基于HSV与形状特征融合的花椒图像识别

光照条件变化会对花椒目标识别率产生影响,关系到机器视觉技术能否有效应用于生产现场的花椒采摘。通过对HSV特性图像识别技术的分析,提出HSV和形状特征融合的花椒识别算法。该算法采用同态滤波方法对光照进行补偿,解决因为光照不均匀而导致的花椒识别率低的问题,最后利用花椒圆度特征,排除树枝及树叶等的干扰,实现花椒的准确识别。利用同态滤波方法对光照进行补偿,对于光照不强或者发生遮挡的花椒图像有较大改善,通过试验得出其平均识别率达到94.0%,比单独采用HSV特性识别时,在顺光,背光和遮阴条件下,识别率分别提高4%,13%和21%,此外在遮阴条件下运行时间缩短14.6%。为遮阴条件下提高花椒识别率提供一种方法。     

色季拉山急尖长苞冷杉林下灌木群落空间格局及其与倒木关联性分析

分析西藏色季拉山急尖长苞冷杉原始林下灌木群落的空间分布格局及其与倒木的关联性，探讨该森林生态系统内灌木的分布规律，并从空间分布格局角度量化倒木对灌木分布的影响。以色季拉山急尖长苞冷杉原始林下灌木和倒木为研究对象，通过典型样地调查，用点格局法分析其空间分布格局以及与倒木的关联性。结果表明:1）样地内共有灌木7种，总密度730株·hm^-2，不同灌木种群分密度依次为杯萼忍冬（359株·hm^-2）>长尾槭（185株·hm^-2）>西南花楸（61株·hm^-2）>猴斑杜鹃（55株·hm^-2）>冰川茶藨子（53株·hm^-2）>光秃绣线菊（株·hm^-2）>峨眉蔷薇（株·hm^-2）；2）在0~50 m空间尺度内，冰川茶藨子、猴斑杜鹃、长尾槭、杯萼忍冬以集群分布为主要特征；西南花楸以随机分布为主要特征，只是在个别尺度呈现显著的集群分布；3）Ⅰ腐烂等级倒木与灌木在0~50 m空间尺度上呈显著的负关联，倒木整体与灌木及Ⅱ~Ⅴ腐烂等级倒木与灌木在0~50 m空间尺度上均无显著关联。不同灌木种群因对环境的适应性不同而具有不同的空间分布格局，灌木空间格局形成的生态过程及倒木对灌木空间分布的影响均具有复杂性。     

基于多分类器DS证据理论融合的水果识别研究

针对不同分类器对不同水果种类识别准确率的不均衡问题,提出一种基于多分类器DS证据理论融合的水果识别方法。该研究选择kaggle上fruits360数据集中的5种水果作为研究对象,首先对预处理后的5种水果图像的颜色、纹理、形状特征进行提取,分别选用BP神经网络、K均值、SVM三种分类器,结合被测图像在每种分类器上的识别结果和各个分类器对不同水果的分类准确率,构建基本概率函数(BPA函数),通过DS证据融合规则对分类器融合后对被测图像进行识别。试验结果表明:该方法对5种水果的识别平均准确率为95.2%,总体标准偏差为0.02993,在提高单分类器识别准确率的同时,解决了分类器对各种水果识别的不均衡问题。对10组测试集识别的平均准确率为93.5%,总体标准偏差为0.055,该方法对水果种类的识别更准确和稳定。     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

电子鼻技术在肉与肉制品检测中的研究进展和应用展望

电子鼻因具备操作简单、能够快速、无损检测的特点，满足人们对肉与肉制品安全指标高效和高精确度检测提出了更高的要求。本文阐述了电子鼻技术的检测原理和其在硬件和软件系统方面的发展；从肉与肉制品的新鲜度检测、掺假检测、风味评价、病原微生物污染检测四个方向，对近年来电子鼻技术在肉与肉制品检测的应用研究进展进行了分析，突出了电子鼻技术应用的可行性和先进性；指出电子鼻技术在肉与肉制品检测中面临的检测效果参差不齐，电子鼻仪器体积大、价格高昂，模型通用性和普及性不够等不足。最后，本文从硬件系统和软件系统两方面，对未来电子鼻技术的发展及其应用前景进行了展望，包括硬件系统方面提高电子鼻传感器阵列电极膜材料的性能，增强电子鼻耐用性和识别气味的灵敏度；软件系统方面不断探索引入新的模式识别算法，使电子鼻技术实现对气味更快、更准确的识别分析。     

2003—2018年中国森林火灾时空分布格局研究

基于2003—2018年的中国森林火灾统计数据,全面分析了森林火灾发生的时空分布格局,定量分析了其统计学规律,旨在为森林火灾预测、管理和风险决策提供基础支撑。分析结果表明,森林火灾的发生具有极强的随机性和离散性,通过森林火灾总次数、火场面积和受害森林面积的平均数来反映森林火灾发生风险将会导致评估结果偏高。森林火灾发生次数较多的为湖南、贵州、广西等省,而森林火场面积和受害森林面积较多的为黑龙江、内蒙古、云南、湖南、广西等省。按照森林火灾发生的格局,运用K均值聚类分析将31省分为4类。     

基于迁移学习的GoogLeNet果园病虫害识别与分级

为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治，采用迁移学习技术与GoogLeNet模型相结合的方法，对6种果园作物的25类病虫害样本进行识别与危害程度分级研究；同时，探究不同数据集大小以及不同优化算法对模型性能的影响；基于MATLAB平台设计了一款可视化的病虫害识别与分级系统。结果表明:1)基于迁移学习的GoogLeNet模型，对病虫害识别精度可达99.35%，危害程度分级精度可达92.78%；2)在相同训练参数下，本研究模型比AlexNet、VGG-16、ResNet-18、SqueezeNet、原GoogLeNet及MobileNet-v2模型验证精度提高了2.38%~11.44%，并且收敛速度最快；3)本研究模型识别精度随着数据集的增大而提高；在3种优化算法中SGDM算法耗时最短且精度最高，更适合本研究模型。通过拍摄果树叶片病害区域图像，本研究设计的系统能够在0.43 s左右准确识别出果树种类、病害类型以及危害等级等信息。     

稻曲病菌交配型基因MAT1-2-1和MAT1-2-8的特性分析

 有性生殖在真菌的生活史和进化过程中具有重要作用,而交配型基因是控制有性生殖的关键因子。前期研究发现稻曲病菌(Villosiclava virens)MAT1-2型菌株中包含MAT1-2-1和MAT1-2-8两个交配型基因,但是它们如何调控稻曲病菌有性生殖依然不清楚。本文研究了它们在不同侵染和生长发育时期的表达模式和编码的蛋白结构特性。研究表明MAT1-2-1在侵染不同阶段一直下调表达;而MAT1-2-8在侵染早期(5 dpi)上调表达,在侵染后期下调表达。与营养菌丝阶段比较,MAT1-2-1和MAT1-2-8在有性发育过程菌核形成、菌核萌发、子座原基形成和子座成熟4个阶段的表达量都是下降的,在菌核形成阶段表达量最低。生物信息学分析显示MAT1-2-1和MAT1-2-8具有磷酸化位点,为非分泌蛋白,无明显的跨膜结构域。蛋白同源比对分析表明MAT1-2-1与香柱菌(Epichloë typhina)的MAT1-2-1同源性最高,而MAT1-2-8与绿僵菌(Metarhizium)的MBR_08192蛋白同源性最高。进一步研究发现MAT1-2-1和MAT1-2-8能够互作,并分别主要定位在细胞核和细胞基质中。通过质谱技术鉴定到MAT1-2-1的一些候选互作蛋白,如假定Ran交换因子Prp20/Pim1(KDB12229.1)、假定rRNA处理蛋白Ebp2(KDB12923.1)及组蛋白H1(KDB12711.1)等。因此,以上结果为研究稻曲病菌交配型基因MAT1-2-1和MAT1-2-8调控有性生殖的生物学功能奠定了基础。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

锡林郭勒盟生态系统格局演变及驱动因素分析

在自然因素和人类活动的共同作用下，生态系统格局和质量都发生变化，而生态系统格局和质量的变化直接影响生态系统服务和人类福祉。锡林郭勒盟位于内蒙古中部地区，是京津冀地区的重要生态安全屏障，也是主要的畜产品供应地，研究锡林郭勒盟生态格局演变及驱动因素对于构建内蒙古北方生态安全屏障有重要意义。本研究利用遥感影像，通过分析2000和2015年生态系统类型和质量的变化，探讨资源开发、城市化发展、政策实施等多重因素对生态系统格局演变的作用。研究结果表明： 2000-2015年间锡林郭勒盟生态系统质量整体好转，草地生态系统质量中东部地区提高最为明显；草地、灌丛、城镇、裸地、湿地、森林、矿区面积有所增加，农田、沙地、水域面积有所减少；锡林郭勒盟生态系统格局和质量受到人为和自然因素的共同影响，其中，与降水正相关，与温度负相关。GDP与采矿用地显著正相关，退耕还草政策促使农田向草原转移。