武汉市八个奶牛场鲜奶质量调查分析

１９９７年１月１３日至２２日，对武汉市８个大、中型奶牛场鲜奶质量进行了调查分析，共收集样品５６６件。检测项目有脂肪、蛋白质、乳糖、全乳固体、非脂固体、酸度和比重。结果显示，脂肪、蛋白质、乳糖、全乳固体、非脂固体的平均值分别为（％）：３２３±０１３，３１１±０１０，４５２±０１３，１１５２±０２８及８３０±０２０，酸度均值为１４７５±０９２°Ｔ，比重均值为１０２９２±００００８。另外，早班生产的鲜牛奶与中班比较，除脂肪、全乳固体含量差异有显著性外（Ｐ００１），其他几项指标差异不明显（Ｐ００５）。     

STS标记在扬麦158×淮麦18F_4群体中的应用及其与PPO活性的关系

小麦籽粒中的多酚氧化酶活性是导致酶促褐变的主要因素.选育低多酚氧化酶活性的品种是改良面制食品外观品质的重要途径之一.本研究利用位于小麦2A和2D染色体上PPO基因分子标记PPO18和STS01,对扬麦158×淮麦18组合的300个F4代分离株系进行PCR扩增,说明不同带型与PPO活性的相关性.结果表明用PP018扩增的300个分离株系中有59个扩增出876 bp(2aaa型)的目标片段,其活性均值为82.01;46个同时扩增出685 bp和876 bp的目标片段(2Aab型)其活性均值为163.41;其余195个扩增出685 bp的目标片段(2Abb型)其活性均值为233.73.方差分析表明三者的PPO活性差异达到极显著水平,其中基因型为2Aaa型的PPO活性值明显低于2Abb型;PPO18在本试验群体中对PPO活性的决定系数为66.61%;用STS01扩增的300个株系中都扩增出了560bp的片段,群体间没有差异.文中说明了两对引物在该群体中的效应及其与PPO活性的关系.     

基于核K—均值聚类算法的植物叶部病害识

针对植物叶部病害图像的特点,首先对采集到的玉米病害彩色图像采用矢量中值滤波法去除噪声,然后提取玉米病叶彩色图像的纹理特征和颜色特征作为特征向量,利用Mercer核,把输入空间的样本映射到高维特征空间进行K-均值聚类以及植物病害识别.试验涉及的4种玉米病害识别正确率达82.5%,核K-均值聚类方法适合玉米叶部病害分类.     

VEGETATION植被指数数据预处理方法

VEGETATION数据的植被指数,受云雾影响,含有大量的噪声信号,使用之前必须进行去噪声处理.结合实例数据介绍了半中值滤波法、半均值滤波法、等间隔极大值法用于植被指数的去噪声处理,效果良好;该处理方法同样适用于NOAA和MODIS等数据的植被指数预处理.     

高分辨率遥感图像均值调整法分割技术研究

遥感图像分割是将以像元为基础的图像转化为以对象为基础的过程,因此,遥感图像分割是遥感图像高级分析的基础.对于中、低分辨率遥感图像来说,单个像元的面积较大,且混合像元现象严重,图像分割会产生较大的误差.高分辨率遥感图像单个像元的面积较小,分割后图像上单个对象内含若干像元,便于分析和提取信息.以高分辨率遥感图像Q u ickB ird和IKONO S为研究对象,采用均值调整法对图像进行分割和精度检验.结果表明:采用均值调整法进行高分辨率遥感图像分割具有较好的效果,图像分割的速度和精度均较高.     

黄牛木种群空间分布格局研究

为促进黄牛木Cratoxylum cochinchinense在珠三角地区生态建设中的推广和应用,采用样方调查法,于2016-2017年在广州市和台山市3个黄牛木天然林集中分布区布设样地,通过绘制种群空间分布点位置图,结合方差均值比率法和聚集度指标,分析种群的空间分布类型、聚集程度,从而揭示黄牛木种群的空间分布特性、生长动态及演替规律。结果表明:(1)研究样地内植物种类共有122种,隶属49科96属,样地群落丰富度表现为石花山样地>茶山样地>白云山样地,群落植被分层明显,各层的种数表现为灌木层(41种)>乔木层(40种)>草本层(29种)>层间植物(12种);(2)不同调查样地,黄牛木种群均表现为聚集分布,聚集程度为白云山样地>茶山样地>石花山样地;(3)不同地形条件,黄牛木种群对坡向具有一定的选择性,聚集程度表现为阴坡优于阳坡;(4)不同发育阶段,黄牛木种群从幼树至老树的时间序列上,其空间分布格局表现为从聚集至均匀至随机,随着发育程度的增加,种群具有扩散的趋势。     

基于机载LiDAR的高郁闭度华北落叶松林单木识别

  目的  高郁闭度华北落叶松林Larix principis-rupprechtii林木树冠交叉重叠,传统的基于高分辨影像的单木识别方法识别精度不高。利用机载LiDAR三维点云数据可提高高郁闭度华北落叶松林的单木识别精度。  方法  在点云数据预处理基础上,提出基于点云空间特征的高斯核函数改进的均值漂移单木位置识别方法(MSP),比较并分析MSP法与基于点云空间特征的区域生长点云分割方法(RGP)、基于冠层高度模型的局部最大值单木位置识别方法(LMC)和基于冠层模型的多尺度分割单木位置识别方法(MSC)的单木识别效果。  结果  4种方法单木位置识别精度从大到小依次为MSP (89.30%)、LMC (85.60%)、RGP (77.50%)和MSC (70.00%),MSP的漏分误差和错分误差最小,分别为8.7%和8.0%,平均单木冠幅提取精度为90.18%。  结论  提出的MSP法对高郁闭度华北落叶松林单木位置识别具有较好的适用性,利用机载LiDAR可为提取华北落叶松林森林结构参数提供新的途径。图3表3参28     

改进的模糊C均值聚类算法和霍夫变换在榛子仁缺陷检测中的应用

以榛子仁为检测样本,采用模糊C均值聚类(FCM)算法进行图像分割;利用飞蛾扑火(MFO)算法改进其目标函数;利用函数对个体样本边缘提取,标记边缘拐点位置,计算拐点个数;对边缘图像进行霍夫(Hough)变换的椭圆曲线拟合,标记并输出饱满籽粒个数;依据试验数据,分析应用改进的模糊C均值聚类算法和霍夫变换对榛子仁缺陷检测的效果.结果表明:改进的模糊C均值聚类算法和霍夫变换,可以准确有效地对饱满、干瘪、霉斑、虫蛀、腐烂的5种榛子仁中的缺陷籽粒进行识别检测,提高榛子仁加工过程中的分拣效率.     

基于改进LMD的泵站摆度信号分析

局部均值分解(local mean decomposition, LMD)在分析非线性、非平稳信号时具有特有的分析能力,特别适合泵站机组摆度信号的分析.但是在信号分解为固有旋转分量的过程中,由于局域均值和包络估计函数在数据端点存在误差,会产生端点效应,严重时导致信号分解结果失真.针对这一问题,从全面考虑曲线幅值和几何形状相似性出发,提出基于灰色B型关联度和欧氏距离的端点效应抑制方法.为评价该端点效应抑制方法的抑制效果,提出分解前后的信号能量变化的评价标准.通过与原始局域均值分解算法、镜像映射法和波形匹配法等传统方法相比,验证该方法的有效性和优越性.仿真信号和泵站主轴摆度实测信号的应用表明,该方法能够有效地抑制端点效应,提高LMD分解过程中重构信号精度,更好地提取泵站机组摆度信号故障特征.     

复杂背景下黄瓜病害叶片的分割方法研究

利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。