小麦矮腥黑粉菌和禾草腥黑粉菌的快速鉴别研究

快速准确地鉴别形态特征极为相似的小麦矮腥黑粉菌(TilletiacontroversaKühn)和禾草腥黑粉菌(T.fuscaEll.AndEV.),是我国进口草种检疫中迫切需要解决的技术难题。运用数学判别法,以冬孢子直径、网目数、网脊高度、胶鞘厚度为基本形态指标,在大量测量数据的基础上,建立了鉴别小麦矮腥黑粉菌和禾草腥黑粉菌的数学模型。最后,用未参加组建模型的100组数据测试该模型,并做萌发试验核对判别结果,其正确率达到100%,表明该模型稳定可靠。     

图像形态学在苹果自动分级视觉信息处理中的应用——以果梗判别与边缘检测为例

首先指出果梗判别在苹果自动分级系统中的研究意义;进而列出4种有代表性的判别果梗的方法;在此基础上提出了利用图像形态学可以更好地判别果梗,同时还能检测边缘;最后对该算法进行了系统评估,并为提高处理速度进行了改进.     

BAYES多级判别技术在预测蚕豆赤斑病流行程度上的应用

本文根据Ｂａｙｅｓ多级判别技术，以长江流域蚕豆赤斑病流行程度和气象资料为研究对，３个判别方程，通过对历史资料的回检及独立样本的预测，为害虫种群动态的中长期预测提供了一种的研究方法。     

基于判别局部保持投影的苹果叶部病害识别方法

通过维数约简实现特征提取是图像识别的一个重要步骤.由于同一种作物病害叶片和病斑图像的高度复杂性,在各种不同拍摄角度、位置和光照等条件下得到的图像之间差异较大,使得很多经典的维数约简和特征提取算法不能有效地用于作物叶部病害识别.本文在判别局部保持投影(Discriminant Locality Preserving Projections,DLPP)的基础上,提出一种基于DLPP的苹果叶部病害识别方法.首先利用GrabCut算法对采集的病害叶部图像进行背景分割,然后利用分水岭算法对去背景图像进行分割,得到病斑图像;再利用DLPP将病斑图像投影到低维判别空间,得到分类特征;最后利用K-最近邻分类器进行病害类别识别.在实际苹果病害叶片图像数据库上的实验结果表明,该方法是有效可行的.     

水稻籼粳性特异分子标记的筛选与判别体系的建立

【目的】准确区分水稻的籼粳性在籼粳亚种杂种优势利用和进化研究等方面具有重要意义。根据在籼稻和粳稻中存在的核苷酸序列差异设计的分子标记,已被广泛应用于水稻籼粳性的判别中。但是已公布的这些籼粳性判别分子标记在遗传背景多样的实验材料中是否仍然表现出籼粳特异性尚未可知;此外,目前籼粳性的判别多是基于待测品系与 2 个对照品种的比较,无法反映待测品系与籼（粳）亚种群体的籼粳相似性。因此,需要筛选出一套能在多样性遗传材料中都表现出籼粳性特异的分子标记,并建立籼粳组群判别体系客观判别水稻的籼粳性。【方法】在能代表世界水稻遗传多样性的水稻多样性种质平台 2（RDP2）中,利用 7 万个 SNP分子标记的基因型,选取保留群体遗传多样性的 92 份水稻品种（系）,对已知的 51 对用于籼粳性判别的分子标记进行筛选;并根据籼粳特异性分子标记的聚类结果,选取 5 份籼稻和 5 份粳稻组成籼稻和粳稻判别组,利用籼性判别值量化水稻籼粳性。【结果】在 51 对分子标记中筛选到 24 对籼粳特异性强的分子标记（在籼 / 粳稻群中出现专一带型的频率均高于 69.5%）,它们均匀分布在水稻 12 条染色体上。根据籼粳特异分子标记的带型结果,92 份品种（系）可分为籼稻和粳稻 2 个组群,聚类结果与这些品种（系）已知的籼粳性完全吻合。根据聚类结果,构建了组群判别体系,随机选取 10 份品种（系）对其籼性判别值进行计算,其中 1 份偏籼品系、1 份偏粳品系、4 份籼稻品系、4 份粳稻品系,准确地实现了对其籼粳性的量化判别。【结论】筛选出一套可在 遗传背景丰富的材料中进行籼粳性鉴定的分子标记,并基于籼粳组群建立了一套籼粳判别体系,高效准确判别水稻的籼粳性。     

北太平洋2种鱿鱼类角质颚生长特性及其种类判别

根据2018年9—11月中国鱿钓船在北太平洋海域（41°05''N~43°45''N,154°05''E~159°43''E）采集的柔鱼（Ommastrephes bartramii）和北方拟黵乌贼（Gonatopsis borealis）样本,对样本的胴长（mantle length,ML）、体质量（body mass,BM）以及角质颚的12个形态学参数进行了测定,研究角质颚的生长特性。结果显示,两个种类在胴长和体质量上均存在极显著差异。主成分分析认为,上脊突长（UCL）最适合用来表征柔鱼角质颚的生长,UCL和下侧壁长（LLWL）最适合用来表征北方拟黵乌贼角质颚的生长。赤池信息量准则（akaike’s information criterion,AIC）认为：柔鱼的上头盖长（UHL）、下头盖长（LHL）、LLWL、下翼长（LWL）与胴长呈幂函数关系,UCL、上侧壁长（ULWL）、上翼长（UWL）、下脊突长（LCL）与胴长呈对数函数关系;北方拟黵乌贼的UHL、下喙长（LRL）和LLWL与胴长呈幂函数关系,UCL和LCL与胴长呈指数函数关系,上喙长（URL）、ULWL和LHL与胴长呈对数函数关系。逐步判别分析显示,上、下角质颚的判别正确率分别为92.70%和84.50%,并建立判别方程。研究认为,角质颚外部形态可较好地应用于2种头足类的判别。     

区域引进良种成败的判别方法研究

分析了引进良种的经济效益,指出了传统农业引进良种的缺点,提出了区域引进良种的模糊相似优先比方法及其优点。     

基于人工神经网络的苹果等级判别方法研究

 应用计算机视觉以及图像处理技术,提出一种基于改进的LVQ人工神经网络算法,从苹果的色泽、横径及果形指数3方面对苹果进行等级划分。结果表明,与传统的LVQ人工神经网络相比,改进的LVQ人工神经网络提高了苹果的分选精度,具有更好的判别效果。     

逐步判别分析在无翅型豆蚜虫龄识别中的应用

测量了豆蚜的体长、体宽,触角长、腹管长、尾片长和后足胫节长等6个因子,建立了6套不同因子识别豆蚜虫龄的判别方程,各方程的回代率都达95%以上。研究结果还表明,腹管和后足胫节作为豆蚜虫龄识别特征具有较高的可靠性.     

基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。