吉林省本地鹅和杂交鹅的产肉性能及胴体分割的研究

:随机选择刚出生的本地鹅雏和杂交鹅雏各 130只 ,采用放牧加补饲的方式育肥至 6 3日龄 ,进行屠宰测定。结果本地鹅平均活重 32 87 50g ,胴体重 2 854 10g ,半净膛率 80 18% ,全净膛率 73 76 % ,头重 12 9 3g ,颈重 2 4 3 2g ,翅重 157 6g ;杂交鹅平均活重 3482 6 9g ,胴体重 2 96 1 92g ,半净膛率 78 6 3% ,全净膛率 72 6 % ,头重 136 2g ,颈重 2 57 5g ,翅重 16 6 2g。表明该方式育肥效果显著 ,且杂交鹅优于本地鹅。通过与全放牧方式育肥的同龄本地鹅对比 ,说明品种、性别、育肥方式对育肥效果均有影响     

基于DOM及LiDAR的多尺度分割与面向对象林隙分类

为研究分割尺度对航空正射影像(DOM)与LiDAR数据协同面向对象林隙分割与分类的影响,以东北典型的天然次生林帽儿山实验林场东林施业区为试验区,对DOM与LiDAR数据进行多尺度分割与面向对象林隙分类。分割过程中,采用基于DOM分割、基于LiDAR数据分割、DOMLiDAR协同分割3种分割方案。每种分割方案采用10种尺度。在每种尺度应用两种数据提取的光谱和高度两种特征,采用支持向量机分类器(SVM)进行林隙分类。研究结果表明:3种分割与分类方案分类精度随尺度的增大整体呈现下降的趋势,与ED3(Modified)趋势相反。基于LiDAR数据在尺度参数10获得了最优分割结果。在所有尺度上(10~100),基于LiDAR数据分割与分类精度高于其他两种数据源的分类精度,相比单独使用DOM优势更加明显。基于LiDAR数据分割与分类方案在尺度参数10时获得了最高分类精度(Kappa系数为80%)。3种分割与分类方案最优尺度的分类精度显著高于其他尺度分类精度。分割尺度对面向对象林隙分类结果有重要影响。     

一种多尺度纹理主频的检测与分割

介绍了一种对含有多种纹理结构的图像的纹理主频检测——香农小波包分解的纹理主频检测 ,然后利用 Gabor滤波器确定主频 ,最后应用边缘提取实现纹理分割     

Cre/loxP定位重组系统在植物雄不育和杂种优势中的利用研究

Cre—loxP是来源于噬菌体P1的一种位点特异性重组系统。目前，它已广泛应用于基因功能鉴定，动植物及微生物基因组的修饰以及基因的表达和调控。雄性不育系在杂种优势的利用中具有重要意义。本实验是以Cre—loxP系统调控细胞毒素基因barnase在植物雄性器官发育的特异时期在特异组织表达，从而达到控制植物育性的目的。1．在本实验中，通过PCR方法克隆了解淀粉芽孢杆菌Bacillus amyloliquefaciens的barnase基因，及其抑制因子barstar的DNA序列，同时，构建成功双元表达载体及基因枪转化载体，并已获得经分子险测呈阳性的小麦植株。2．osg6B是来源于水稻花药绒毡层的特异性的启动子，它在小孢子发育的四分体时期至单核花粉期在花药绒毡层中特异启动基因的表达，它具有较为严紧的时空特异性。以osg6B为启动子，构建了一组受控于Cre／loxP位点特异性重组系统的适用于基因枪法转化小麦的载体系统。其中，转不育基因(og6B—barnase)小麦植株生长正常，但开花后，花粉量明显减少，自交不能得到正常种子。进行花粉活力检测发现，转基因小麦大部分花粉表现为败育。花粉离体萌发试验表明，转不育基因小麦的花粉离体萌发率极低，几近败育。说明以osg6B驱动barnase在小麦花药中的表达可以导致雄性不育。3．以osg6B为启动子，构建了一组受控于Cre／loxP的用于控制双子叶植物育性的双元表达载体系统。以转cre基因的烟草作为受体，以含阻断序列的质粒农杆菌进行二次转化。二次转化株营养生长正常，但开花期花器官表现异常。具体表现为花瓣异常开裂或不开裂，花丝变短或粘连，花药提早萎蔫或异常开裂。推测这种现象的出现与启动子的组织特异性或barnase的渗露表达有关。4．二次转化株花粉染色因不同株系出现全部败育、部分不育和多数可育的情况。花粉离体萌发实验也得到了相似的结果。这说明通过筛选，利用Cre／loxP得到完全不育的植物株系是完全可行的。5．获得了9个barnase的突变体，初步推测第十四位氨基酸及第八十位氨基酸与核糖核酸酶活性有关。同时，发现barnase的第316位核苷酸序列为易突变位点，自然发生的突变多插入一个C，从而产生终止位点的改变。这或许会为今后barnase的克隆与利用提供一些参考。     

游离棉纤维长度的计算机测量

文中介绍了一种棉纤维长度测量的新方法,即用CCD捕获游离棉纤维图像,然后依据数字图像处理及模式识别的理论,建立起一个实际可行的算法,来完成对棉纤维多种长度指标的一次性测量。该算法涉及到数字图像的二值分割、补断、修剪、像素跟踪等几个方面,且针对棉纤维图像的特征,进行了优化。     

基于显著和模糊检测的浅景深作物病害图像分割

大多数现有的基于图像的作物病害诊断方法往往对输入图像的质量具有很高的要求,例如要求背景简单、大景深等等。因此这些方法的预处理过程中需要去除复杂背景,然而这个预处理较难获得理想的结果。此外,当作物病斑面积较小时,会使得获取的图像景深较浅,也导致了这些方法难以抽取精确的病斑区域。为了解决上述问题,该文提出一种利用目标检测来分割病斑图像的方法。首先,该方法对抽取的结构特征和颜色特征进行整合并对特征空间进行量化,从而得到作物病害图像的显著区域。该方法不需要进行去除复杂背景的预处理过程即可得到病斑区域的图像;同时,为了处理浅景深的病害图像,引入了模糊检测方法用以进一步过滤背景和模糊区域的图像。试验中利用多种黄瓜和水稻病害的图片,将该方法与阈值法、图切割法进行了对比,结果表明该方法在效率不明显降低时,其分割效果明显优于阈值法;在分割效果差异不大时,其运行效率明显高于图切割方法;同时,该方法能够对浅景深的作物病害图像的病斑区域进行有效的分割。     

基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别

分析木材单板节子缺陷图像的特点,提出一种基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别算法。首先,对Chan-Vese提出的基于Mumford-Shah模型的水平集图像分割算法进行改进,使分割速度得到提高;其次,用AOS算法改进原模型的差分格式,使得差分格式无条件稳定;最后,结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。通过对比试验,表明该分割方法能够快速识别单板单个节子缺陷,充分说明该耦合方法比Chan-Vese方法及其改进方法有更好的分割效果。通过用多水平集作为初始轮廓演化曲线,结果表明该方法也可快速实现对单板多节子缺陷图像的识别,实现对单板节子图像的多目标分割。     

圆盘分割法在转基因大豆抗虫鉴定上的应用

大豆食心虫是大豆的主要害虫之一,随着大豆种植面积的扩大,其为害逐年加重。应用转基因抗虫品种防治大豆食心虫是现阶段应用研究热点,但其抗虫性一直存在着不易检测的困难。针对这一问题,本实验室设计、提出一种新型室内抗虫生测方法———圆盘分割法。该方法是根据大豆食心虫发生规律和取食习性来进行转基因大豆抗虫鉴定。试验证明了圆盘分割法的可行性;同时,该方法结合网室接虫鉴定法可以使转基因大豆抗虫鉴定更为高效和准确。     

机器视觉识别田间成熟番茄的研究

为正确识别自然条件下田间成熟番茄,顺利完成其自动采摘,研究了基于颜色特征的田间番茄识别方法。对采集的100幅自然条件下田间番茄图片进行颜色特征提取和理解的基础上,建立了利用成熟番茄与背景(未成熟番茄、枝叶等)在I2颜色指标上的差异进行番茄识别的颜色模型,并利用Ostu法将成熟番茄从背景中分割出来。通过在顺光条件和逆光条件下进行试验,结果表明该模型可以较好地实现自然条件下田间成熟番茄的识别。     

采用模糊形态学的大田害虫图像分割

介绍了基于机器视觉的大田害虫智能检测系统.文章通过对获取的大田害虫原始图像采用模糊形态学进行分割,将害虫从背景中分割出来,以提取出的周长、不变矩等特征,运用神经网络分类器对常见的9类害虫进行分类.试验验证了该系统的可行性,表明该方法分割速度快,容错性好,能够正确分割有噪声的大田害虫图像.