基于计算机视觉的大菱鲆对背景色选择习性研究

为了探讨大菱鲆幼鱼对于不同背景色的选择习性,该文首先通过9格颜色试验发现大菱鲆幼鱼偏好淡紫色,而出现在黑色和红色背景累积频率较低;同时通过计算机视觉分析发现,幼鱼在黑色和红色背景下体表明度变化速率远比在紫色和粉色背景下剧烈,证明了黑色和红色背景对幼鱼胁迫更大,其需要调动更多激素来调整生理响应,以改变体色适应新的背景环境。因此建议养殖池的颜色尽量采用浅色,不要使用黑色等深色作为养殖背景颜色,研究结果可为养殖系统设计和生产管理提供参考依据。     

深度学习在植物表型研究中的应用现状与展望

精确测量植物表型是深入分析表型-基因-环境互作关系,了解植物生理过程的前提和基础,也是培育良种和提升现代农业生产精准管控的关键。伴随高通量植物表型测量与分析技术的不断发展,以深度学习为代表的人工智能方法在植物表型研究与应用中取得了一系列重要进展。为系统阐述相关研究最新成果和热点问题,该研究首先概述了植物表型与深度学习方法的背景;随后从植物识别与分类、胁迫分析、产量预测、面向精准育种和精准管理的表型分析等方面综述了深度学习在植物表型交叉研究的进展;最后提出了未来深度学习和植物表型交叉融合研究与应用中亟需解决的问题,并展望了植物表型研究智能化的发展前景。     

微波的热与非热效应对淀粉性质的影响

微波是波长微小的电磁波,具有很强的介质穿透能力,可实现物料内外的同时升温。在利用微波熟化淀粉类食品时,具有热效率高、可控性强、设备占地小等优点。本文介绍了淀粉升温糊化过程中微波热效应和非热效应;总结了研究微波非热效应的几种新手段;比较了微波处理与热传导处理在淀粉升温糊化过程中,淀粉颗粒表观特征、晶体结构和分子结构的变化以及热学特性的差异;论述了微波处理淀粉乳中水的响应。本文为后续深入研究微波处理对食物中淀粉糊化的影响与微波糊化淀粉特性的开发利用提供了参考。     

基于图像显著性分析与卷积神经网络的茶园害虫定位与识别

为实现在茶园环境中快速、准确地识别害虫目标,该文提出了一种基于卷积神经网络的深度学习模型来进行害虫定位和识别的方法。该文通过对整个图像进行颜色衰减加速运算,结合超像素区域之间的空间影响,计算各个超区域的显著性值,进而提供害虫目标的潜在区域,最终结合Grab Cut算法进行害虫目标的定位和分割。对于分割后的害虫目标,通过优化后的卷积神经网络进行表达和分类,并进一步对卷积神经网络的结构进行了约减。通过对23种茶园主要害虫的识别,试验结果表明,识别准确率在优化前后分别为0.915和0.881,优化后的模型内存需求和运行耗时分别降低至6 MB和0.7 ms,取得了较好的识别效果。