專利名稱：基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于溫室作物生長信息和環(huán)境信息檢測技術(shù)領(lǐng)域，涉及一種基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法，特指利用光譜、視覺圖像、紅外溫度探測等多種無損探測技術(shù)，結(jié)合溫室環(huán)境的溫度、濕度、光照、CO2濃度和營養(yǎng)液電導(dǎo)率)、ρΗ值的檢測，獲取設(shè)施作物的氮、磷、鉀、水分和葉面積指數(shù)、莖粗、植株和果實(shí)生長速率，以及溫光水氣肥等作物生長和環(huán)境綜合信息。利用該方法獲取的綜合信息，可實(shí)現(xiàn)根據(jù)作物生長的實(shí)際需求進(jìn)行科學(xué)的水肥管理和溫室環(huán)境調(diào)控。
背景技術(shù)：
溫室作物生長信息無損檢測主要包括作物氮磷鉀營養(yǎng)、水分等養(yǎng)分檢測和葉面積指數(shù)、莖粗、株高、果實(shí)顏色質(zhì)量、植株和果實(shí)生長速率等長勢信息檢測兩個方面。環(huán)境信息主要指溫室的溫度、濕度、光照、CO2濃度和營養(yǎng)液M和PH值信息。溫室生長過程究其本質(zhì)是作物受環(huán)境、營養(yǎng)、水分等外部因子作用，并對其進(jìn)行轉(zhuǎn)化的復(fù)雜的動力學(xué)過程。溫室內(nèi)作物生長環(huán)境參數(shù)的空間分布性強(qiáng)、時空變異性大、多參數(shù)間相互影響，加上不同種類作物及不同植株之間的個體差異，造成傳統(tǒng)的栽培和環(huán)境調(diào)控方式很難適應(yīng)不同種類、不同植株及其不同生育期的生長需要。因此，在對溫室作物生長的環(huán)境和營養(yǎng)、水分等外部作用因子進(jìn)行準(zhǔn)確檢測的基礎(chǔ)上，研究環(huán)境、營養(yǎng)、水分等外部因子與作物長勢、生產(chǎn)過程之間的作用關(guān)系，建立基于溫室作物生長和環(huán)境信息綜合評價體系，并根據(jù)評價結(jié)果，制定最優(yōu)的控制策略，這對提高我國溫室技術(shù)的研究水平，實(shí)現(xiàn)設(shè)施農(nóng)業(yè)的高產(chǎn)、優(yōu)質(zhì)、高效、低碳和可持續(xù)發(fā)展有十分重要的理論意義和實(shí)用價值。目前作物的生長信息無損檢測主要以光譜技術(shù)和圖像技術(shù)為主。目前，作物營養(yǎng)、 水分檢測方面已有一些相關(guān)研究。在光譜檢測方面，申請?zhí)枮?00510088935. 0的發(fā)明專利申請，公開了一種便攜式植物氮素和水分含量的無損檢測方法及測量儀器，通過檢測植株葉片在四個特征波長處的光譜反射強(qiáng)度信息來進(jìn)行植物的營養(yǎng)診斷，利用對四個波長植被指數(shù)的反演來獲取植物的氮素和含水率信息。申請?zhí)枮?00410048127. 7的發(fā)明專利申請， 公開了一種基于自然光照反射光譜的黃瓜葉片含氮量預(yù)測方法，可以通過黃瓜葉片在指定波長處的光譜反射強(qiáng)度得出葉片的反射植被指數(shù)，進(jìn)而判斷其氮素水平。在視覺圖像檢測方面，申請?zhí)枮?00710069116. 0的發(fā)明專利，公開了一種多光譜成像技術(shù)快速無損測量茶樹含氮量的方法。申請?zhí)枮?00510062298. X的發(fā)明專利申請和申請?zhí)枮?00520134360. 7 的實(shí)用新型專利申請，公布了一種油菜氮素營養(yǎng)多光譜圖像診斷方法及診斷系統(tǒng)。上述系統(tǒng)均采用3CCD多光譜攝像系統(tǒng)作為視覺采集裝置，在計(jì)算機(jī)控制下，通過3CCD多光譜攝像系統(tǒng)采集植株冠層多光譜圖像信息，能夠非破壞性的診斷植株的氮素營養(yǎng)狀況。在作物的長勢檢測方面，申請?zhí)枮?00610097576. X的發(fā)明專利申請，公開了一種嵌入式農(nóng)業(yè)植物生長狀態(tài)監(jiān)測儀及其工作方法，可以對作物生長的環(huán)境溫濕度、莖粗、株高、土壤粘度和酸堿度進(jìn)行探測，該系統(tǒng)僅通過莖粗、株高判斷作物生長狀態(tài)，且缺少動態(tài)的作物生長評價模型，因此難以對作物生長狀態(tài)做出全面科學(xué)的評價。申請?zhí)枮?00410014648. 0的發(fā)明專
3利申請公開了一種用于農(nóng)作物生長監(jiān)測及營養(yǎng)施肥處方生成裝置和方法，該發(fā)明采用攝像機(jī)來獲取作物的莖、葉、花、果、皮圖像信息，利用營養(yǎng)成分檢測儀獲取農(nóng)作物和土壤營養(yǎng)信息，由于攝像機(jī)僅能獲取可見光合成圖像，難以對作物的氮磷鉀營養(yǎng)和水分特征進(jìn)行精確分析，營養(yǎng)成分檢測儀雖然可以獲取作物的營養(yǎng)信息，但其取樣和檢測方式會對作物造成損害。綜上所述，目前作物的生長信息的無損檢測主要基于光譜和圖像技術(shù)。光譜技術(shù)可以較便捷獲得含氮量、含水率與光譜反射率或其演生量的關(guān)系；可見光或近紅外視覺圖像的顏色(灰度)、紋理、形態(tài)特征在一定程度上也能表征作物營養(yǎng)水平、葉面積、莖果葉等信息，作物的冠_氣溫差與水分脅迫也顯著相關(guān)。但僅靠光譜、圖像和冠層溫度單一檢測方法，獲取營養(yǎng)或水分或葉面積指數(shù)、莖粗、株高、果實(shí)顏色形態(tài)等孤立信息，很難對作物生長狀態(tài)做出全面、系統(tǒng)、科學(xué)的判斷。且營養(yǎng)之間、營養(yǎng)與水分之間具有交互作用，檢測過程受作物冠層結(jié)構(gòu)、土壤背景光譜及大氣窗口、溫濕度等環(huán)境因子的影響較大，因此，僅僅用光譜技術(shù)，或可見光視覺圖像、或近紅外視覺圖像、或植株的冠氣溫差等單一探測技術(shù)不足以準(zhǔn)確、全面地反映作物營養(yǎng)、水分和長勢等生長信息。而快速準(zhǔn)確地獲取作物的生長和環(huán)境信息，是對作物的生長狀態(tài)進(jìn)行科學(xué)評價的前提。綜上所述，目前我國溫室園藝信息檢測尚無法對設(shè)施作物的生長和環(huán)境信息進(jìn)行全面、精確的檢測和解析，無法感知和反映作物生長真實(shí)的調(diào)控要求，造成作物產(chǎn)量潛力沒有充分挖掘，運(yùn)行能耗偏大的問題。鑒于以上原因，目前需要一種全方位獲取溫室作物的營養(yǎng)、水分和葉面積指數(shù)、莖粗、果實(shí)和植株生長速率，以及溫光水氣肥等作物生長和環(huán)境綜合信息的方法，以指導(dǎo)現(xiàn)代溫室生產(chǎn)，提高產(chǎn)量和品質(zhì)，減少過量施肥和傳統(tǒng)調(diào)控方式造成的浪費(fèi)和污染，提高經(jīng)濟(jì)效益。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種融合光譜、視覺圖像、紅外成像多種無損檢測技術(shù)，結(jié)合溫室環(huán)境溫度、濕度、光照、CO2濃度和營養(yǎng)液Μ、ρΗ值等作物生長和環(huán)境綜合信息的準(zhǔn)確探測，進(jìn)而對作物的生長和環(huán)境信息進(jìn)行科學(xué)評價，指導(dǎo)溫室環(huán)境按需調(diào)控的信息獲取方法， 為現(xiàn)代溫室環(huán)境調(diào)控和水肥管理提供科學(xué)依據(jù)。為實(shí)現(xiàn)上述目的，本發(fā)明基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法， 按照下述步驟進(jìn)行
(1)利用光譜儀、多光譜成像儀和熱成像儀直接獲取溫室作物的可見光-近紅外反射光譜信息、多光譜圖像信息和冠層溫度信息；
(2)利用溫度傳感器、濕度傳感器、輻照度傳感器、CO2濃度傳感器、紀(jì)和ρΗ值傳感器獲取溫室環(huán)境的溫度、濕度、光照、CO2濃度、營養(yǎng)液電導(dǎo)率(BC)和ρΗ值信息；
(3)對采集的作物的可見光-近紅外反射光譜和多光譜圖像進(jìn)行分析處理，提取作物氮磷鉀的可見光_近紅外反射光譜特征波長和多光譜圖像的顏色、紋理、灰度均值及融合特征，進(jìn)而將獲取的氮、磷、鉀的可見光-近紅外反射光譜和多光譜圖像特征進(jìn)行優(yōu)化，構(gòu)建作物氮磷鉀營養(yǎng)的反射光譜和圖像組合特征空間；
(4)對采集的作物的可見光-近紅外反射光譜和作物的冠層溫度信息進(jìn)行分析和處理，提取作物水分的可見光_近紅外反射光譜的特征波長和冠層溫度，結(jié)合環(huán)境溫度、濕度信息，獲取冠_氣溫差和飽和水汽壓，建立冠_氣溫差和水分脅迫指數(shù)模型；通過特征優(yōu)化構(gòu)建作物水分的反射光譜和冠層溫度組合特征空間；
(5)對采集的作物的可見光_近紅外反射光譜光譜信息和多光譜圖像信息進(jìn)行分析和處理，提取作物的葉面積指數(shù)和莖粗、株高、果實(shí)形態(tài)特征；并根據(jù)連續(xù)觀測數(shù)據(jù)，求得植株生長速率和果實(shí)生長速率；
(6)利用獲取的作物的氮磷鉀營養(yǎng)、水分養(yǎng)分信息和葉面積指數(shù)、莖粗、株高、植株生長速率、果實(shí)生長速率長勢信息，以及溫室環(huán)境的溫度、濕度、光照、CO2濃度、營養(yǎng)液M和pH 值信息，計(jì)算機(jī)進(jìn)行連續(xù)監(jiān)測記錄和格式化，作為作物的生長和環(huán)境信息的檢測數(shù)據(jù)。其中所述的步驟(3)、(4)、(5)中所采用的可見光-近紅外反射光譜的分析處理方法，按照下述步驟進(jìn)行首先進(jìn)行濾波，之后進(jìn)行逐步回歸和主成分分析提取特征。其中所述的步驟(3)、(4)、(5)中所采用的多光譜圖像的分析處理方法，按照下述步驟進(jìn)行首先增強(qiáng)多光譜圖像并進(jìn)行像素級圖像融合，之后通過超綠特征和二維直方圖分割背景，最后進(jìn)行顏色(灰度)均值計(jì)算、紋理分析和融合特征分析。本發(fā)明的效果是(1)本發(fā)明通過光譜、圖像、紅外溫度等多種無損探測技術(shù)的有機(jī)融合，結(jié)合溫度、濕度、光照、CO2濃度、營養(yǎng)液M和pH值等溫室環(huán)境信息檢測，全方位獲取作物生長和環(huán)境的綜合信息，不僅信息獲取量更大，更豐富，而且能夠更全面、精確地把握作物的生長狀態(tài)，這在以往的文件中都沒有涉及；(2)本發(fā)明通過作物的可見光-近紅外反射光譜和多光譜圖像信息的融合，來綜合判斷作物的氮磷鉀營養(yǎng)水平；通過近紅外光譜和冠層紅外溫度的信息融合來判斷作物的水分脅迫狀態(tài)，通過溫室作物的視覺圖像，提取其形態(tài)特征進(jìn)而判斷作物的長勢，這在以往的文件中都沒有涉及。


圖1是本發(fā)明所述方法所需硬件組成和信息流程示意圖2是本發(fā)明基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法流程圖。
具體實(shí)施例方式本發(fā)明基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法所需硬件組成和信息流程如附圖1所示。其所需硬件組成包括光譜儀、多光譜成像儀、熱成像儀、溫濕度傳感器、輻照度傳感器、CO2濃度傳感器、M和pH值傳感器、數(shù)據(jù)采集卡和計(jì)算機(jī)。其中光譜儀、 多光譜成像儀、熱成像儀用來采集作物營養(yǎng)、水分、長勢等生長信息；輻照度傳感器、溫濕度傳感器、CO2濃度傳感器、M和pH值傳感器用來采集溫室環(huán)境信息。光譜儀、多光譜成像儀、 熱成像儀獲取的信息讀取并傳輸給計(jì)算機(jī)；溫濕度傳感器、輻照度傳感器、CO2濃度傳感器、 M和pH值傳感器的輸出信號經(jīng)過數(shù)據(jù)采集卡進(jìn)行A/D轉(zhuǎn)換后上傳計(jì)算機(jī)。下面結(jié)合附圖2來說明對本發(fā)明所述該方法的具體實(shí)施方式
。本發(fā)明基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法包括以下步驟
(1)首先利用光譜儀、多光譜成像儀和熱成像儀直接獲取溫室作物的可見光_近紅外反射光譜信息、多光譜圖像信息和冠層溫度信息；
在溫室環(huán)境下，選擇無云的晴天，實(shí)施本方法，信息采集時間選擇在9 :00 15 00 ； 選用的光譜儀為美國ASD公司的FieldSpec 3型便攜式光譜分析儀，其光譜測量范圍350-2500nm ；選用25°視場的探頭，采用漫反射的方式采樣，探頭距離樣本表面2 3cm，光譜測量以10次掃描平均值作為1個采樣點(diǎn)光譜，每個樣本選取3個采樣點(diǎn)，再以其平均值作為作物的光譜反射率值。多光譜成像儀選用美國產(chǎn)MS-3100型多光譜累進(jìn)掃描數(shù)字式相機(jī)，MS-3100成像光譜范圍為350-1 lOOnm，在俯視視場和R、G、B、NIR和RGB、CIR模式下， 距離作物樣本冠層70cm處采集中心波長分別為660nm、560nm、460nm的R、G、B圖像和中心波長為SlOnm的近紅外圖像，及RGB、CIR合成圖像；在側(cè)視視場同樣模式下，距離植株50cm 處，采集中心波長分別為660nm、560nm、460nm、810nm的可見光-近紅外多光譜圖像，及RGB、 CIR合成圖像。作物冠層溫度的測量選用美國FLUKE公司的TI50紅外熱成像儀，測量范圍為-20 305°C，精度為0. 07°C，為了消除太陽方位角及作物種植方向?qū)τ^測值的影響，儀器與地面成45°，從6個不同方向進(jìn)行樣本測量，每次取6個測定值的平均值作為該樣本的冠層溫度值。光譜儀、多光譜成像儀和熱像儀獲取的數(shù)據(jù)由其自帶的專業(yè)分析軟件進(jìn)行數(shù)據(jù)分析和處理。其中光譜分析軟件采用自帶的ViewSpec Pro 4. 05進(jìn)行光譜預(yù)處理和導(dǎo)出，采用化學(xué)計(jì)量學(xué)光譜分析軟件NIRSA進(jìn)行光譜數(shù)據(jù)處理；多光譜圖像數(shù)據(jù)采用自帶的 Duncan軟件進(jìn)行數(shù)據(jù)采集，利用ENVI和IDL軟件對多光譜圖像進(jìn)行處理、分析和特征提??； 熱成像儀采用其自帶軟件SmartView 1. 0進(jìn)行分析和處理。 (2)利用溫濕度傳感器、輻照度傳感器、CO2濃度傳感器、if和PH值傳感器獲取溫室環(huán)境的溫度、濕度、光照、CO2濃度、營養(yǎng)液M和PH值信息；并將上述傳感器采集的信息通過數(shù)據(jù)采集卡進(jìn)行數(shù)字化轉(zhuǎn)換后上傳計(jì)算機(jī)分析；
環(huán)境溫濕度度采集選用奧地利的EE08型環(huán)境溫濕度一體傳感器，溫度測量范圍-40 80° C，濕度測量范圍為0 100% RH;輻照度傳感器采集選用意大利Dealto公司的 HD2021T型輻照度傳感器，測量范圍為0 lOOKLux ；溫室內(nèi)的CO2濃度測量選用國產(chǎn) CY8100型CO2濃度傳感器，營養(yǎng)液電導(dǎo)率紀(jì)測量采用德國WTW公司的Cond3310型紀(jì)傳感器，營養(yǎng)液PH值測量采用BPH-200A型pH值傳感器。數(shù)據(jù)采集卡為美國NI公司的NI USB-6251型數(shù)據(jù)采集卡，其AD精度為16位，具有8路差分BNC模擬輸入，單通道采樣率為 1.25 MS/s。將環(huán)境溫度、濕度、輻照度、電導(dǎo)率和pH值傳感器的輸出信號采用差分方式輸入數(shù)據(jù)采集卡前端5路差分輸入通道，A/D轉(zhuǎn)換后通過USB總線上傳計(jì)算機(jī)，計(jì)算機(jī)采用 DELL580型臺式計(jì)算機(jī)。利用數(shù)據(jù)采集卡自帶的數(shù)據(jù)采集軟件對溫室環(huán)境信息進(jìn)行處理，提取環(huán)境的溫度、濕度、光照、CO2濃度、營養(yǎng)液&和pH值信息；
(3)對采集的作物的可見光-近紅外反射光譜和多光譜圖像進(jìn)行分析處理，所采用的可見光-近紅外反射光譜的分析處理方法為首先進(jìn)行濾波，之后進(jìn)行逐步回歸和主成分分析提取特征；多光譜圖像的分析處理方法為首先增強(qiáng)多光譜圖像并進(jìn)行像素級圖像融合， 之后通過超綠特征和二維直方圖分割背景，最后進(jìn)行顏色(灰度)均值計(jì)算、紋理分析和融合特征分析。計(jì)算機(jī)提取作物氮磷鉀的可見光-近紅外反射光譜特征波長和多光譜圖像的顏色、紋理、灰度均值及融合特征，進(jìn)而將獲取的氮、磷、鉀的可見光-近紅外反射光譜和多光譜圖像特征進(jìn)行優(yōu)化，構(gòu)建作物氮磷鉀營養(yǎng)的反射光譜和圖像組合特征空間；
(4)對采集的作物的可見光-近紅外反射光譜和作物的冠層溫度信息進(jìn)行分析和處理，提取作物水分的可見光_近紅外反射光譜的特征波長和冠層溫度，結(jié)合環(huán)境溫度、濕度信息，獲取冠_氣溫差和飽和水汽壓，建立冠_氣溫差和水分脅迫指數(shù)模型；通過特征優(yōu)化構(gòu)建作物水分的反射光譜和冠層溫度組合特征空間；(5)對采集的作物的可見光_近紅外反射光譜光譜信息和多光譜圖像信息進(jìn)行分析和處理，提取作物的葉面積指數(shù)和莖粗、株高、果實(shí)形態(tài)特征；并根據(jù)連續(xù)觀測數(shù)據(jù)，求得植株生長速率和果實(shí)生長速率；
(6)利用獲取的作物的氮磷鉀營養(yǎng)、水分養(yǎng)分信息和葉面積指數(shù)、莖粗、株高、植株生長速率、果實(shí)生長速率長勢信息，以及溫室環(huán)境的溫度、濕度、光照、CO2濃度、營養(yǎng)液M和pH 值信息，計(jì)算機(jī)進(jìn)行連續(xù)監(jiān)測記錄和格式化，作為作物的生長和環(huán)境信息的檢測數(shù)據(jù)。
權(quán)利要求
1.基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法，其特征在于按照下述步驟進(jìn)行(1)利用光譜儀、多光譜成像儀和熱成像儀直接獲取溫室作物的可見光-近紅外反射光譜信息、多光譜圖像信息和冠層溫度信息；(2)利用溫度傳感器、濕度傳感器、輻照度傳感器、CO2濃度傳感器、紀(jì)和PH值傳感器獲取溫室環(huán)境的溫度、濕度、光照、CO2濃度、營養(yǎng)液電導(dǎo)率和pH值信息；(3)對采集的作物的可見光-近紅外反射光譜和多光譜圖像進(jìn)行分析處理，提取作物氮磷鉀的可見光_近紅外反射光譜特征波長和多光譜圖像的顏色、紋理、灰度均值及融合特征，進(jìn)而將獲取的氮、磷、鉀的可見光_近紅外反射光譜和多光譜圖像特征進(jìn)行優(yōu)化，構(gòu)建作物氮磷鉀營養(yǎng)的反射光譜和圖像組合特征空間；(4)對采集的作物的可見光-近紅外反射光譜和作物的冠層溫度信息進(jìn)行分析和處理，提取作物水分的可見光-近紅外反射光譜的特征波長和冠層溫度，結(jié)合環(huán)境溫度、濕度信息，獲取冠_氣溫差和飽和水汽壓，建立冠_氣溫差和水分脅迫指數(shù)模型；通過特征優(yōu)化構(gòu)建作物水分的反射光譜和冠層溫度組合特征空間；(5)對采集的作物的可見光_近紅外反射光譜光譜信息和多光譜圖像信息進(jìn)行分析和處理，提取作物的葉面積指數(shù)和莖粗、株高、果實(shí)形態(tài)特征；并根據(jù)連續(xù)觀測數(shù)據(jù)，求得植株生長速率和果實(shí)生長速率；(6)利用獲取的作物的氮磷鉀營養(yǎng)、水分養(yǎng)分信息和葉面積指數(shù)、莖粗、株高、植株生長速率、果實(shí)生長速率長勢信息，以及溫室環(huán)境的溫度、濕度、光照、CO2濃度、營養(yǎng)液M和pH 值信息，計(jì)算機(jī)進(jìn)行連續(xù)監(jiān)測記錄和格式化，即可得作物的生長和環(huán)境信息的檢測數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法，其特征在于其中所述的步驟(3)、(4)、(5)中所采用的可見光-近紅外反射光譜的分析處理方法，按照下述步驟進(jìn)行首先進(jìn)行濾波，之后進(jìn)行逐步回歸和主成分分析提取特征。
3.根據(jù)權(quán)利要求1所述的基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法，其特征在于其中所述的步驟(3)、(4)、(5)中所采用的多光譜圖像的分析處理方法，按照下述步驟進(jìn)行首先增強(qiáng)多光譜圖像并進(jìn)行像素級圖像融合，之后通過超綠特征和二維直方圖分割背景，最后進(jìn)行顏色(灰度)均值計(jì)算、紋理分析和融合特征分析。
全文摘要
本發(fā)明基于多傳感信息的溫室作物生長和環(huán)境信息檢測方法，屬于溫室作物生長信息和環(huán)境信息檢測技術(shù)領(lǐng)域。利用光譜儀、多光譜成像儀和熱成像儀獲取溫室作物的光譜、多光譜圖像和冠層溫度信息；利用溫度、濕度、輻照度、CO2濃度、EC和pH值傳感器獲取溫室的溫光水氣肥環(huán)境信息。對作物營養(yǎng)、水分的光譜、圖像和冠層溫度特征進(jìn)行優(yōu)化，得到氮磷鉀營養(yǎng)和水分特征空間；對作物的光譜和圖像形態(tài)特征進(jìn)行提取，得到作物的葉面積指數(shù)、莖粗、植株和果實(shí)生長速率；將獲取的作物營養(yǎng)、水分、長勢和溫光水氣肥溫室環(huán)境信息進(jìn)行連續(xù)監(jiān)測記錄并格式化，作為溫室作物的生長和環(huán)境綜合檢測信息。利用該方法獲取的信息，能夠根據(jù)溫室作物生長的實(shí)際需求進(jìn)行水肥管理和環(huán)境調(diào)控。
文檔編號G01D21/02GK102506938SQ201110363670
公開日2012年6月20日 申請日期2011年11月17日 優(yōu)先權(quán)日2011年11月17日
發(fā)明者周瑩, 左志宇, 張曉東, 朱文靜, 毛罕平, 高洪燕 申請人:江蘇大學(xué)