申请/专利权人：杭州谱育科技发展有限公司

申请日：2020-12-31

公开（公告）日：2021-05-25

公开（公告）号：CN112834454A

主分类号：G01N21/359(20140101)

分类号：G01N21/359(20140101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.06.11#实质审查的生效;2021.05.25#公开

摘要：本发明提供了基于近红外高光谱技术的冬枣检测方法，包括以下步骤：A1采集红枣的近红外高光谱数据，分别进入步骤A2和步骤B1；A2在近红外高光谱数据中选择感兴趣区域，并提取高光谱数据；获得冬枣的参数；根据获得的冬枣的参数，划分校正集和验证集；A3预处理冬枣的提取的高光谱数据；A4选择冬枣的特征波长；A5对预处理后的高光谱数据回归建模，得到建模的波段、波段的回归系数和偏置，进入步骤B3；B1在近红外高光谱数据中，分割出冬枣的高光谱数据；B2预处理分割出的冬枣的高光谱数据，预处理方式与步骤A3相同；B3利用建模的波段、波段的回归系数和偏置处理步骤B2中预处理后的高光谱数据，得到冬枣样品图像的灰度图。本发明满足了检测效率高的要求。

主权项：1.基于近红外高光谱技术的冬枣检测方法，所述基于近红外高光谱技术的冬枣检测方法包括以下步骤：A1采集红枣的近红外高光谱数据，分别进入步骤A2和步骤B1；A2在所述近红外高光谱数据中选择感兴趣区域，并提取高光谱数据；对所述感兴趣区域检测，获得冬枣的参数，所述参数是Vc含量或水分含量或含糖量；根据获得的冬枣的参数，划分校正集和验证集；A3预处理所述冬枣的提取的高光谱数据；A4使用连续投影算法或全谱建模方法或竞争性自适应加权算法选择冬枣的特征波长；A5对预处理后的高光谱数据回归建模，得到建模的波段、波段的回归系数和偏置，进入步骤B3；B1在所述近红外高光谱数据中，提取冬枣和背景的平均光谱，并分割出冬枣的高光谱数据，该高光谱数据包括每一个像元的位置和反射率；B2预处理分割出的冬枣的高光谱数据，预处理方式与步骤A3相同；B3利用所述建模的波段、波段的回归系数和偏置处理步骤B2中预处理后的冬枣的高光谱数据，得到冬枣样品图像的灰度图，该灰度图的每一个像元的灰度值对应冬枣的参数。

全文数据：

权利要求：

百度查询： 杭州谱育科技发展有限公司 基于近红外高光谱技术的冬枣检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD