果蝇求偶行为计算机检测识别方法

为解决果蝇求偶行为难以检测与识别的问题,探讨了基于图形图像处理技术的果蝇求偶行为的微机检测与识别的方法与步骤:包括用动态恢复背景的方法进行背景恢复、果蝇身体提取、合成果蝇个体二值图像、翅膀提取等.设计了求偶果蝇检测算法,并基于VC++和Opencv开发系统予以实现.结果表明,该方法克服了人工识别费时费力的问题并具有较高的可靠性.该研究结果可以扩展,在生物及细胞的表型与行为认知中得到广泛应用.     

基于OpenGL的荷花开放过程模拟

从虚拟植物基本步骤出发,用VC++6.0调用OpenGL实现了荷花开放过程的计算机模拟。实践表明,基于OpenGL的虚拟现实技术可以精确地绘制出现实荷花的整体形态和生长模型。     

基于特征和主动轮廓算法的运动果蝇识别与跟踪研究

多目标跟踪是视频监控等领域的一项关键技术。阐述目标跟踪算法的研究现状,运用灰度阈值分割,基于特征和主动轮廓跟踪方法实现对多只运动果蝇进行目标识别与跟踪。运用C#以及emgu开发应用程序予以系统实现。经验证,该系统识别率高,具有稳健的跟踪效果。     

基于word2vec和LSTM的句子相似度计算及其在水稻FAQ问答系统中的应用

[目的]水稻FAQ(frequently asked question,常问问题集)问答系统对农户在水稻种植过程中遇到的问题进行解答,问句相似度计算是其核心,用来匹配用户问题和FAQ中的问题。针对传统句子相似度算法准确率普遍较低的问题,本研究旨在用深度学习计算问句相似度,以提高系统回答的准确性。[方法]构建一个基于word2vec和LSTM(long-short term memory,长短期记忆)神经网络,包括输入层、嵌入层、LSTM层、全连接层和输出层的句子相似度模型。对水稻FAQ中的3 007个问题进行归类和组合得到32 072个问题对,并标注其相似性作为训练和测试数据。使用基于农业领域语料库训练得到的word2vec模型对训练数据向量化后作为输入,训练句子相似度模型。[结果]在测试集上对模型进行验证,并与基于How Net、基于词向量的余弦距离以及基于word2vec和卷积神经网络(convolutional neural network,CNN)的3种句子相似度算法进行对比。对句子相似度的计算结果进行抽样检查,该模型的计算结果更符合人的直观印象。从准确率和ROC(receiver operating characteristic curve)曲线进行分析,该模型也明显优于其他3种方法,准确率达到了93.1%。[结论]本研究构建的模型显著提升了句子相似度计算的准确率,基于该模型开发的水稻FAQ问答系统,能够准确匹配用户问题和水稻FAQ中的问题,帮助农户更好地解决水稻生产中遇到的问题。     

论招生规模扩大后高等学校学风建设体系构建

中国教育部公布的最新数字显示:2004年中国高校毛入学率超过19%,实现了由“精英教育”向“大众化教育”的转变。然而,由于教学资源紧缺、教育体制新旧交替、学生生源质量下降、就业压力增加等因素的影响,学校的教风和学风面临严峻挑战。本文从教学指导、教学管理、教育管理三个方面阐述了大众化教育背景下学风建设体系的构建,提出了学风建设的新举措。     

基于J2EE的毕业论文管理系统设计与实现

为加强本科生毕业论文管理与监控,提高毕业论文管理信息化程度,基于J2EE开发了毕业论文管理系统。根据实际需求,设计了毕业论文的选题、任务签订、开题、中期检查、论文提交、指导、评阅和论文答辩等相关环节,构建了系统的E-R图与逻辑结构,最后编程实现。经实践应用,该系统方便、实用,稳定性好,具有很好的推广价值。     

基于图像处理技术的果蝇求偶行为识别方法研究

利用计算机图像处理技术对果蝇求偶行为识别判断的方法对于生物遗传学实验具有重要作用。该文设计了动态背景恢复的像素替换单元对背景进行恢复算法;在用大津法确定果蝇位置基础上,通过梯度与灰度相结合的方法进行运动目标模糊边缘检测,提取果蝇的身体和翅膀;根据果蝇翅膀和身体的参数数据,判断果蝇的翅膀是否震动,从而识别果蝇的求偶行为;最后基于C#以及emgu开发应用程序予以系统实现。     

计算机在全国种公牛站信息管理中的应用

“全国种公牛站管理信息系统”是南京农业大学实验牧场和计算中心受农业部畜牧兽医总站委托开发的一套计算机辅助管理软件。该软件利用Ｖｉｓｕａｌ Ｂａｓｉｃ编程设计，实现最全国各个公牛站基本信息、公牛冻精生产与推广、冻精质量检测信息的采集与计算机管理；各个公牛站与畜牧兽医总站的数据传递；公牛站的信息汇总、查询等。本文概括介绍该软件的设计思想、主要功能、数据采集及计算机处理方法。     

新农村信息化建设对策研究

农村信息化建设是建设新农村的重要突破口，也是解决“三农”问题的有效途径。本文分析了我国农村信息化的现状，并结合存在的具体问题提出了发展对策。     

小麦麦穗几何表型测量的精准分割方法研究

[目的]小麦麦穗表型获取涉及麦穗到籽粒不同几何尺度的参数精确测量,本文针对麦穗籽粒图像分割粘连现象,研究达到像素级别的精准分割算法,并基于该方法给出籽粒的基本几何参数。[方法]田间随机采集小麦麦穗,对采集的麦穗标本获取表型信息并采集图像,进行数据增广和标注,构建1个包括深度残差网络(deep residual network,Res Net)、区域建议网络(region proposal networks,RPN)和全卷积网络(fully convolutional networks,FCN)的实例分割算法Mask R-CNN,对训练集图片进行迭代训练获得模型。[结果]测试集测量结果表明,在测试麦粒上获得的籽粒像素测量平均精度(averageprecision,AP)值为0.85,F_1(F_1-measure)值为0. 830,对麦穗长度测量穗长的平均绝对误差为3. 30 mm,平均相对误差为3.40%,宽度测量的平均绝对误差为0.72 mm,平均相对误差为4.10%,综合测量误差为3.75%,试验结果显著优于最大类间方差法(OTSU)以及全卷积网络。通过对特征提取网络层数的修改在处理速度上达到4.26 FPS(frames per second),对比FCN处理速度提升了8.5倍。[结论]利用Mask R-CNN分割方法得到1个对整株麦穗和单个籽粒进行目标定位、目标检测和实例分割为一体的端到端、像素级的分割模型,可以对麦穗及部分籽粒进行精确的几何表型测量。