-
公开(公告)号：CN113533236B
公开(公告)日：2021-11-30
申请号：CN202111065948.1
申请日：2021-09-13
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
IPC: G01N21/31 , G01N21/3563 , G01N21/359 , G06K9/62
Abstract: 本发明属于无损检测技术领域，公开了一种水果无损检测光谱的特征提取方法，包括如下步骤：步骤1：采用连续投影算法对光谱的特征的重要性进行排序；步骤2：按照特征的排序顺序，采用主成分分析算法，逐渐增加特征值，获得不同数量的特征对样本的分类结果；步骤3：通过样本类别中心点之间的欧氏距离检验增加特征对分类能力的提升效果；如果N+1个特征的样本类别中心点之间的欧氏距离大于N个特征的样本类别中心点之间的欧氏距离；则表示增加的特征为有效特征；反之则增加的特征为无效特征。该方法能够在采用较少的样品的情况下对有效特征进行快速筛选，以利于后续的建模。同时本发明还公开了一种模型训练方法、检测方法。
-
公开(公告)号：CN113558458A
公开(公告)日：2021-10-29
申请号：CN202111077647.0
申请日：2021-09-15
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
IPC: A47J17/16
Abstract: 本发明属于自动化设备领域，其公开了一种取菠萝肉的全自动装置，包括机架、固定在机架上的用于驱动去皮后的菠萝以其轴心为转动中心进行转动的转动模块，还包括固定在机架上的刀片模块、第一识别模块、设置在转动模块上方的第二识别模块；所述第一识别模块用于识别菠萝在轴向上不同位置的宽度；所述第二识别模块用于识别转动模块上的菠萝表面的菠萝眼；所述刀片模块包括刀片、用于驱动刀片沿菠萝的轴向移动和垂直于菠萝轴向移动的移动模块；垂直于刀片的长度方向上所述刀片的剖面为V字形；所述刀片的长度方向和转动模块的轴心呈预设夹角，所述刀片的自由端为刃口。该装置能够准确的去除菠萝眼，同时，本发明还公开了基于该装置的方法。
-
公开(公告)号：CN113533236A
公开(公告)日：2021-10-22
申请号：CN202111065948.1
申请日：2021-09-13
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
IPC: G01N21/31 , G01N21/3563 , G01N21/359 , G06K9/62
Abstract: 本发明属于无损检测技术领域，公开了一种水果无损检测光谱的特征提取方法，包括如下步骤：步骤1：采用连续投影算法对光谱的特征的重要性进行排序；步骤2：按照特征的排序顺序，采用主成分分析算法，逐渐增加特征值，获得不同数量的特征对样本的分类结果；步骤3：通过样本类别中心点之间的欧氏距离检验增加特征对分类能力的提升效果；如果N+1个特征的样本类别中心点之间的欧氏距离大于N个特征的样本类别中心点之间的欧氏距离；则表示增加的特征为有效特征；反之则增加的特征为无效特征。该方法能够在采用较少的样品的情况下对有效特征进行快速筛选，以利于后续的建模。同时本发明还公开了一种模型训练方法、检测方法。
-
公开(公告)号：CN113558458B
公开(公告)日：2023-06-23
申请号：CN202111077647.0
申请日：2021-09-15
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
Abstract: 本发明属于自动化设备领域，其公开了一种取菠萝肉的全自动装置，包括机架、固定在机架上的用于驱动去皮后的菠萝以其轴心为转动中心进行转动的转动模块，还包括固定在机架上的刀片模块、第一识别模块、设置在转动模块上方的第二识别模块；所述第一识别模块用于识别菠萝在轴向上不同位置的宽度；所述第二识别模块用于识别转动模块上的菠萝表面的菠萝眼；所述刀片模块包括刀片、用于驱动刀片沿菠萝的轴向移动和垂直于菠萝轴向移动的移动模块；垂直于刀片的长度方向上所述刀片的剖面为V字形；所述刀片的长度方向和转动模块的轴心呈预设夹角，所述刀片的自由端为刃口。该装置能够准确的去除菠萝眼，同时，本发明还公开了基于该装置的方法。
-
公开(公告)号：CN114359539B
公开(公告)日：2022-06-21
申请号：CN202210263992.1
申请日：2022-03-17
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
IPC: G06V10/22 , G06V10/26 , G06V10/44 , G06V10/58 , G06V10/774 , G06V10/764 , G06V20/68 , G06K9/62 , G01N21/25
Abstract: 本发明属于光学检测技术领域，公开了一种生鱼片中寄生虫高光谱图像智能识别方法，所述方法具体包括如下步骤：步骤1：获取生鱼片的300～1100nm范围内的高光谱图像；步骤2：提取高光谱图像在437～446nm波长中任一波长值时的灰度图像；对灰度图像进行中值滤波、二值化处理，可得到图像中鱼肉的位置范围；步骤3：提取高光谱图像中位置范围的像素点的光谱信号，将光谱信号进行一阶导数处理后得到一阶导数平均光谱信号，将一阶导数平均光谱信号导入到预设的第一模型、第二模型、第三模型中进行分析。该方法可精确度高的分辨出鱼片中的虫体。
-
Patent Agency Ranking
公开(公告)号：CN113495039B
公开(公告)日：2021-11-12
申请号：CN202111037016.6
申请日：2021-09-06
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
IPC: G01N9/36 , G01N21/3563 , G01N21/3581
Abstract: 本发明属于无损检测领域，其公开了一种管道式水果品质无损检测装置，包括水平布置的管道、若干个布置在不同水平高度上的光源和接收光源发出信号的光能接收器、数据处理器，还包括位于光源与光能接收器之间的供果体竖立放置的固定座、设置固定座上的驱动果体绕竖直轴线转动的驱动模块；所述光源和光能接收器分设在管道内壁相对两侧；同时，本方案还提供了一种管道式水果品质无损检测方法；本方案可实现提高大体积水果如菠萝、柚子等水果的检测精度。
-
公开(公告)号：CN113495039A
公开(公告)日：2021-10-12
申请号：CN202111037016.6
申请日：2021-09-06
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
IPC: G01N9/36 , G01N21/3563 , G01N21/3581
Abstract: 本发明属于无损检测领域，其公开了一种管道式水果品质无损检测装置，包括水平布置的管道、若干个布置在不同水平高度上的光源和接收光源发出信号的光能接收器、数据处理器，还包括位于光源与光能接收器之间的供果体竖立放置的固定座、设置固定座上的驱动果体绕竖直轴线转动的驱动模块；所述光源和光能接收器分设在管道内壁相对两侧；同时，本方案还提供了一种管道式水果品质无损检测方法；本方案可实现提高大体积水果如菠萝、柚子等水果的检测精度。
-
公开(公告)号：CN112858601B
公开(公告)日：2025-05-23
申请号：CN202110105114.2
申请日：2021-01-26
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
Abstract: 本发明公开了一种微损伤式柚果内部品质特征检测采样装置与检测方法。本发明的微损伤式柚果内部品质特征检测采样装置，包括采样针、采气器和过滤器。进行柚果内部品质特征检测时，所述采样针可从柚果底部微损伤地穿过果皮并深入至柚果内部中心，由所述采气器通过出气芯对柚果内部中心气体进行柚果微损伤的采集，直接获取柚果内部中心集气空间的气体挥发物，实现对柚果内部品质特征检测的微损伤采样。本发明的微损伤式柚果内部品质特征检测方法，采用上述的微损伤式柚果内部品质特征检测采样装置进行检测采样，从而可实现对柚果无破坏、准确的内部品质特征检测。
-
公开(公告)号：CN113751345B
公开(公告)日：2023-04-07
申请号：CN202111077645.1
申请日：2021-09-15
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
Abstract: 本发明属于无损检测领域，公开了一种菠萝无损检测分级装置，包括控制器、第一输送带、第二输送带、动态称重输送机，所述动态称重输送机的下方设有通过转盘模块，所述转盘模块用于驱动动态称重输送机在水平方向上转动360°；所述第三输送带、第四输送带、第五输送带的末端均分别连接有基于可见光/近红外的无损检测设备；所述动态称重输送机和第二输送带之间设有第一传感器。该装置能够对菠萝的输送方向进行简单有效的判断，通过重量对菠萝进行一次分级，然后通过无损检测设备检测输送方向一致的菠萝，其检测位置精准，检测结果可靠，可针对菠萝的大小、是否有水心病进行分级。同时，本发明还公开了一种菠萝分级的方法。
-
公开(公告)号：CN114359539A
公开(公告)日：2022-04-15
申请号：CN202210263992.1
申请日：2022-03-17
Applicant: 广东省农业科学院农业质量标准与监测技术研究所
IPC: G06V10/22 , G06V10/26 , G06V10/44 , G06V10/58 , G06V10/774 , G06V10/764 , G06V20/68 , G06K9/62 , G01N21/25
Abstract: 本发明属于光学检测技术领域，公开了一种生鱼片中寄生虫高光谱图像智能识别方法，所述方法具体包括如下步骤：步骤1：获取生鱼片的300～1100nm范围内的高光谱图像；步骤2：提取高光谱图像在437～446nm波长中任一波长值时的灰度图像；对灰度图像进行中值滤波、二值化处理，可得到图像中鱼肉的位置范围；步骤3：提取高光谱图像中位置范围的像素点的光谱信号，将光谱信号进行一阶导数处理后得到一阶导数平均光谱信号，将一阶导数平均光谱信号导入到预设的第一模型、第二模型、第三模型中进行分析。该方法可精确度高的分辨出鱼片中的虫体。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.035 seconds)
