | 浙江托普云农科技股份有限公司 | 基于图像技术的作物茎粗测量方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN100536653C (zh) | 2009-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100536653C (zh) | 基于计算机视觉的作物需水信息检测新方法 | |
CN102550374B (zh) | 结合计算机视觉和多传感器的作物灌溉*** | |
Xiang et al. | Recognition of clustered tomatoes based on binocular stereo vision | |
CN103512494B (zh) | 一种植物果实微尺寸变化视觉检测***及方法 | |
CN102524024B (zh) | 基于计算机视觉的作物灌溉*** | |
CN112258331B (zh) | 一种基于大数据的农作物种植生长及环境智能监测分析*** | |
CN105095958B (zh) | 一种蚕茧计数方法 | |
CN109145830A (zh) | 一种智能水尺识别方法 | |
CN105739575A (zh) | 一种设施蔬菜环境参数的数据融合方法、装置及*** | |
CN112819846B (zh) | 面向多云雨地区的基于多载荷遥感图像的水稻估产方法 | |
CN108537851B (zh) | 一种土壤湿度的探测方法及其应用 | |
CN113948220B (zh) | 一种具有预分析能力的炭疽病病原菌侵染阶段检测方法 | |
CN116429988B (zh) | 海洋植物碳汇动态遥感监测装置 | |
CN113298859B (zh) | 一种基于无人机影像的作物氮肥变量管理方法 | |
CN111881864A (zh) | 一种智慧农业种植农作物生长全周期全动态监测管理*** | |
CN113720914B (zh) | 超声波探伤***及超声波探伤方法 | |
CN111289997A (zh) | 一种基于激光雷达传感器的田间作物冠层稠密度检测方法 | |
CN113283437A (zh) | 一种海底沙波特征识别方法 | |
CN112949607A (zh) | 一种基于JM Relief F湿地植被特征优选与融合方法 | |
CN108200804B (zh) | 视觉传感谷物流量在线检测装置和检测方法 | |
CN109633113A (zh) | 基于青鳉鱼逐级行为模型的水质监测预警方法及*** | |
CN111886982B (zh) | 一种旱地栽植作业质量实时检测***的检测方法 | |
CN114593792A (zh) | 一种地下水水位监测方法和装置、存储介质 | |
CN109685174B (zh) | 一种黄瓜丰产性自动分析装置及方法 | |
CN110501253A (zh) | 一种便捷测量蒸散发、土壤水及水质的综合实验装置 |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090909 Termination date: 20120715 |