基于语义分割的作物垄间导航路径识别

针对目前农作物垄间导航路径识别目前存在准确性、实时性差、通用性弱及深度学习模型解释困难等问题,该研究在Unet模型的基础上进行剪枝与优化,提出了保留Unet模型特征跳跃连接优势的Fast-Unet模型,并以模型所识别的导航路径为基础,通过最小二乘法回归生成垄间导航线与偏航角。本研究首先在棉花垄间导航路径数据集上进行模型训练,随后将训练的模型迁移至玉米、甘蔗等小样本数据集进行导航路径识别,通过使用梯度加权类激活映射法对模型识别过程与迁移学习过程进行解释,对各模型识别结果进行可视化对比。Fast-Unet模型对棉花、玉米、甘蔗导航路径提取精度指标平均交并比分别为0.781、0.881和0.940。模型推理速度为Unet的6.48倍,在单核CPU上处理RGB图像的推理速度为64.67帧/s,满足农作物导航路径识别的实时性需求。研究结果可为田间智能农业装备的导航设备研制提供技术与理论基础。     

基于语义分割的棉花垄间实时道路识别

为解决棉花垄间道路识别准确性和实时性差的问题,建立用于棉花垄间道路实时识别的Quarter-Unet模型,深度学习语义分割模型FCN和Unet对棉花垄间道路识别的适应性,选择适应性更好的Unet模型,对其VGG16主干进行剪枝,得到Half-Unet和Quarter-Unet,采用640幅图像组成的训练集和160幅图像组成的验证集进行研究,结果表明,与Unet模型相比,在识别的MIoU基本不变的情况下,Quarter-Unet的内存占用量降至19.5%,而处理速度提高至155%,为后续研发棉花田间智能农机导航设备提供了技术基础。     

240例绒毛细胞培养过程中的母体细胞污染情况分析

目的探讨绒毛染色体培养过程中母体细胞污染问题。方法对190例流产绒毛和50例产前绒毛进行细胞培养和核型分析。结果 240例绒毛中培养成功228例(95.0%),包括178例流产绒毛和50例产前绒毛。85例核型正常流产绒毛中女性核型65例(76.5%),与55例核型异常流产绒毛(除外性染色体异常者)中女性核型31例(56.4%)、45例核型正常产前绒毛中女性核型20例(44.4%)相比,差异均有统计学意义(P<0.01),核型正常流产绒毛中母体污染率更高。结论核型异常是稽留流产的最常见原因,相比产前绒毛流产绒毛的母体细胞污染率更高。     

胎儿非整倍体产前无创基因检测的临床应用

目的了解胎儿非整倍体产前无创基因检测在诊断胎儿染色体非整倍体疾病中的应用价值。方法收集我院接受胎儿非整倍体产前无创基因检测的孕妇1 100例,分为唐氏高风险组（包括临界风险）、高龄组和其他原因组,所有孕妇均知情选择进行无创基因检测,并对阳性者应用羊水穿刺等介入性产前诊断方法确诊。结果 1 100例均成功进行胎儿非整倍体产前无创基因检测,阳性10例,阳性病例均进行羊膜腔穿刺及核型分析,其中5例21三体中4例染色体核型为47,XN,＋21,另1例染色体核型正常继续妊娠;2例18三体中1例染色体核型为47,XN,＋18,1例染色体核型为46,XN,del（18）（q22）;3例47,XXX为羊水穿刺证实。基因检测阴性者1 090例,成功随访1 084例,未发现新生儿染色体异常。结论对高风险孕妇进行产前无创基因检测,可降低侵入性产前诊断的风险,提高检出率,值得临床推广。     

基于高光谱成像的油菜苗期温度胁迫检测方法

为了保证育苗质量和提供适栽壮苗,满足新一代油菜产业规模化、标准化的需求,以浙油50为研究对象,进行了为期21d的温度胁迫实验,利用高光谱成像技术研究油菜受温度胁迫的健壮苗识别方法。首先通过光谱反射率和连续小波变换提取温度胁迫敏感波段;然后,分别采用连续投影算法和连续小波变换-逐步判别分析法在温度胁迫敏感波段处提取特征波长;分析了油菜苗波段特征和光谱特征随时间的演化规律,筛选出554~714nm波段MA曲线面积、正切特征值tanθ、1213nm和1567nm处反射率以及小波特征w(9,967)、w(13,1213)、w(7,1567)共7个特征,建立了多特征融合的温度胁迫Fisher判别模型。结果表明：模型平均分类准确率为88.68%,在三叶期达到最佳检测准确率,为95.56%,能够较好地区分受温度胁迫的油菜幼苗。本研究为基于高光谱成像技术的油菜健壮苗快速检测提供了参考。