基于近红外傅里叶特征提取方法的土壤含水率检测

以湖北地区的3种土壤为研究对象,利用偏最小二乘法建立了处理后样品的土壤含水率分析模型,模型预测值与标准值的决定系数为0.995,交叉验证预测均方差为0.801%,模型预测决定系数为0.992,预测均方差为0.912%,利用该模型预测黄土高原地区黄绵土含水率误差均大于4%.利用近红外光谱傅里叶变换特征提取方法对湖北地区黄棕壤、稻田土和潮土建立土壤含水率PLS预测模型,模型决定系数为0.988,交叉验证预测均方差为1.106%,且该模型预测黄绵土的误差均在2%左右,精度较传统模型有较大提高.     

基于RGB图像光谱重建的鱼糜掺假定量检测研究

实现基于RGB图像的光谱重建对降低光谱的硬件要求、扩大其实际应用具有重大意义。该研究以鱼糜掺假检测为例,比较多元多项式最小二乘回归算法（polynomial multivariate least-squares regression,PMLR）与深度学习HRNet网络对光谱重建的性能,建立基于重建光谱多种掺假鱼糜检测模型并验证其实际应用的有效性。结果表明,2种方法的重建光谱误差较小,HRNet网络、PMLR算法重建光谱的均方根误差（root mean square error,RMSE）分别为0.010 4和0.012 6,大多数掺假检测模型有较高的预测准确性,其预测相关系数大于0.91,预测均方根误差小于9%。在基于重建光谱建立的掺假检测模型中,效果最佳的是基于PMLR算法重建光谱使用标准正态变量变换（standard normal variate,SNV）预处理的极限学习机回归模型,其预测均方根误差为3.954 4%、预测相关系数为0.983 0。因此,PMLR算法和HRNet网络均能较好的实现基于RGB图像的光谱重建,且重建光谱均能实现对鱼糜掺假样本的较好检测结果,为基于重建光谱的食品和农产品品质与安全检测提供了新思路。     

面向池塘圈养模式的气液混合泵的参数优化及增氧试验

为探究气液混合泵能否满足在高密度养殖条件下养殖对象对水体溶氧的需求,基于气液（氧气-水）混合泵搭建溶氧试验平台,在不同水温、不同出水压力和不同气水体积比的条件下,测试气液混合泵溶氧性能,并在池塘圈养桶（直径4 m,高2 m,养殖水体体积20 m³）内进行增氧试验。溶氧性能测试结果显示：当出水压力为0.25 MPa、气水体积比为0.01~0.05时,在不同水温（5.6、13.5、30.3）条件下出水溶解氧与水温成反比,溶解氧在47.93~20.60 mg/L变化;氧气吸收效率与气水体积比呈反比,氧气吸收效率在91%~33.7%变化;动力效率与气水体积比成正比,动力效率在22.32~55.12 kg/（kW·h）变化。基于圈养桶的增氧试验结果显示,在有鱼耗氧的条件下（黄颡鱼,单个桶内养殖密度为13.19~16.49 kg/m³）,使用功率3 kW的气液混合泵为4个圈养桶增氧时,每个桶内水体溶解氧在光照时间内可达11 mg/L,夜间稳定保持在8 mg/L以上。试验结果表明气液混合泵可应用于高密度的水产养殖,并能有效应对夏季高温供氧难题。     

近红外光谱和机器视觉信息融合的土壤含水率检测

为了精确、快速和稳定测定土壤含水率以及扩大所建模型的适应性，该文提出了机器视觉与近红外光谱技术融合的土壤含水率分析方法。通过试验建立了湖北地区主要土壤基于近红外光谱的土壤含水率分析模型、基于土壤表层图像特征参数的含水率分析模型和机器视觉与近红外光谱信息融合的土壤含水率分析模型。结果表明，基于近红外光谱含水率分析模型虽然具有较高的精度，但该模型预测非建模样品黄绵土误差均大于4%；以图像特征参数H，S和V所建BP人工神经网络非线性预测模型最优，模型的决定系数R2为0.9849，但当土壤水分饱和（达到20%以上）时存在分析误差；而所建立的土壤的近红外光谱与机器视觉BP神经网络信息融合模型可预测非建模样品黄绵土与水分饱和达20%以上土壤，决定系数R2可达到0.9961，融合模型分析精度均高于单独使用近红外光谱或机器视觉分析模型。     

基于近红外光谱土壤水分检测模型的适应性

由于土壤水分的近红外光谱定量分析模型精度依赖于样品状态，故土壤水分定量分析模型的适应性极其重要。以湖北地区的3种土壤为研究对象，利用偏最小二乘法交叉验证建立了处理后样品下的土壤水分分析模型，模型预测值与标准值的决定系数R2为0.9946，交叉验证预测均方差为0.801%，模型预测决定系数R2为0.9919，预测均方差为0.912%；利用主成分分析了未处理土壤样品与处理土壤样品得分图的差异，结果表明定量分析模型对未处理样品的预测精度降低；采用斜率/截距的方法修正了12个未处理样品的模型预测值，预测平均绝对值误差从0.78%降低到0.38%，结果表明斜率/截距校正法能较好的提高近红外光谱土壤水分定量分析模型的适应性。     

研究生创新性课程体系改革和教学

课程体系和教学方法对研究生创新能力的培养起着至关重要的作用.本文从我国研究生课程体系的现状与不足出发.阐述了创新性课程体系的构建及其实践模式,并在此基础上着重探讨了提倡学术交流和以研究生为主体的非指导性的参与式教学方法.     

被毛对热成像检测生猪体表温度精度的影响及噪声滤除方法

生猪皮肤的温度分布是表征其生理状态和疾病的重要指标,通常由红外热成像技术(infrared thermography, IRT)检测,然而由于生猪体表附有被毛在热图像中产生大量的温度噪声,降低了IRT对皮肤温度的检测精度。该文针对此问题探索被毛对皮肤温度分布的影响规律,并设计消除被毛影响的热图像降噪算法,提高对温度分布的检测精度。通过对12头生猪试验,分析目标区域在正常被毛和剔除被毛后温度分布的统计量得出被毛在温度分布中产生大量的"峡谷"状低温噪声,显著降低了目标区域的最低温度及平均温度。根据毛发噪声的影响规律提出网格化最大值-双三次插值算法并确定算法的最佳邻域尺寸为4.25mm。采用均方误差、峰值信噪比等指标定量评价算法的有效性,结果表明经算法处理后,均方误差由0.38下降到0.05(P0.01),峰值信噪比由45.14 dB上升到53.66 dB(P0.01),说明该算法能够滤除热图像中毛发引起的噪声,可提高IRT对温度分布的检测精度。     

短时经验模态分解实时识别生猪心电QRS波群

心率是猪的重要生命体征,而在健康监测中由于猪的依从性较差而造成心电信号呈现非平稳特性,给实时心率计算带来困难。该文针对此问题结合经验模态分解方法(empirical mode decomposition,EMD)提出一种对心电信号具有实时处理能力的短时经验模态分解算法(short-time empirical mode decomposition,ST-EMD)。该算法通过对数据分段并根据信号特征决定分段起点及长度等参数,然后对每段数据进行EMD分解,再基于能量窗变换法从分解结果中提取QRS波的特征参数并识别R波。通过动物试验表明,ST-EMD算法能够对猪的心电信号实时处理和识别QRS波群,识别正确率为99.6%,且表现出一定的自适应性。说明本文提出的ST-EMD算法思路是正确的,适用于生猪的心电实时健康监护。     

研究生创新性课程体系改革和教学方法探究

课程体系和教学方法对研究生创新能力的培养起着至关重要的作用。本文从我国研究生课程体系的现状与不足出发，阐述了创新性课程体系的构建及其实践模式，并在此基础上着重探讨了提倡学术交流和以研究生为主体的非指导性的参与式教学方法。     

面向长途冷链下不同冷冻方式对大口黑鲈品质的影响

为减少长途冷链过程中大口黑鲈的品质劣变，该研究以鲈鱼样本为研究对象，以颜色、pH值、冰晶、质构特性、持水力、水分分布等为评价指标，探究了-20 ℃、-50 ℃、-80 ℃冷冻及-80 ℃、-50 ℃冻结分别联合-20 ℃储藏等5种不同冷冻方式对鲈鱼样本品质的影响规律。试验结果表明，相较于-20℃冷冻处理，-50 ℃和-80 ℃处理的鲈鱼样本相转变的时间分别缩短了37.5%和68.8%。就品质而言，虽然5种不同处理方式下鲈鱼样本的颜色、pH值、持水力、质构特性均出现下降的趋势，但-50 ℃、-80 ℃冷冻处理能有效地保持鲈鱼的冷冻品质，尤其以-80 ℃处理得到的品质最接近对照组。-50 ℃冻结联合-20 ℃储藏和-80 ℃冻结联合-20 ℃储藏无法有效保持冻藏期间鲈鱼的品质。各品质指标的相关性结果表明，低温冷冻储藏有效抑制了冷冻期间鲈鱼的水分迁移，从而减少了鲈鱼颜色的变化、延缓了pH值的变化、限制了冷冻期间冰晶体积的增加进而保持了持水性能与质构特性，有效抑制了冷冻期间鲈鱼样本品质的劣变。该研究表明超低温冷冻可以减少长途冷链过程中鲈鱼的品质劣变，可为提高水产品冷冻品质和冷冻技术的发展提供基础。