BIBFRAME在中文编目环境中的应用研究

分析了新书目框架BIBFRAME的核心类演化,指出了CNMARC模型向BIBFRAME模型转换的必要性。采用元数据映射方法,将CNMARC字段向BIBFRAME词表做映射,形成了“CNMARC书目数据与BIBFRAME词表的映射表”,从CNMARC的角度出发对映射结果进行分析,对无法一对一映射的问题提出了解决建议。     

基于最大正方形的玉米作物行骨架提取算法

为了满足现代农业精准施药技术中导航路径识别的需要,该文提出一种基于最大正方形的玉米作物行骨架提取算法。首先对采集到的田间玉米作物行图像进行灰度变换,采用改进的过绿灰度化算法使作物行与背景明显分割开来;然后通过滤波、阈值分割得到二值图像;而后对经过预处理后的二值图像进行形态学中的闭运算操作,得到玉米作物行的轮廓;最后利用最大正方形准则提取玉米作物行骨架。为了验证该算法的准确度,对提取的玉米作物行骨架进行直线拟合操作,利用拟合出的中央作物行线与实际导航线偏差的大小来判断骨架提取的精准度。试验结果表明,该算法能保持骨架像素的单一性,对边缘噪声具有很强的抗干扰能力,提取骨架的误差小于5 mm,能够满足玉米对行精准施药的需求。     

凯氏定氮法测定固体饮料中蛋白质含量的不确定度评定

[目的]对凯氏定氮法测定固体饮料中蛋白质含量的不确定度进行评定。[方法]根据JJF 1059.1—2012标准中要求,建立了凯氏定氮法测定固体饮料中蛋白质含量的测量不确定度的数学模型,分析了凯氏定氮法中不确定度的主要来源,对已识别来源的不确定度分量进行分析评价。[结果]固体饮料中蛋白质含量为11.60%,扩展不确定度为0.46%(95%,k=2)。测量结果的不确定度主要来源于测定样品实际消耗硫酸标准溶液的体积与测量重复性,标准溶液的影响次之,样品质量、取样体积与定容的体积带来的影响可忽略不计。[结论]系统介绍了蛋白质测量不确定度的评定过程,提高了检测数据的可靠性和一致性。     

中华鲟幼鱼鳃上氯细胞的免疫定位研究

为了研究氯细胞(CCs)在中华鲟(Acipenser sinensis Gray,1835)幼鱼鳃上的分布状况及形态特征,通过石蜡切片-HE染色法及冰冻切片免疫荧光染色法对氯细胞进行了定位研究。研究表明:利用棋盘法,确定一抗和二抗的最佳实验浓度分别为1∶1 500和1∶500时定位其鳃上的Na+/K+-ATPase免疫阳性细胞(NKA-IR细胞,即氯细胞)效果较好,可用于中华鲟幼鱼鳃上氯细胞的免疫定位研究。鳃丝与鳃小片上氯细胞数量分别为(4.72±0.34)个/100μm和(0.64±0.19)个/100μm,差异极显著(P0.001);鳃丝与鳃小片上氯细胞平均面积无显著性差异(P0.05),分别为(187.28±18.30)μm2和(159.53±16.72)μm2;鳃丝与鳃小片上氯细胞的细胞形状因子分别为0.72±0.33和0.68±0.46,差异不显著(P0.05)。由此可见,中华鲟幼鱼鳃上氯细胞呈卵圆形,主要分布在鳃丝上,尤其是鳃丝及鳃小片基部区域,少量分布在鳃小片上,鳃丝与鳃小片上氯细胞大小基本一致。     

基于机器视觉的玉米精准施药系统作物行识别算法及系统实现

识别作物行中心线并实现喷药喷头的自动对准是精准施药系统实现的关键技术。为克服作物行识别算法的单一性和适应性不强的缺点,该文以生长早中期的玉米图像为研究对象,利用改进的过绿特征法和改进的中值滤波算法分割出作物行,减少处理时间和去除噪声;然后在行提取时只保留包含作物行信息的中间作物行,通过随机Hough变换检测出作物行中心线,并根据世界坐标与图像坐标的转换和相对距离得到偏差信息:最后实现了系统的硬件搭建并给出了实际运行效果。不同图像的试验和处理结果表明,该算法在背景分割、作物行提取和偏差信息获取方面具有一定的优势,可适用于不同作物及不同视野图像的作物行算法识别,对精准施药的研究具有一定的参考价值。     

基于最小相切圆和形态学相结合的作物行检测算法

机器视觉的农业导航路径规划是精准施药的关键,而作物行提取是其准确识别作物行路径的基础。为此,以玉米为研究对象,提出了一种基于最小相切圆原理和形态学相结合的作物行检测算法。首先在室外田间环境下采集生长早中期的玉米作物行图像,选择作物行比较规整的图像进行处理;其次,利用改进的超绿灰度化(1.8R-G-B)算法对玉米作物行图像进行灰度化处理,大大减少了噪声的干扰,通过中值滤波基本消除了噪声;然后,运用Otsu阈值算法获取了玉米作物行的二值图像。由于作物行呈线型,在此基础上,采用5×1像素的线型结构元素和3×3像素的方形结构元素两者相结合的方法对二值图像进行腐蚀、膨胀运算,并采用提出的最小相切圆与形态学结合的方法提取中央玉米作物行的骨架并进行中央作物行直线的拟合。实验表明:该算法能提供准确的位置信息,且对作物行边缘噪声具有较强的抗干扰能力,对进一步研究精准施药提供了参考依据。     

一种快速剔除伪分枝的作物行骨架提取算法

作物行骨架线的提取是机器视觉导航的基础,准确提取作物行骨架也是精准施药系统中一个至关重要的研究方向。为了克服传统骨架提取算法中的背景单一、存在较多的冗余分支及不连续等缺点,以农田作物行为研究对象,提出一种形态学细化和伪分支剔除相结合的实用型骨架提取算法。首先对采集到的作物行原图像通过灰度、滤波、阈值分割操作使其转化为二值图像;然后将二值化后的作物行图像先细化为单像素宽度的骨架线,再采用端点追踪法追踪伪分支骨架,而后剔除追踪的毛刺或无关枝杈,保证了骨架的单一性和圆滑性,提高了作物行检测的精度。通过与拓扑细化法和最大圆盘骨架提取算法比较,本文算法不但在去除冗余骨架的同时能保持自身良好的拓扑性和稳定性,而且能去除多余的毛刺状分支,同时表明该算法具有较强的稳定性和抗干扰能力。     

大豆叶片的特征提取方法研究

综合考虑了叶片的轮廓和叶脉信息,给出了一种新的确定叶片中轴的方法,并依此方法重新定义了描述叶片的各个重要特征。通过实例分析表明,新特征使得大豆叶片的识别准确高效,也证实了新的叶片中轴的确定方法是行之有效的。这一方法的提出为图像识别技术在植物叶片识别诊断中的进一步应用提供了借鉴。