收藏本站
《浙江大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱成像技术的棉花杂质检测方法的研究

郭俊先  
【摘要】:棉花是重要的经济作物,是纺织工业的重要原料。棉花杂质不仅影响棉花定级和定价,同时影响棉花轧花和纺纱效果,以及最终棉纺织品的质量。国内外学者采用机器视觉技术、断层X光摄影和紫外荧光成像等技术,能够有效检测棉花中着色较深、面积较大和含有荧光物质的部分杂质。但是,针对棉花表面纤细、浅色、白色和透明杂质,以及棉花内部的常见杂质,检测效果不佳。 本研究基于高光谱成像分析系统,以梳棉表面一些难检的异性纤维,梳棉内部不同深度的常见杂质为研究对象,分别采用高光谱图像中不同信息,建立杂质检测的方法和算法,并以分割后二值图像进行杂质重量预测和分类分析。研究主要内容包括三部分:(1)针对梳棉表面难检杂质,采用主成分分析(PCA, Principle component analysis)、独立成分分析(ICA, Independent component analysis)、双波段比分析和波长合并方法,提取高光谱图像的最佳分割图像,以较优的预处理和分割方法获得二值图像;获取高光谱图像中杂质和梳棉像素光谱,选择较优的判别函数,采用判别分析(DA, Discriminant analysis)方法分类像素获得二值图像;对比基于线性判别分析(LDA, Linear discriminant analysis)、面积过滤器、形态学处理、面积过滤器和形态学的组合方法剔除二值图像中伪目标的效果,建立梳棉表面单类杂质检测算法;使用最佳分割波长图像,采用灰度平均和小波融合两种方法,建立梳棉表面多类杂质检测算法;采集相同空间分辨率的RGB图像作为对照,比较高光谱图像检测杂质的效果。(2)针对梳棉内部不同深度的常见杂质,使用像素分类方法和二值图像后处理方法,建立梳棉内层杂质的检测算法;对比过滤(filter)和包装(wrapper)特征选择等方法,确定杂质像素分割的最佳波长集合。(3)针对高光谱图像杂质分割二值图像区域的相关特征,采用偏最小二乘(PLS,Partial least square)回归和多元线性回归(MLR, Multiple linear regression)方法预测分析杂质重量,采用DA分析方法分类多种异性纤维;采集梳棉高分辨率近红外漫反射光谱信息,分析PLS预测普通杂质含量的效果。 本研究的目的是评价高光谱成像技术检测梳棉表面一些难检杂质和梳棉内层常见杂质的可行性,为高光谱成像技术应用于棉花杂质检测设备开发提供依据。采用波长选择方法,分析获得像素分类的最佳波长集合,为多光谱成像技术在线分拣棉花杂质的滤波片选择奠定研究基础。 研究结果和结论如下: 1)针对梳棉表面一些难检杂质的检测,结果表明: ①在波长460-900 nm范围内,高光谱图像中波长图像适合于灰色、白色的条状或块状异性纤维的检测,主成分图像适合黑色和白色的纤细异性纤维检测,独立成分图像适合灰色、白色和透明的异性纤维检测。采用Sobel算子边界提取和形态学处理分割上述图像,结合LDA的二值图像后处理方法,验证集异性纤维识别率为79.51%。 ②采用wrapper波长选择方法确定像素分类最佳波长集,基于二次判别分析(QDA,Quadratic discriminant analysis)分类高光谱图像中空间像素点,构造杂质分割二值图像,使用LDA判定二值图像中区域属性,剔除伪目标区域,异性纤维总识别率为79.17%。其中黑色人发和灰色丙纶丝识别率达到100%,黑色猪毛识别率达为95.65%,白色丙纶丝的识别率达到90.36%,透明地膜碎片识别率为67.21%。 ③单类杂质分割的最佳波长图像做灰度平均可以检测多类难检杂质,训练集和验证集中杂质识别率分别为84.09%和75.86%。针对黑色毛发、灰色和白色丙纶丝等多类异性纤维,验证集中识别率为100%,白色猪毛不能识别。 ④使用相同的图像分割和后处理方法,黑色毛发的高光谱图像和RGB图像识别率分别是97.10%和81.48%。高光谱图像可以检测出44.44%的白色猪毛,RGB图像不能检测白色猪毛。 综上可知,高光谱图像可以有效检测梳棉表面的黑色毛发、灰色丙纶丝和白色丙纶丝,能够检测部分透明丙纶丝和地膜碎片;基于像素分类杂质分割方法,杂质总体检测效果好于基于图像信息的结果;采用相同的图像分割和处理方法,高光谱图像检测黑色和白色毛发的结果好于同分辨率RGB图像。 2)针对棉网内层一定深度放置的多种杂质检测,结果表明: ①采用QDA分类高光谱图像中空间像素点,构造杂质分割二值图像,结合面积过滤器和形态学组合方法处理二值图像,采用全波长信息,在深度为1-2 mm、3-4 mm和5-6 mm的棉网内,杂质识别率分别为87.8%、79.5%和82.6%,其中,普通杂质识别率分别为95.5%、80.7%和82.6%。采用包装法选择的最优波长集合,三种深度的杂质识别率分别为66.6%、57.5%和72.8%。 ②采用全波长信息,在深度为1-2 mm和3-4 mm棉网内,异性纤维的识别率分别为81.9%和60.6%。使用最优波长集合,异性纤维的识别率分别为77.1%和49.3%。彩色丙纶丝、有色线和有色布块的检测效果最佳,黑色毛发检测效果居中,灰色、白色丙纶丝检测效果不佳。 综上可知,高光谱图像可以检测棉网内1-6mm深度的普通杂质、彩色丙纶丝、有色线和有色布块,能够检测部分黑色毛发和灰色丙纶丝。普通杂质的检测效果最佳。 3)分类杂质和预测杂质重量的结果表明: ①基于高光谱图像分割后二值图像的杂质区域特征,采用PLS预测多类丙纶丝重量的相关系数r值为0.729;基于马氏距离的DA分类丙纶丝、毛发和地膜碎片三种异性纤维,总正确率为86.10%。高光谱图像可以有效区分大类杂质。 ②采用棉花高分辨率近红外光谱信息,使用一阶微分光谱预处理,3个主成分的PLS预测普通杂质含量效果最好,相关系数r为0.9059,校正均方根误差为0.440,预测均方根误差为0.823。结合近红外漫反射技术和化学计量学分析方法,可以用于棉花杂质含量预测。
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP391.41

【引证文献】
中国期刊全文数据库 前4条
1 田昊;王维新;毕新胜;马本学;王玉刚;;基于图像处理的机采棉杂质提取算法[J];江苏农业科学;2014年01期
2 郭俊先;应义斌;饶秀勤;李俊伟;亢银霞;石砦;;梳棉内层杂质高光谱图像检测[J];农业机械学报;2012年12期
3 刘燕德;张光伟;;高光谱成像技术在农产品检测中的应用[J];食品与机械;2012年05期
4 郭俊先;饶秀勤;程国首;胡光辉;李俊伟;石砦;亢银霞;;基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究[J];新疆农业大学学报;2012年01期
中国博士学位论文全文数据库 前7条
1 姜微;高光谱技术在马铃薯品种鉴别及品质无损检测中的应用研究[D];东北农业大学;2017年
2 王欣;基于机器视觉的棉花伪异性纤维识别研究[D];中国农业大学;2015年
3 张艳超;多光谱成像系统图像处理关键技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年
4 谭克竹;基于高光谱图像和机器视觉技术的大豆品质检测研究[D];东北农业大学;2014年
5 黎静;大豆源蛋白饲料原料中三聚氰胺/三聚氰酸的近红外显微成像分析方法研究[D];中国农业大学;2014年
6 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
7 陈丰农;基于机器视觉的小麦并肩杂与不完善粒动态实时检测研究[D];浙江大学;2012年
中国硕士学位论文全文数据库 前10条
1 李亨;高光谱技术在马铃薯淀粉含量无损检测中的应用研究[D];东北农业大学;2018年
2 赫刘勤;赤霉病麦粒光电检测应用技术研究[D];河南工业大学;2017年
3 罗永恒;多类异性纤维纱疵模型和检测识别技术的研究[D];天津工业大学;2016年
4 刘杰;棉花异性纤维含量快速检测系统的研究[D];山东农业大学;2015年
5 杨超;原棉中异性纤维图像识别方法研究[D];内蒙古大学;2015年
6 孟庆琰;基于近红外光谱技术马铃薯全粉品质的检测研究[D];宁夏大学;2015年
7 李丹;基于高光谱成像技术的灵武长枣品质无损检测研究[D];宁夏大学;2015年
8 陈铭明;基于FPGA与DSP的棉花异纤检测系统研究[D];南京理工大学;2015年
9 田昊;基于图像处理的机采棉杂质检测技术研究[D];石河子大学;2014年
10 王钦祥;气力输送式棉花异性纤维快速检测系统研究[D];山东农业大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 李国辉;苏真伟;夏心怡;;基于不规则成像机器视觉的棉花白色异纤检测算法[J];农业机械学报;2010年05期
2 杨文柱;李道亮;魏新华;康玉国;李付堂;;基于改进遗传算法的棉花异性纤维目标特征选择[J];农业机械学报;2010年04期
3 刘双喜;张馨;郑文秀;王金星;;棉花异性纤维图像特征提取[J];农业机械学报;2010年03期
4 李国辉;苏真伟;晏开华;黄明飞;;可疑目标区域的机器视觉检测算法[J];四川大学学报(工程科学版);2010年01期
5 杨文柱;李道亮;魏新华;康玉国;李付堂;;基于自动视觉检测的棉花异性纤维分类系统[J];农业机械学报;2009年12期
6 杨文柱;李道亮;魏新华;康玉国;李付堂;;基于光谱分析的棉花异性纤维最佳波段选择方法[J];农业工程学报;2009年10期
7 刘双喜;王金星;郑文秀;张馨;;基于自适应域值分割与力矩的棉花异性纤维分类方法[J];农业工程学报;2009年S2期
8 张馨;刘双喜;郑文秀;康玉国;李付堂;王金星;;基于色调分离的棉花异性纤维分割[J];中国棉花加工;2009年04期
9 郑文秀;刘双喜;魏新华;康玉国;李付堂;王金星;;基于Mean-shift的棉花异性纤维图像分割[J];山东农业大学学报(自然科学版);2009年02期
10 杨文柱;李道亮;魏新华;康玉国;李付堂;;棉花异性纤维图像分割方法[J];农业机械学报;2009年03期
中国博士学位论文全文数据库 前1条
1 刘燕德;水果糖度和酸度的近红外光谱无损检测研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前3条
1 伍学千;基于计算机视觉技术的猪肉品质检测与分级研究[D];浙江大学;2010年
2 朱圣盼;基于计算机视觉技术的植物病害检测方法的研究[D];浙江大学;2007年
3 岑益科;基于机器视觉的鸡蛋品质检测方法研究[D];浙江大学;2006年
【共引文献】
中国期刊全文数据库 前10条
1 徐振驰;纪磊;刘晓荣;周晓佳;;基于显著性特征的食用菌中杂质检测[J];计算机科学;2015年S2期
2 王非;邱杰;;基于反射光谱成像的相似异物检测新方法[J];重庆邮电大学学报(自然科学版);2015年05期
3 李晓良;丁竹青;张若宇;坎杂;李硕;金作徽;;摘锭式采棉机配套残膜分离试验装置设计[J];农机化研究;2015年10期
4 林宜丙;石守东;孙书丹;;双绞线图像快速分割算法[J];数据通信;2015年03期
5 王冬;尹伯彪;刘翔;何相呈;苏真伟;;棉花中白色异性纤维的线扫描激光成像检测方法[J];农业工程学报;2015年09期
6 王欣;李道亮;杨文柱;李振波;;基于可见光机器视觉的棉花伪异性纤维识别方法[J];农业机械学报;2015年08期
7 张志峰;翟玉生;郭莹莹;王新杰;杜银霄;;基于光电技术皮棉疵点快速检测方法的研究[J];激光与光电子学进展;2015年03期
8 党宏社;王黎;王晓倩;;基于Vivado HLS的FPGA开发与应用研究[J];陕西科技大学学报(自然科学版);2015年01期
9 王昊鹏;李慧;;基于局部二值模式和灰度共生矩阵的籽棉杂质分类识别[J];农业工程学报;2015年03期
10 高改梨;刘朋川;;棉花异性纤维定位新方法[J];江苏大学学报(自然科学版);2015年02期
中国博士学位论文全文数据库 前10条
1 于新洋;线性渐变滤光片型近红外水果品质分析仪及应用研究[D];中国科学院长春光学精密机械与物理研究所;2016年
2 薛俊杰;玉米、小麦秸秆原料、热解过程及固体产物特性NIRS快速分析研究[D];中国农业大学;2016年
3 王晓朵;基于DMD的哈达玛变换近红外光谱仪的研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年
4 刘辉军;黄花梨采收期近红外光谱检测方法与试验装置研究[D];浙江大学;2015年
5 张强;基于近红外光谱技术的稻谷中霉菌和毒素检测研究[D];东北农业大学;2015年
6 宦克为;小麦内在品质近红外光谱无损检测技术研究[D];长春理工大学;2014年
7 张若宇;番茄可溶性固形物和硬度的高光谱成像检测[D];浙江大学;2014年
8 李水芳;蜂蜜质量的近红外光谱分析技术研究[D];中南林业科技大学;2012年
9 樊景超;苹果果实病害近红外光谱信息获取与识别模型研究[D];中国农业科学院;2011年
10 李文龙;痰热清注射液生产过程质量控制方法研究[D];浙江大学;2011年
中国硕士学位论文全文数据库 前10条
1 漆志亮;基于机器视觉的点胶机工件定位研究[D];南昌大学;2018年
2 任韶杰;基于机器视觉的开发板表面缺陷检测技术研究[D];中北大学;2018年
3 张孝逐;浮选智能加药系统的设计与研究[D];中国矿业大学;2018年
4 朱垓;种蛋孵化期间无精蛋与死胚蛋的光电检测研究[D];浙江大学;2018年
5 李婉清;基于可见光谱技术的血斑蛋在线判别模型研究[D];华中农业大学;2017年
6 王成;基于机器视觉的鱼类定制切段方法及设备设计[D];大连工业大学;2017年
7 郭彦麟;基于Android的黄瓜病虫害检测系统[D];宁夏大学;2017年
8 张瑶瑶;无特定病原体鸡胚图像识别方法研究[D];西北农林科技大学;2017年
9 袁紫薇;基于机器视觉的番茄收割机实时分拣系统研究[D];长安大学;2017年
10 于亚波;穴盘苗移栽多手爪无线定位技术研究[D];河北工业大学;2017年
【同被引文献】
中国期刊全文数据库 前10条
1 郭俊先;应义斌;饶秀勤;李俊伟;亢银霞;石砦;;梳棉内层杂质高光谱图像检测[J];农业机械学报;2012年12期
2 潘灼坤;王芳;夏丽华;周锡振;;高光谱遥感城市植被胁迫监测研究[J];遥感技术与应用;2012年01期
3 庞晓敏;闵子建;阚江明;;基于HSI和LAB颜色空间的彩色图像分割[J];广西大学学报(自然科学版);2011年06期
4 索少增;刘翠玲;吴静珠;陈兴海;孙晓荣;吴胜男;;高光谱图像技术检测梨表面农药残留试验研究[J];北京工商大学学报(自然科学版);2011年06期
5 朱荣光;马本学;高振江;葛建兵;;畜产品品质的高光谱图像无损检测研究进展[J];激光与红外;2011年10期
6 李江波;饶秀勤;应义斌;;农产品外部品质无损检测中高光谱成像技术的应用研究进展[J];光谱学与光谱分析;2011年08期
7 李先锋;朱伟兴;花小朋;孔令东;;基于D-S证据理论的决策级多特征融合苹果分级方法[J];农业机械学报;2011年06期
8 程国首;郭俊先;石砦;肉孜·阿木提;亢银霞;;基于高光谱图像技术的新疆红富士苹果重量预测[J];新疆农业大学学报;2011年03期
9 丁名晓;王云宽;黄为;;基于Gabor滤波器的棉花杂质检测算法[J];中国图象图形学报;2011年04期
10 单佳佳;彭彦昆;王伟;李永玉;吴建虎;张雷蕾;;基于高光谱成像技术的苹果内外品质同时检测[J];农业机械学报;2011年03期
中国博士学位论文全文数据库 前10条
1 杨小玲;高光谱图像技术检测玉米种子品质研究[D];浙江大学;2016年
2 成军虎;基于高光谱成像鱼肉新鲜度无损快速检测方法研究[D];华南理工大学;2016年
3 樊书祥;基于可见/近红外光谱及成像技术的苹果可溶性固形物检测研究[D];西北农林科技大学;2016年
4 刘善梅;基于高光谱成像技术的冷鲜猪肉品质无损检测方法研究[D];华中农业大学;2015年
5 温珍才;基于分子光谱技术的茶树籽油掺杂检测方法研究[D];江苏大学;2015年
6 章海亮;基于光谱和高光谱成像技术的土壤养分及类型检测与仪器开发[D];浙江大学;2015年
7 汪成龙;基于多源信息融合的马铃薯分级无损检测方法研究[D];华中农业大学;2014年
8 朱逢乐;基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D];浙江大学;2014年
9 介邓飞;麒麟瓜内部品质在线无损检测技术的实验研究[D];浙江大学;2014年
10 王佐;基于粗糙集的聚类算法研究[D];吉林大学;2013年
中国硕士学位论文全文数据库 前10条
1 李鑫;基于近红外光谱的马铃薯品种鉴别及干物质含量检测方法研究[D];黑龙江八一农垦大学;2016年
2 陈海龙;棉花异性纤维识别与计量设备研制[D];山东农业大学;2014年
3 钟雄斌;基于高光谱技术的不同品种猪肉品质检测模型维护方法研究[D];华中农业大学;2014年
4 撖淙武;基于近红外光谱技术对饲料混合均匀度及含水率的检测[D];内蒙古农业大学;2014年
5 田昊;基于图像处理的机采棉杂质检测技术研究[D];石河子大学;2014年
6 夏真珍;基于FPGA的线阵CCD光强分布测量系统研究[D];重庆大学;2014年
7 刘玉;CCD数据采集系统的FPGA实现[D];安徽大学;2014年
8 赵西娜;基于图像处理技术的原棉疵点及杂质特征识别的研究[D];武汉纺织大学;2014年
9 吴龙国;基于高光谱成像技术的灵武长枣常见缺陷无损检测研究[D];宁夏大学;2014年
10 张令标;基于高光谱成像技术的红枣表面农药残留无损检测的研究[D];宁夏大学;2014年
【二级引证文献】
中国期刊全文数据库 前10条
1 欧阳爱国;吴建;刘燕德;;高光谱成像在农产品无损检测中的应用[J];广东农业科学;2015年23期
2 李蕙蕙;眭红卫;何四云;周有祥;;苹果表面纹理与甜度的相关性研究[J];食品科技;2015年09期
3 刘洋;杜诚;;基于DWT-NLM模型的农产品图像处理算法[J];江苏农业科学;2015年08期
4 罗霞;洪添胜;罗阔;代芬;梅慧兰;;高光谱技术在无损检测火龙果可溶性固形物中的应用[J];激光与光电子学进展;2015年08期
5 王龙;邱园园;李小波;;基于高光谱成像技术的牛羊肉品质无损检测研究进展[J];新疆农垦科技;2015年06期
6 王冬;尹伯彪;刘翔;何相呈;苏真伟;;棉花中白色异性纤维的线扫描激光成像检测方法[J];农业工程学报;2015年09期
7 王欣;李道亮;杨文柱;李振波;;基于可见光机器视觉的棉花伪异性纤维识别方法[J];农业机械学报;2015年08期
8 王婉娇;贺晓光;王松磊;刘贵珊;吴龙国;;基于高光谱成像技术的灵武长枣常见缺陷检测[J];食品与机械;2015年03期
9 张保华;李江波;樊书祥;黄文倩;张驰;王庆艳;肖广东;;高光谱成像技术在果蔬品质与安全无损检测中的原理及应用[J];光谱学与光谱分析;2014年10期
10 杨甜军;张箭;朱哲;周竹;曾松伟;;基于LabVIEW和多光谱成像技术的苹果品质无损检测装置[J];湖北农业科学;2014年19期
中国博士学位论文全文数据库 前10条
1 翟林;自适应多光谱图像稀疏逼近滤波算法研究[D];山东大学;2018年
2 王文胜;宽幅光学遥感图像舰船飞机目标检测识别技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年
3 刘务;基于空谱特征挖掘的高光谱图像分类方法研究[D];哈尔滨工程大学;2018年
4 张瑞;基于声光和液晶调制的高精度高光谱全偏振成像系统研究[D];中北大学;2017年
5 亓呈明;基于多核学习的高光谱遥感影像分类方法研究[D];中国地质大学(北京);2016年
6 王耀利;基于AOTF的光谱偏振成像系统及其成像质量研究[D];中北大学;2016年
7 段延娥;基于计算机视觉的鱼卵胚胎发育过程智能化识别方法研究[D];中国农业大学;2016年
8 李小虎;基于视场一致性的多波段共口径成像系统结构研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年
9 田野;基于不完整信息背景下麦穗识别技术的研究[D];北京林业大学;2016年
10 王玉磊;高光谱实时目标检测算法研究[D];哈尔滨工程大学;2015年
中国硕士学位论文全文数据库 前10条
1 马明洋;基于无人机低空遥感的东北粳稻叶绿素含量估测方法研究[D];沈阳农业大学;2018年
2 丁聪;马铃薯颗粒全粉加工工艺研究[D];陕西科技大学;2018年
3 刘思伽;基于高光谱成像的苹果病害检测识别方法的研究[D];沈阳农业大学;2017年
4 高艳琪;基于近红外光谱的水稻种子老化程度研究[D];黑龙江八一农垦大学;2017年
5 武林;基于高光谱技术的草地牧草种类的识别及叶绿素含量预测的研究[D];内蒙古农业大学;2017年
6 张敏;基于流动显示的农药在线混合试验系统研究[D];南京林业大学;2017年
7 田鑫;不同品种马铃薯全粉微观结构与品质特性研究[D];浙江大学;2017年
8 吴明会;基于图像的棉花异性纤维识别算法研究[D];郑州大学;2017年
9 张巍;基于高光谱成像技术的蓝莓内部品质检测方法的研究[D];沈阳农业大学;2016年
10 何加伟;基于高光谱图像技术的冷冻食品品质的无损检测研究[D];天津商业大学;2016年
【二级参考文献】
中国期刊全文数据库 前10条
1 李国辉;苏真伟;晏开华;黄明飞;;可疑目标区域的机器视觉检测算法[J];四川大学学报(工程科学版);2010年01期
2 杨文柱;李道亮;魏新华;康玉国;李付堂;;基于自动视觉检测的棉花异性纤维分类系统[J];农业机械学报;2009年12期
3 杨文柱;李道亮;魏新华;康玉国;李付堂;;棉花异性纤维图像分割方法[J];农业机械学报;2009年03期
4 唐传茵;李华;周炜;周淑文;赵广耀;;基于遗传算法和神经网络的车辆主动悬架控制技术[J];农业机械学报;2009年02期
5 张智畯;于建华;邱清水;;基于自适应并行遗传算法的结构模糊动力优化[J];四川大学学报(工程科学版);2009年01期
6 郑文秀;刘双喜;魏新华;王金星;;棉花异性纤维图像分割方法研究与实现[J];中国棉花加工;2008年04期
7 李赵红;侯建军;宋伟;;基于等级结构的二值文本图像认证水印算法[J];自动化学报;2008年08期
8 郭俊先;应义斌;;皮棉中杂质检测技术与检出装备的研究进展[J];农业机械学报;2008年07期
9 李桂峰;赵国建;王向东;刘兴华;;苹果质地品质近红外无损检测和指纹分析[J];农业工程学报;2008年06期
10 金守峰;张慧;冯涛;;基于计算机视觉的棉花异性纤维检测识别算法[J];中国棉花加工;2008年02期
中国博士学位论文全文数据库 前1条
1 李庆波;近红外光谱分析中若干关键技术的研究[D];天津大学;2003年
中国硕士学位论文全文数据库 前7条
1 李明静;计算机视觉在牛肉大理石花纹自动分级中的应用研究[D];西北农林科技大学;2007年
2 庞江伟;基于计算机视觉的脐橙表面常见缺陷种类识别的研究[D];浙江大学;2006年
3 叶昱程;基于多光谱图像的水果外观品质检测方法研究[D];浙江大学;2005年
4 周水琴;机器视觉系统的色度校正模型及其在西柚分级中的应用[D];浙江大学;2004年
5 徐惠荣;基于机器视觉的树上柑桔识别方法研究[D];浙江大学;2004年
6 姜滔;基于模式识别的图像处理及其在车牌识别中的应用[D];合肥工业大学;2002年
7 李志刚;基于颜色特征的图象检索匹配算法的研究及其系统的开发[D];中国农业大学;2001年
【相似文献】
中国期刊全文数据库 前10条
1 郭俊先;应义斌;饶秀勤;李俊伟;亢银霞;石砦;;梳棉内层杂质高光谱图像检测[J];农业机械学报;2012年12期
2 陈守满;;高光谱图像与农产品品质无损检测研究进展[J];安康学院学报;2011年06期
3 李江波;苏忆楠;饶秀勤;;基于高光谱成像及神经网络技术检测玉米含水率[J];包装与食品机械;2010年06期
4 孙梅;付妍;徐冉冉;赵勇;陈兴海;;基于高光谱成像技术的水果品质无损检测[J];食品科学技术学报;2013年02期
5 赵明富;李成成;汤斌;罗彬彬;周慧;田霞;邹雪;王博思;;基于高光谱成像技术的微量血迹检测研究[J];激光杂志;2017年05期
6 张伟;潘磊庆;林红英;;基于高光谱图像检测禽蛋新鲜度的研究[J];南京晓庄学院学报;2015年06期
7 高俊峰;张初;谢传奇;朱逢乐;郭振豪;何勇;;应用近红外高光谱成像技术预测甘蔗可溶性固形物含量[J];光谱学与光谱分析;2015年08期
8 于宏威;王强;刘丽;石爱民;胡晖;刘红芝;;粮油品质安全高光谱成像检测技术的研究进展[J];光谱学与光谱分析;2016年11期
9 张保华;李江波;樊书祥;黄文倩;张驰;王庆艳;肖广东;;高光谱成像技术在果蔬品质与安全无损检测中的原理及应用[J];光谱学与光谱分析;2014年10期
10 李江波;饶秀勤;应义斌;;农产品外部品质无损检测中高光谱成像技术的应用研究进展[J];光谱学与光谱分析;2011年08期
中国重要会议论文全文数据库 前10条
1 马德敏;孙凡;金星;舒嵘;王建宇;;机载高光谱图像质量定量化评价方法的研究[A];成像光谱技术与应用研讨会论文集[C];2004年
2 成诚;;高光谱成像技术在公安业务中的应用展望[A];2017年光学技术研讨会暨交叉学科论坛论文集[C];2017年
3 陶斐斐;李永玉;王伟;彭彦昆;;基于高光谱成像技术快速无损伤评价猪肉新鲜度[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
4 柏财勋;李建欣;沈燕;;基于双折射偏振干涉的高光谱成像方法[A];第十六届全国光学测试学术交流会摘要集[C];2016年
5 刘德芳;孟鑫;李建欣;;基于色散剪切干涉的高光谱成像方法[A];第十五届全国光学测试学术交流会论文摘要集[C];2014年
6 颜昌翔;;星载高光谱成像及数据应用[A];第十届全国光电技术学术交流会论文集[C];2012年
7 杨暄;亓洪兴;刘敏;王义坤;刘毓博;汪磊;;机载摆扫式宽幅高光谱成像技术研究[A];2016年红外、遥感技术与应用研讨会暨交叉学科论坛论文集[C];2016年
8 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集(下册)[C];2008年
9 何宝琨;;使用曲面棱镜的高光谱成像系统设计[A];中国空间科学学会空间探测专业委员会第二十六届全国空间探测学术研讨会会议论文集[C];2013年
10 卢云龙;刘志刚;;高光谱图像目标探测现状研究[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
中国重要报纸全文数据库 前10条
1 本报记者 付毅飞;“珠海一号”,为何能拍出太空大片[N];科技日报;2017年
2 安卫平;训练容不得半点水分和杂质[N];解放军报;2018年
3 庞鲁豪 葫芦岛支队;对党忠诚 不掺杂质[N];人民武警报;2015年
4 谢沐风 上海市食品药品检验所;勿以杂质论英雄[N];医药经济报;2015年
5 新疆供销技校 石玉红;如何做好棉花杂质的估验工作[N];新疆科技报(汉);2006年
6 国家食品药品监管总局药品审评中心 张哲峰;仿制药杂质研究与控制的基本思路与策略[N];中国医药报;2014年
7 湖北省襄阳市粮食局 陈凡 江峰;打破杂质1%瓶颈疏通托市收购梗阻[N];粮油市场报;2014年
8 记者 王菲;我区棉花异性纤维有望“一扫清”[N];新疆科技报(汉);2010年
9 记者 齐中熙;我国将加强棉花质量监管[N];新华每日电讯;2001年
10 记者 霍然;喀克两地联手拒收异性纤维棉[N];喀什日报(汉);2006年
中国博士学位论文全文数据库 前10条
1 郭俊先;基于高光谱成像技术的棉花杂质检测方法的研究[D];浙江大学;2011年
2 王彩玲;干涉高光谱成像中的信息提取技术[D];中国科学院研究生院(西安光学精密机械研究所);2011年
3 郭辉;牛肉主要品质参数无损光学检测装置的研究[D];中国农业大学;2014年
4 王鹏冲;声光调制型可见光高光谱成像技术研究[D];哈尔滨工业大学;2017年
5 李娇娇;高光谱遥感图像高效分类与解混方法研究[D];西安电子科技大学;2016年
6 刘务;基于空谱特征挖掘的高光谱图像分类方法研究[D];哈尔滨工程大学;2018年
7 李威;基于机器学习的森林多源遥感数据分析方法研究[D];哈尔滨工程大学;2018年
8 李畅;高光谱遥感影像处理中的若干关键技术研究[D];华中科技大学;2018年
9 任越美;高光谱图像特征提取与分类方法研究[D];西北工业大学;2017年
10 王庆岩;面向植被遥感监测的高光谱图像分类技术研究[D];哈尔滨工业大学;2018年
中国硕士学位论文全文数据库 前10条
1 高海龙;基于透射和反射高光谱成像技术的马铃薯缺陷检测方法研究[D];华中农业大学;2014年
2 顾敏;基于高光谱成像的西兰花农药残留无损检测方法研究[D];浙江理工大学;2018年
3 张巍;基于高光谱成像技术的蓝莓内部品质检测方法的研究[D];沈阳农业大学;2016年
4 库静;不同高光谱成像方式的马铃薯内外部品质检测方法研究[D];华中农业大学;2016年
5 王莉;基于高光谱图像技术对不同品种牛肉的识别及其品质的差异性分析研究[D];宁夏大学;2018年
6 刘昱微;微波加热牛肉品质的高光谱成像无损检测方法研究[D];华南理工大学;2018年
7 崔腾飞;基于高光谱成像技术的羊肉品种判别实时检测系统的研究[D];宁夏大学;2018年
8 韩浩然;基于高光谱成像的水果轻微机械损伤无损检测的研究[D];云南师范大学;2018年
9 汪磊;光机扫描型大视场高光谱成像技术研究[D];中国科学院大学(中国科学院上海技术物理研究所);2017年
10 叶丹丹;基于高光谱成像技术的损伤马铃薯的识别与损伤程度的分类[D];黑龙江大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026