基于改进Mask R-CNN模型的植物叶片分割方法

通过图像处理对植物叶片进行分割是研究植物表型性状的基础,但叶片间相互遮挡、叶片边缘特征不明显以及幼叶目标过小会对叶片分割效果造成很大的障碍。针对上述问题,该研究提出了一种基于改进Mask R-CNN模型的植物叶片分割方法,通过引入级联检测模块对模型检测分支进行改进,以提高遮挡叶片检测质量;利用注意力机制和一个2层3×3卷积模块对模型分割分支进行优化,以提高边缘特征表达能力;在模型测试过程中采用多尺度叶片分割策略,利用多个尺度上的最优目标以分割幼叶。测试结果表明,在CVPPP叶片分割挑战数据集中的对称最佳Dice得分Symmetric Best Dice（SBD）为90.3%,相比于利用域随机化数据增强策略并采用Mask R-CNN模型进行叶片实例分割的方法提高了2.3个百分点,叶片分割效果有显著提升。该研究提出的方法可以有效解决植物叶片分割效果不佳的问题,为植物表型研究提供技术支撑。     

猪0.5 mL细管冻精不同解冻方法精子质量的研究

利用计算机辅助精子分析系统(CASA)结合顶体完整率(NAR)的检查,研究了长白猪0.5 m L细管冻精4种解冻程序后精液的质量,综合评价不同解冻方法。结果表明:1)精子冷冻-解冻后在曲线速度(VCL)、直线速度(VSL)、平均路径速度(VAP)、直线性(LIN)、前向性(STR)、鞭打频率(BCF)以及A+B类精子比例的检测性状上降低,差异极显著(P0.01);精子头侧摆幅度(ALH)也显著减小(P0.05),活率(Motile rate)变化差异不显著(P0.05);2)四组解冻程序中,38℃20 s解冻组的活率(Motile rate,MR)、VSL、VCL、STR、A+B精子比例指标均极显著(P0.01)优于42℃20 s、50℃15 s、62℃5 s解冻组,VAP、LIN与NAR差异不显著(P0.05);3)Topsis综合评价的结果表明38℃20 s组在孵育2 h、4 h、6 h之后检测性状优于其他解冻组。由此推论,虽然解冻后精子在运动参数发生较大变化,但是38℃20 s的解冻效果优于其他解冻条件。