利用角质颚形态判别东海两种常见枪乌贼

为了尝试利用角质颚对东海2种常见枪乌贼类种类进行判别,本研究对2015年11月采集的69尾中国枪乌贼和100尾杜氏枪乌贼的角质颚,采用主成分分析法、逐步判别分析法、傅里叶法对2种枪乌贼进行种类判别。结果显示,在所有12个形态参数的比较中,中国枪乌贼和杜氏枪乌贼都存在极显著差异,杜氏枪乌贼角质颚在雌雄群体间存在显著差异。采用逐步判别分析法对2种枪乌贼进行分类,中国枪乌贼判别正确率为92.4%,杜氏枪乌贼为85.3%,总判别正确率为88.2%。根据主成分分析结果,以2种枪乌贼主成分特征值大于1的因子中,负载值最高的形态参数比例指标构建判别函数,中国枪乌贼的判别正确率为98.5%,杜氏枪乌贼为84.2%,总判别正确率为90.1%。分雌雄对2种枪乌贼进行分类判别,雄性的总判别正确率为83.3%,雌性为97.8%。利用傅里叶法进行判别分析,基于上颚的判别总正确率为83.3%,基于下颚的判别总正确率为95.0%。研究表明,角质颚外部形态可用于2个枪乌贼种类的判别。     

中华绒螯蟹性早熟的早期判别

结合对生殖腺的组织学研究，对发生性早熟发育与未发生性早熟发育的中华绒螯蟹的２２个形态特征参数进行了比较，确定了判别雌、雄中华绒螯蟹性早熟的三个形态特征参数，建立了雌、雄蟹性早熟判别公式；对雌蟹的判别准确率达９０．９％，对雄蟹的判别准确率达９６．９％。     

基于污染种类判别特征的作物Pb、Cu污染种类判别

为判别作物中的重金属污染种类，开展了 Pb、Cu 胁迫下的典型作物（玉米）培育实验，获取了作物叶片的高光谱数据与Pb、Cu污染信息。首先对光谱进行分数阶、整数阶导数变换，而后利用差值比光谱指数构建特征参量以组成Pb、Cu污染种类判别特征（DFLCPT），最终基于DFLCPT数据构建了用于作物Pb、Cu污染种类判别的随机森林分类（RFC）、K-最邻近分类（KNNC）、支持向量机分类（SVC）、高斯过程分类（GPC）模型。结果表明：在依托多种导数光谱构建的差值比光谱指数（DRSI）中，以0.9阶导数光谱为基准的 DRSI[2 412，1 223，636]与样本 Pb、Cu 污染种类的相关系数绝对值最大，为 0.764 1；在依托多维度 DFLCPT（DFLCPT_nD）建立的 SVC、RFC、KNNC、GPC玉米 Pb、Cu污染种类判别模型中，RFC模型的效果优于 SVC、KNNC、GPC模型，其在训练集与验证集中取得的最高正确率均为100%，精度较好，稳定性较强。研究表明，依托DFLCPT的模型在Pb、Cu污染种类判别中达到了预期效果，可为大规模的作物重金属污染种类判别提供一定的技术支撑。     

牛肉嫩度的高光谱法检测技术

为实现对牛肉嫩度的预测和分级,构建了试验用高光谱检测系统,在400～1000nm波长范围内获取牛肉表面的高光谱散射图像.从高光谱图像中提取牛肉的反射光谱曲线,用step-wise逐步回归法选择 430、496、510、725、760和828nm 6个波长建立了多元线性回归模型,用全交叉验证法验证模型的预测效果,模型的预测相关系数为0.96,预测标准差为0.64kg.以嫩度6.0kg为界将样本分为嫩牛肉和粗糙牛肉2类,特征波长处反射值为变量,建立了正则判别函数对牛肉嫩度分级,用全交叉验证法验证训练的效果.嫩牛肉分级准确率为83.3%,较粗糙牛肉分级准确率为90.9%,总的分级准确率为87.0%.研究表明该预测和分级技术具有一定的可行性.     

并行识别种勺和种薯的缺种判别方法

为解决马铃薯机械化播种作业易出现漏播现象的问题,采用机器视觉技术对排种链上的种勺和种薯进行并行识别,根据识别结果提出了一种种薯排种器种勺缺种的判别方法。首先,使用高速相机根据种薯排种链的工作环境要求采集图像,将视频帧图像划分20个区域;然后,对视频帧图像进行处理,在获取种勺的识别信息的同时获取种薯识别信息;最后,依据在同一核心处理区域中种勺存在、但种薯不存在判定该图像区域种勺缺种。试验结果表明:种勺缺种整体综合判别成功率为91.1%,平均判别时间为56ms。种勺缺种判别方法可以满足种薯排种器精量播种时种勺缺种的判别需求。     

基于测距值修正的温室植保机器人定位方法

针对温室植保机器人作业过程中，UWB节点之间频繁出现的非视距通信现象导致UWB系统定位精度低和稳定性差的问题，提出了一种基于UWB测距值修正的融合定位方法。首先，设计了基于测距残差的UWB节点间通信类型识别方法；其次，分析了视距和非视距通信下UWB测距误差产生原因并建立了两种通信条件下的测距值修正模型；最后，基于扩展卡尔曼滤波器设计了UWB测距修正值和IMU数据融合方法，实现了温室机器人作业过程中的可靠定位。在温室环境下的实际验证结果表明：非视距通信条件下，经过UWB测距修正的融合定位方法的定位误差为11.95 cm,相较于未进行UWB测距值修正的融合定位方法，定位误差降低83.11%,可为温室植保机器人提供稳定的高精度定位信息。     

基于帧间差分法-单点多框检测器的圈养生猪打斗行为识别方法

在集约化养殖过程中,生猪打斗行为是影响生猪福利养殖的重要因素之一.针对复杂养殖环境下传统方法识别圈养生猪打斗行为准确率低的问题,提出1种基于帧间差分法(Frame difference,FD)-单点多框检测器(Single shot MultiBox detector,SSD)的生猪打斗行为识别方法.首先,利用帧间差分法提取生猪连续视频帧中的移动像素,排除光照度变化、地面水渍及尿渍等环境因素以及静止生猪对打斗行为识别的干扰.然后,以连续视频帧中的移动像素为样本,采用MobileNet v2、焦点损失函数、网络参数迁移学习对单点多框检测器进行改进,用于检测发生剧烈运动的生猪个体,提高SSD对运动生猪个体的检测精度与速度.最后,针对生猪发生打斗行为时的特点,设计精准的生猪打斗行为判别方法,以识别生猪是否发生打斗行为.试验结果表明,该方法对生猪打斗行为的识别准确率、查准率、查全率分别达到93.75％、96.79％、90.50％,可以有效识别圈养生猪的打斗行为,为饲养员判断生猪异常状况提供依据.     

西北地区干红葡萄酒产地与酒龄的理化判别方法

西北地区具有独特的风土条件，适宜酿酒葡萄的种植，已形成"大产区大品牌"的产业规划。但西北地区葡萄酒的地域风格尚不明晰，导致产业的规范性不足，可持续发展存在隐患。该研究分析西北地区干红葡萄酒的23项重要的色泽-味感理化指标，旨在开发一种基于机器学习技术的葡萄酒判别方法，实现西北地区干红葡萄酒产地和酒龄的精准判别。首先，以西北地区200款干红葡萄酒为研究对象，通过理化试验测定了总酚、总花色苷、滴定酸等23项色泽-味感理化指标；然后，采用Pearson相关系数分析了西北产区葡萄酒质量特征的一致性，并耦合随机森林（Random Forest, RF）分析理化指标对干红葡萄酒产地和酒龄表征的贡献度；最后，基于人工神经网络（Artificial Neural Networks, ANN）构建了西北地区干红葡萄酒产地和酒龄的精准判别模型。结果表明，色泽相关指标的模型贡献率合计31%，花色苷相关指标的模型贡献率合计26%，酚类物质相关指标的模型贡献率合计21.1%。模型对宁夏产区酒样判别的灵敏度（Sensitivity, SEN）为98.72%，准确率（Accuracy, CCR）98.72%；对新疆产区酒样判别的SEN为95.45%，CCR为100%；对甘肃产区酒样判别的SEN为100%，CCR为95.45%。该方法可以实现西北产区干红葡萄酒产地和酒龄的精准判别，可为中国西北地区优质葡萄酒的生产和产品的市场监管提供科学依据。