数字图像模式识别技术在植物叶片识别中的应用

植物分类鉴别是森林资源及林下中药资源清查和保护工作的基础, 但现在植物的鉴别主要依靠人为进行, 效率低、主观性强, 且专业人才较少。随着数字信息化技术的发展, 构建计算机化的植物模式识别体系已经成为植物鉴别过程中强有力的工具,可为植物学的定种工作提供便捷、准确的保障。文中从叶片特征选择、常用叶片识别方法及图像识别在手机系统上的应用3个方面综述了叶片模式识别的相关研究成果,并探讨了利用计算机视觉辅助植物分类方面的问题和展望,以期为数字图像模式识别技术在植物叶片识别中的应用和进一步研究提供参考。     

食品中农药残留的电子鼻检测识别研究

电子鼻(e-nose)通过气味来鉴别化合物,是一种模拟生物嗅觉工作原理的新形仿生检测系统。它在农药残留等食品安全检测领域中有着广泛的应用。电子鼻包括检测系统、数据预处理系统和模式识别系统。本文通过对电子鼻的发展历史和组成部分的基本原理介绍,全面回顾和总结了过去二十年来电子鼻在食品农药残留检测中的应用。最后,从几个方面讨论了电子鼻技术在该领域的存在问题及发展趋势。     

一种二倍体片段测序中SNP检测系统的构建

【目的】开发基于模式识别方法的二倍体片段测序中单核苷酸多态性(Single nucleotide polymorphism,SNP)自动检测系统,提高检测的准确性。【方法】采用Lab Windows/CVI 9.0开发平台,结合Matlab函数库编程,以二倍体PCR片段测序的.ab1或.scf格式文件作为源数据,首先分离出碱基G、A、T和C,进行一维离散小波滤波,再对各碱基处的波形进行典型特征提取,最后运用基于反向传播神经网络的分类器完成SNP识别和判断。【结果】系统界面友好、运行稳定。SNP等级分为6级,允许用户对可疑的SNP进行人工修正,对尾叶桉Eucalyptus urophylla的26个测序序列143个SNP的测试中检测准确率、假阳性率和假阴性率均明显优于之前的类似软件。【结论】本文所构建的SNP自动检测系统准确性高,不需参考序列,可用于二倍体PCR片段测序中SNP的高效检测。     

基于高效液相色谱指纹图谱的玛咖及其制品真实性识别

玛咖及其制品的真实性是保障品质的关键。为了研究玛咖及其制品的差异,对玛咖制品进行真实性鉴别,分别以不同产地、色型的玛咖及玛咖制品为供试材料,对其进行高效液相色谱(high performance liquid chromatography,HPLC)指纹图谱不同识别方法的研究。采用Waters Symmetry Shield TM C18(250 mm×4.6 mm,5μm)色谱柱,乙腈-水为流动相梯度洗脱,检测波长210 nm,体积流量0.80 m L/min,各成分得到较好分离。经方法学验证,方法具有较好的精密度、重复性和稳定性。对19个玛咖样品和6个玛咖制品HPLC指纹图谱进行分析,确定了15个色谱峰为玛咖和其制品的特征指纹峰,建立了玛咖及其制品的指纹图谱。以数字化指纹图谱为基础,分别进行主成分分析、判别分析和相似度分析。结果表明,3种方法均能使玛咖与玛咖制品得到较为一致的模式识别结果。主成分二维平面图和判别分析能够区分玛咖和玛咖制品,具有简便、直观的特点,玛咖与玛咖制品相似度分析差异显著(P0.05),分别为0.916和0.668,不同来源和色型的玛咖、玛咖制品间相似度均无显著差异(P0.05)。结果显示玛咖制品具有玛咖的特征峰,但含量存在差异。3种方法均能准确地体现指纹图谱的一致性和特征性,为玛咖和玛咖制品的区分及玛咖制品真实性保障提供了参考。利用HPLC指纹图谱可对玛咖及其制品的真实性进行鉴别。     

天然气汽车改装中CNG喷射器喷嘴孔径的确定

在压缩天然气汽车(CNGV)的改装过程中,CNG喷射器喷嘴孔径这个工艺参数,极为关键却又难以把握。为了提高安装作业的效率及精度,探究出一种能辅助安装者更快更准地确定所需孔径的方法,提出了以模糊模式识别原理的算法,根据待改装车辆的发动机功率、行驶总里程和当前火花塞使用中的行驶里程这3个指标,对喷嘴孔径的尺寸进行识别,以实现在CNG系统安装前对孔径进行确定。在MATLAB中对该算法进行验证时,发现采用随机性更好的分组抽样且对算法的数据运算过程进一步匹配修正后,孔径的识别精准性显著提高。经过与此前的实际安装记录数据的核对,最终证实了该算法的可行性及准确性。     

家蚕先天性免疫的研究

家蚕是重要的模式昆虫,其先天性免疫系统也是免疫学的重要组成部分。本文概述了家蚕先天性免疫模式识别受体、细胞免疫和体液免疫因子抗菌肽、溶菌酶、凝集素、酚氧化酶和蛋白酶抑制剂等在抵御病原感染方面的相关进展。     

几种地下水脆弱性评价方法之比较

地下水脆弱性研究是保护地下水环境工作的基础。对地下水脆弱性进行评价,可为合理地保护、开发和利用地下水资源,实现地下水资源的可持续利用提供有益参考。应用熵权系数法、基于RAGA的投影寻踪模型以及多目标模糊模式识别模型等几种模型对三江平原地下水脆弱性进行评价,得出评价结果。将结果进行横向比较,分析几种评价方法各自的优缺点,为地下水脆弱性的评价提供新的思路和方法。     

基于FTVGG16卷积神经网络的鱼类识别方法

针对大多数应用场景中,大多数鱼类呈不规则条状,鱼类目标小,受他物遮挡和光线干扰,且一些基于颜色、形状、纹理特征的传统鱼类识别方法在提取图像特征方面存在计算复杂、特征提取具有盲目和不确定性,最终导致识别准确率低、分类效果差等问题,本文在分析已有的VGG16卷积神经网络良好的图像特征提取器的基础上,使用Image Net大规模数据集上预训练的VGG16权重作为新模型的初始化权重,通过增加批规范层(Batch normalization,BN)、池化层、Dropout层、全连接层(Fully connected,FC)、softmax层,采用带有约束的正则权重项作为模型的损失函数,并使用Adam优化算法对模型的参数进行更新,汲取深度学习中迁移学习理论,构建了FTVGG16卷积神经网络(Fine-tuning VGG16 convolutional neural network,FTVGG16)。测试结果表明:FTVGG16模型在很大程度上能够克服训练的过拟合,收敛速度明显加快,训练时间明显减少,针对鱼类目标很小、背景干扰很强的图像,FTVGG16模型平均准确率为97. 66%,对部分鱼的平均识别准确率达到了99. 43%。     

有机化合物的陆地和水生环境毒性的计算机预测研究

采用子结构模式识别结合5种机器学习方法(包括支持向量机、C4.5决策树、k-最近邻法、随机森林法、和朴素贝叶斯法),分别构建了有机化合物对水生和陆地环境毒性评价的两个重要生物靶标——呆鲦鱼(Fathead minnow)和蜜蜂毒性的定性分类和定量回归预测模型。所有模型均通过独立测试集验证。其中,利用支持向量机分类算法得到的分类模型对呆鲦鱼和蜜蜂毒性测试集的整体预测准确度分别达到95.9%和95.0%。采用支持向量机回归算法得到的回归模型,对呆鲦鱼和蜜蜂毒性测试集的预测相关系数的平方(R2)分别达到0.878和0.663。最后,通过信息熵分析的方法,确定了一批能够代表性地表征呆鲦鱼和蜜蜂毒性的子结构模式,包括1,2-二酚、二烷基硫醚、二芳香醚和磷酸衍生物等。提出的方法为有毒化学品的生态风险评价提供了一种非常好的评价策略和可靠的工具。