跳到主要內容

臺灣博碩士論文加值系統

(3.236.28.137) 您好!臺灣時間:2021/07/25 21:51
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:鄭宇帆
研究生(外文):Yu-Fan Cheng
論文名稱:高光譜影像於龍膽指標成份之檢測應用
論文名稱(外文):Detection of Marker Compounds of Gentiana scabra Using Hyper-Spectral Imaging
指導教授:陳世銘陳世銘引用關係
指導教授(外文):Suming Chen
學位類別:碩士
校院名稱:國立臺灣大學
系所名稱:生物產業機電工程學研究所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:101
中文關鍵詞:龍膽近紅外光修正型部分最小平方迴歸法光譜影像
外文關鍵詞:Gentiana scabraNear Infrared (NIR)Modified Partial Least Square Regression (MPLSR)Spectral Image
相關次數:
  • 被引用被引用:1
  • 點閱點閱:425
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
近年來,光譜影像技術於植株生長以及生物材料品質分析已被廣泛應用,技術也逐漸成熟。本研究以高光譜影像技術,進行龍膽組培苗及植株光譜量測,探討光環境與栽培期時間對於龍膽指標成份(龍膽苦苷與當藥苦苷)之影響,並建立指標成份含量檢測模式。
以反應曲面設計所規劃之LED光環境設定作為試驗條件確實會造成龍膽組培苗光譜資訊與指標成份含量上的差異;龍膽植株以栽培期長短作為實驗變因,經變異數分析(Analysis of Variance, ANOVA)發現指標成份含量的變異是極為顯著的,此結果有利於後續之光譜分析。
由On-Line NIRS 6500量測而得之龍膽組培苗與植株鮮葉光譜,以修正型部分最小平方迴歸(modified partial least square regression, MPLSR)光譜迴歸分析法建構龍膽組培苗指標成份含量之檢測模式,龍膽組培苗龍膽苦苷之MPLSR分析結果,校正組RC可達0.935,且RMSEC已降低至0.33 %,RSEC更是只有5.85 %,至於預測組之RP為0.826、RMSEP為0.439 %,而RSEP相當低,僅有7.75 %。龍膽組培苗之當藥苦苷之MPLSR分析結果為相關係數RC=0.935,誤差RMSEC=0.06 %,RMSEP=0.114 %。
龍膽植株指標成份龍膽苦苷以因子數為6且最佳數學前處理(2,2,2,1)時,其校正組檢測模式為最佳(RC=0.895,RMSEC=0.422 %)。至於當藥苦苷MPLSR光譜檢測模式是以因子數為3搭配數學前處理為(2,2,2,1)的情形之下檢量線為最佳(RC、RMSEC分別為0.946、0.036 %),不管是植株或是組培苗,均成功建立指標成份含量檢量模式。
本研究自行建立之高光譜影像系統,減少了人為主觀判斷的誤差,節省實驗進行的時間,以反射率與平均灰階強度值作線性內插計算,可快速估算出龍膽植被在波長400 nm到1100 nm下的吸收光譜。
以高光譜影像擷取之光譜影像資訊,進行MPLSR分析建立的龍膽組培苗指標成份含量檢測模式,龍膽苦苷的預測情形在校正與預測能力的表現上(RC約0.8,而RMSEC與RMSEP也分別在0.6 %以下),優於當藥苦苷的檢測模式分析結果(RC、RMSEC、RMSEP分別為0.683、0.120 %、0.126 %),有好的校正與預測能力。龍膽植株之龍膽苦苷與當藥苦苷檢測模式RC均可達到0.9,校正誤差RMSEC更各在0.439 %及0.04 %以下,以此檢量線結果進行預測,所得之龍膽苦苷預測誤差為0.452 %,而當藥苦苷預測誤差為0.041 %。
合併組培苗及植株樣本一起分析之龍膽苦苷之高光譜影像MPLSR之分析結果指出,校正組之RC可達0.943,而RMSEC可達到0.570 %,預測組檢量線其RP可達0.916,RMSEP也可低於1 %,而至0.699 %,具優異之校正與預測能力。另外,當藥苦苷於龍膽組培苗與植株含量差異甚大而導致光譜分析結果表現差強人意,無法找出具備校正與預測能力之檢量線。整體而言,高光譜影像資訊經過適當的光譜數學前處理後,已成功建立指標成份含量之檢量線,除了有好的校正結果之外,亦具備預測指標成份含量之能力。
綜論,本研究已建立之高光譜影像系統,透過數位影像處理法分析光譜影像資訊,轉換為吸收度光譜,並應用於龍膽指標成份含量檢測,由MPLSR光譜迴歸分析模式成功地建立組培苗與植株的龍膽苦苷與當藥苦苷兩種指標成份之檢量線,能在龍膽生長過程中,進行即時且非破壞的檢測。
Using spectral imaging technology to monitor the physiological status of plants has become feasible in recent years. In this study, we used hyper-spectral imaging technology to measure and analyze the reflectance spectra of Gentiana scabra growing in vitro and in greenhouse. The effects of light environments and growth period on the contents of marker compounds of Gentiana scabra including gentiopicroside and swertiamarin were investigated, and the calibration NIR models of these marker compounds were developed. .
Response surface method (RSM) designed LED light environments were adopted. The results indicated that both marker compounds contents and reflectance spectra were significantly influenced by the designed LED light environments using the variance analysis (the analysis of variance, ANOVA).
On-Line NIRS 6500 and modified partial least square regression (MPLSR) were used to measure and analyze the spectra of both seedlings and plants of Gentiana scabra. Regarding the seedlings, MPLSR results showed that RC = 0.935, RMSEC = 0.33% and RSEC = 5.85% of calibration set, and RP = 0.826, RMSEP = 0.439% and RSEP = 7.75% of calibration set for gentiopicroside while RC = 0.935, RMSEC = 0.06%, RMSEP = 0.114% for swertiamarin. Regarding the plants, the best calibration model for gentiopicroside, marker compounds in Gentiana scabra showed RC = 0.895, RMSEC = 0.422% while RC = 0.946, RMSEC = 0.036% for swertiamarin.
A hyper-spectral imaging system with the wavelength range of 400 – 1100 nm was developed in this study. It provided objective, nondestructive and fast spectral imaging measurements of Gentiana scabra samples. Using hyper-spectral imaging system for seedlings, it gave the results that RC was approximately 0.8, and RMSEC and RMSEP less than 0.6% for gentiopicroside; while RC, RMSEC, RMSEP were 0.683, 0.120%, and 0.126% respectively for swertiamarin. Using hyper-spectral imaging system for plants, RC, RMSEC, RMSEP were 0.9, 0.439%, and 0.452% respectively for gentiopicroside while RC, RMSEC, and RMSEP were 0.9, 0.04%, and 0.041% respectively for swertiamarin.
As for the pooled samples of seedlings and plants, the results of MPLSR yielded RC, RMSEC, RMSEP were 0.943, 0.570%, 0.699% respectively for gentiopicroside. However, the swertiamarin content in seedlings and plants were differ extremely, it seemed difficult to obtain a good calibration spectra model.
As a conclusion, a hyper-spectral imaging system was developed and was applied to the measure the contents of marker compounds in Gentiana scabra. Calibration models using MPLSR were successfully established for gentiopicroside and swertiamarin for both seedlings and plants; and it provided instant and nondestructive measurements of gentiopicroside and swertiamarin during the growth of Gentiana scabra.
誌 謝 i
摘 要 iii
Abstract v
目錄 ix
圖目錄 xi
表目錄 xv
第一章 前言 1
1.1前言 1
1.2研究目的 3
第二章 文獻探討 4
2.1藥用植物-龍膽 4
2.2發光二極體於植物栽培之應用 6
2.3光譜影像 9
2.3.1高光譜影像 10
2.3.2高光譜影像資訊分析與應用 13
第三章 材料與方法 25
3.1實驗材料 25
3.2試驗設計與處理 28
3.2.1龍膽組織培養苗 28
3.2.2龍膽植株 31
3.3實驗設備 33
3.3.1 LED光源控制系統 33
3.3.2高光譜影像系統 34
3.3.3分光光度計 37
3.4實驗流程 39
3.5分析方法 43
3.5.1取樣與龍膽指標成份含量分析 43
3.5.2光譜分析方法 45
3.5.3龍膽高光譜影像資訊分析 47
第四章 結果與討論 52
4.1龍膽指標成份含量分析結果 53
4.2龍膽高光譜影像資訊分析結果 58
4.2.1龍膽組培苗之高光譜影像特性 59
4.2.2龍膽植株之高光譜影像特性 64
4.3龍膽指標成份之MPLSR檢量模式分析 68
4.3.1龍膽指標成份之MPLSR光譜檢量模式分析結果 68
4.3.2龍膽指標成份之高光譜影像MPLSR檢量模式分析結果 77
第五章 結論與建議 89
5.1結論 89
5.2建議 92
第六章 參考文獻 93
方煒、李光軒、饒瑞佶。1999。使用有色固態與液態透明資材調整光質。農業機械學刊8(2):63-74。
方煒、饒瑞佶。2004。高亮度發光二極體在生物產業之應用。中華農學會報5(5): 432-446。
王臣、邢秀芳、馬立祥。2004。栽培條葉龍膽各形態類型龍膽苦苷含量的測定。中國中藥雜誌29(9): 841-844。
李明達。2001。水份逆境下植物影像特徵分析之研究。碩士論文。台北:國立臺灣大學農業機械工程學研究所。
李廣臣。2002。細辛、龍膽草、柴胡、防風規範化栽培及加工技術。北京:中國勞動社會保障出版社。
杜洪濤、劉世琦、蒲高斌。2005。光質對彩色甜椒幼苗生長及葉綠素螢光特性的影響。西北農業學報14(1): 41-45。
沈明來。2002。試驗設計學。台北:九州圖書文物有限公司。
林育菁。2002。蓮霧及木瓜內部品質之近紅外光檢測。碩士論文。台北:國立臺灣大學生物產業機電工程學研究所。
林俊成、紀青迪。2005。CCD camera應用於平面顯示器全畫面影像色度均勻性量測技術。出自〝Proceeding of 2005 CACS Automatic Control Conference〞。
孫海峰、王喜軍、吳修紅、孟祥才、周磊、曲向前。2004。栽培措施對龍膽產量以及龍膽苦苷類成份含量之影響。植物研究24(3): 335-338。
徐昭璽、魏建和。2001。熱門及名貴中藥材種植技術。北京:中國農業出版社。
徐凱、郭延平、張上隆。2005。不同光質對草莓葉片光合作用和葉綠素螢光的影響。中國農業科學38(2): 369-375。
許欣正。2002。光質對組培苗生長之研究。碩士論文。台中:國立中興大學農業機械工程學研究所。
郭文杰。1996。甘藍苗品質相關外觀性狀之影像量測系統。碩士論文。台北:國立台灣大學農業機械工程學研究所。
張文宏、陳世銘、連豐力、許豐益、謝廣文。1994。水果智慧型選別之研究。農業機械學刊3(4): 25-35。
張嘉麟、陳世銘。1999。近紅外光與核磁共振應用於乳粉脂肪含量之檢測。農業機械學刊8(3): 43-60。
張晉倫。2006。應用溫室內多功能監測系統於甘藍種苗生長性狀判別之研究。碩士論文。台北:國立台灣大學生物產業機電工程學所。
陳乃菁。1994。甘藍苗品質與其物化特性之關係。碩士論文。台北:國立臺灣大學農業機械工程學研究所。
陳世銘、馮丁樹、洪慎德、吳春杰、呂昆忠、田秉才、張文宏。1996。柑橘類水果光電選別機之研製。農業機械學刊5(4): 35-46。
陳加忠。2000a。植物組培苗容器之選擇基準。出自〝組織培養苗量產工程推廣手冊〞,p23-27。陳加忠主編。台中:國立中興大學農業機械工程學系生物系統工程研究室。
陳加增。2001。近紅外光應用於水果糖酸度線上檢測之研究。碩士論文。台北:國立台灣大學農業機械工程學所。
陳金男。2003。以發光二極體做為瓶苗栽培光源之光環境模擬與控制。學士論文。台北:國立台灣大學生物產業機電工程學系。
陳金男、陳世銘、楊宜璋、李進發。2003。以發光二極體作為組織培養光源之光環境模擬。出自〝九十二年農機與生機論文發表會論文摘要集〞,125-126。台北:中華農業機械學會。
陳金男、陳世銘、楊宜璋、李進發。2004。以發光二極體作為組培光源之製作與電腦圖控系統之建立。出自〝2004生機與農機論文發表會論文摘要集〞,233-234。台北:台灣生物機電學會。
陳金男。2005。LED光環境控制系統之建立與其應用於星辰花組培苗生理影響之探討。碩士論文。台北:國立臺灣大學生物產業機電工程學研究所。
陳加增。2007。應用智慧型光譜資訊分析於蔬菜植株氮含量檢測之研究。博士論文。台北:國立臺灣大學生物產業機電工程學研究所。
陳世銘、葉德銘、謝瑞旻、賴卓群、楊宜璋、陳金男、陳育菘、陳俊吉、鄭宇帆、林佳吟、王慶茵。2007。應用LED光環境調控系統於藥用植物龍膽組培苗之栽培。行政院國科會應科小組/經濟部能源局九十六年度能源科技學術研討暨成果發表會。台北,台灣,Dec. 26, 2007。
陳育菘。2008。以LED可調控系統探討星辰花與龍膽組培苗之光環境。碩士論文。台北:國立臺灣大學生物產業機電工程學研究所。
陳世銘、葉德銘、謝瑞旻、賴卓群、鄭宇帆、陳俊吉、張淳皓。2008。應用LED光環境調控系統於藥用植物龍膽組培苗之栽培(II)。行政院國科會應科小組/經濟部能源局九十七年度能源科技學術研討暨成果發表會。台北,台灣,Dec. 29, 2008。
黃慶文。2002。植物組織培養瓶換氣率與透光量之研究。碩士論文。台中:國立中興大學農業機械工程學研究所。
黃政偉。2002。多光譜影像應用於水稻植株含氮量之遙測。碩士論文。台北:國立台灣大學生物產業機電工程學所。
黃峻吉。2003。稻株含氮量多光譜影像遙測系統之研究。碩士論文。台北:國立台灣大學生物產業機電工程學所。
黃竣吉,陳世銘,楊翕雯,陳加增。2004。近紅外光技術應用於穿山甲中藥成份之檢測。農業機械學刊13(3): 37-52。
楊宜璋、王慶茵、陳世銘、陳育菘、鄭宇帆、謝瑞旻、賴卓群、陳崇文。2007。利用近紅外光光譜於藥用植物龍膽生藥粉末之藥性成份檢測。出自〝2007農機與生機論文發表會論文摘要集〞,7-8。台北:中華農業機械學會。
廖玉琬、徐善德。1999。植物生理學。台北。啟英文化事業有限公司。
劉祖惠。2005。以植物組織培養技術生產中草藥種苗及其應用。農業生技產業季刊1:15-19。
劉祖惠。2005。植物種苗微體量產技術之開發。農業生技產業季刊。1(1):20-22。
蔡兆胤、謝俊夫、盛中德。2005。砷化銦鎵多通道檢波器水果檢測系統之研製。農業機械學刊14(1): 33-48。
蔡兆胤。2007。近紅外線連續式線上水果檢測系統之開發研究。博士論文。台中:國立中興大學生物產業機電工程學系。
戴紹軍、王洋、閻秀峰、馬梅芬。2005。濾光膜對喜樹幼苗葉片生長和喜樹鹼含量的影響。生態學報24(5): 869-875。
謝觮璘。2006。飽和脈衝葉綠素螢光影像系統之建立及於植物光熱逆境生理之應用。碩士論文。台北:國立臺灣大學生物產業機電工程學研究所。
魏志安。2003。聲光可調光濾波器波長轉換器元件之研製。碩士論文。中壢:國立中央大學光電科學研究所。
闕甫伈。1998。臺灣產龍膽之生藥學研究。博士論文。台中:中國醫藥大學中國藥學研究所。
關暘、王臣、李業欣、徐娜、劉鳴遠。2004。栽培條葉龍膽根中龍膽苦苷含量差異的研究。植物研究24(2): 184-186。
饒瑞佶。1996。組織培養環控室人工光源光譜分析與合成。碩士論文。台北:國立臺灣大學生物產業機電工程學研究所。
饒瑞佶、方煒。2000。組合式紅、藍光發光二極體燈具之給光環境模擬。農業機械學刊9(3): 51-63。
饒瑞佶、方煒、李登華。2001。超高亮度發光二極體做為組培苗栽培人工光源之燈具製作與應用。中國園藝47(3): 301-312。
饒瑞佶。2003。超高亮度紅藍光LED應用於蝴蝶蘭組培苗栽培之研究。農業機械學刊12(4): 93-100。
饒瑞佶。2003。發光二極體應用於蝴蝶蘭、彩色海芋與馬鈴薯組織培養之研究。博士論文。台北:國立臺灣大學生物產業機電工程學研究所。
Anthony, J.. 2000. Multi-Response optimization in industrial experiments using taguchi quality loss function and principal component analysis. Quality And Reliability Engineering International 16: 3-8.
Ariana, D. P.,and R. Lu. 2006. Visible/near-infrared hyperspectral transmittance Imaging for detection of internal mechanical injury in pickling cucumbers. ASABE Paper No. 063039. St. Joseph, Mich.: ASABE.
Bula, R. J., R. C. Morrow, T. W. Tibbitts, and D. J. Barta. 1991. Light-emitting diodes as a radiation source for plants. HortScience 26(2): 203-205.
Bajwa, S. G., and L. Tian. 2002. Multispectral CIR image calibration for cloud shadow and soil background influence using intensity normalization. Transactions of the ASAE 18(5): 627-635.
Bajwa, S. G., P. Bajcsy, P. Groves, and L. F. Tian. 2004. Hyperspectral image data mining for band selection in agricultural applications. Transactions of the ASAE 47(3): 895-907.
Blanco M. and Villarroya I. 2002. NIR spectroscopy: a rapid-response analytical tool. Trends in Analytical Chemistry 21(4): 240-250.
Borhan, M. S., S. Panigrahi, J. H. Lorenzen and H. Gu. 2004. Multispectral and color imaging techniques for nitrate and chlorophyll detection of potato leaves in a controlled environment. Transactions of the ASAE 47(2): 599-608.
Chao, K., P. M. Mehl, and Y. R. Chen. 2002. Use of hyper– and multi–spectral imaging for detection of chicken skin tumors. American Society of Agricultural Engineers 18(1): 113-119.
Chen, S., and R. E. Garrett. 1997. System identification of quality evaluation for vegetable seedlings. In “Preprints: SYSID’97, 11th IFAC Symposium on System Identification”, eds. Y. Sawaragi and S. Sagara, Vol. 3, P. 1561-1565. Kitakyushu, Japan.
Chen, Y. R., K. Chao, and M. S. Kim. 2002. Machine vision technology for agricultural applications. Computers and Electronics in Agriculture 36: 173-191.
Chen, C. T., S. Chen, C. Y. Wang, I. C. Yang, S. C. Hsiao and C. Y. Tsai. 2008. Evaluation of nitrogen content in cabbage seedlings using hyper-spectral images. Sensing and Instrumentation for Food Quality and Safety 2(2): 97-102.
Coops, N. C., M. L. Smith, M. E. Martin, and S. V. Ollinger. 2003. Prediction of eucalypt foliage nitrogen content from satellite-derived hyperspectral data. IEEE Transactions on Geoscience and Remote Sensing 41(6): 1338-1346.
Gat, N.. 2000. Imaging spectroscopy using tunable filters:A review. Opto-Knowledge Systems, Torrance , CA, Inc.(OKSI).
Goel, P. K., S. O. Prasher, J. A. Landry, R. M. Patel, A. A. Viau, and J. R. Miller. 2003. Estimation of crop biophysical parameters through airborne and field hyperspectral remote sensing. Transactions of the ASAE 46(4): 1235-1246.
Gowen, A. A., C. P. O’Donnell, P. J. Cullen, G. Downey, and J. M. Frias. 2007. Hyperspectral imaging – an emerging process analytical tool for food quality and safety control. Trends in Food Science & Technology 18: 590-598.
Go’mez, S. J., E. Molto’, G. C. Valls, L. G. Chova, N. Aleixos, and J. Blasco. 2008. Automatic correction of the effects of the light source on spherical objects. An application to the analysis of hyperspectral images of citrus fruits. Journal of Food Engineering 85: 191-200.
Hahlweg, C., and H. Rothe. 2007. Spectroscopic imaging from 400nm to 1800nm with liquid crystal tunable filters. Proc. of SPIE-IS&T Electronic Imaging, SPIE: 6503-650307.
Hsu, P. H. and Y. H. Tseng. 2004. Visualization of hyperspectral images for spectral analysis. journal of photogrammetry and remote sensing 9(3): 81-96.
Javier, C. M., J. V. Frances, E. R. Gomez, V. D. Bosch, J. M. Mari, J. A. Lopez, L. G. Chova, and E. T. Romera. 2006. 400- to 1000-nm imaging spectrometer based on acousto-optic tunable filters. Journal of Electronic Imaging 15(2): 023001.
Kim, M. S., Y. R. Chen, and P. M. Mehl. 2001. Hyperspectral reflectance and fluorescence image system for food quality and safety. Transactions of the ASAE 44(3): 721-729.
Kavdir, I., and D. E. Guyer. 2002. Apple sorting using artificial neural networks and spectral imaging. Transactions of the ASAE 45(6): 1995-2005.
Kaszab, T., B. Herold, W. Herppich, M. Zude, B. Borsa, and L. Kovacs. 2007. Water content variations in carrot tissue by hyperspectral imaging. ASABE Paper No. 076109. St. Joseph, Mich.: ASABE.
Lee, K. J., S. Kang, M. S. Kim, and S. H. Noh. 2005. Hyperspectral imaging for detecting on apples. ASABE Paper No. 053075. St. Joseph, Mich.: ASABE.
Michael, J. F., K. Oxborough, P. M. Mullineaux, and N. R. Baker. 2001. Image of photo-oxidative stress responses in leaves. Journal of Experimental Botany 53(372): 1249-1254.
Monteiro, S. T., Y. Minekawa, Y. Kosugi, T. Akazawa, and K. Oda. 2007. Prediction of sweetness and amino acid content in soybean crops from hyperspectral imagery. Journal of Photogrammetry & Remote Sensing 62: 2-12.
Nagata, M., J. G. Tallada, T. Kobayashi, and H. Toyoda. 2005. Nir hyperspectral imaging for measurement of internal quality in strawberries. ASABE Paper No. 053131. St. Joseph, Mich.: ASABE.
Noh, H. K., and R. Lu. 2005. Hyper-spectral reflectance and fluorescence for assessing apple quality. ASABE Paper No. 053069. St. Joseph, Mich.: ASABE.
Nicolai, B. M., E. Lotze., A. Peirs., N. Scheerlinck, and K. I. Theron. 2006. Non-destructive measurement of bitter pit in apple fruit using NIR hyperspectral imaging. Postharvest Biology and Technology 40: 1-6.
Okamoto, K., T. Yanagi, and S. Takita. 1996. Development of plant growth apparatus using blue and red LED as artificial light source. Acta Horticulturae 440: 111-116.
Polder, G., G. W. A. M. van der Heijden, and I. T. Young. 2002. Spectral image analysis for measuring ripeness of tomatoes. Transactions of the ASAE 45(4): 1155-1161.
Park, B., K. C. Lawrence, W. R. Windham, and R. J. Buhr. 2001. Hyperspectral imaging for detecting fecal and ingesta contamination on poultry carcasses. ASABE Paper No. 013130. St. Joseph, Mich.: ASABE.
Park, B., K. C. Lawrence, W. R. Windham, and D. P. Smith. 2006. Performance of hyperspectral imaging system for poultry surface fecal contaminant detection. Journal of Food Engineering 75: 340-348.
Qi, J., A. Chehbouni, A. R. Huete, Y. H. Kerr, and S. Sorooshian. 1994. A modified soil adjusted vegetation index. Transactions of the Remote Sensing of the Environment 48(2): 119-126.
Qiao, J., N. Wang, M. O. Ngadi, and S. Baljinder. 2005. Water content and weight estimation for potatoes using hyperspectral imaging. ASABE Paper No. 053126. St. Joseph, Mich.: ASABE.
Rosario, P. I., D. C. Jose, B. B. Carmen, L. H. Rodrigo, R. M. Joaquín, and O. Sergio. 2005. Design and comparison of multi- and hyper- spectral imaging systems. Proc. of SPIE: 5987-59870Q.
Smith, M. A. L., and L. A. Spomer. 1994. Vessel, gels, liquid media, and support systems. Automation and environmental control in plant tissue culture: 371-385.
Tallada, J. G., M. Nagata, and T. Kobayashi. 2006. Detection of bruises in strawberies by hyperspectral imaging. ASABE Paper No. 063014. St. Joseph, Mich.: ASABE.
Tumbo, S. D., D. G. Wagner, and P. H. Heinemann. 2002. Hyperspectral characteristics of corn plants under different cklorophyll levels. Transactions of the ASAE 45(3): 815-823.
Xing, J., and J. D. Baerdemaeker. 2005. Bruise detection on ‘Jonagold’ apples using hyperspectral imaging. Postharvest Biology and Technology 37: 152-162.
Xing, J., M. Ngadi, N. Wang, and J. D. Baerdemaeker. 2006. Wavelength selection defects detection on tomatoes by means of a hyperspectral imageing system. ASABE Paper No. 063018. St. Joseph, Mich.: ASABE.
Yang, I. C., S. Chen, C. Y. Wang, Y. S. Chen, Y. F. Cheng, M. J. Hsieh, C. C. Lai, and W. C. Chen. 2008. Pharmaceutical Ingredients Detection of Gentiana scabra in Powder Form using Near Infrared Spectroscopy. In “Proceedings of the 4th International Symposium on Machinery and Mechatronics for Agricultural and Bio-systems Engineering (ISMAB 2008)”, PO-108~113. Taichung, Taiwan: National Chung Hsing University.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top