基于深度神经网络及隐马尔科夫模型的生猪状态音频识别

针对传统音频识别方法在生猪音频信号识别中识别率较低的问题,将深度神经网络及隐马尔可夫模型理论作为生猪音频信号识别依据,以长白猪的吃饭声、发情声、嚎叫声、哼叫声和生病长白猪的喘气声为识别对象,利用卡尔曼滤波和改进的EMD-TEO倒谱距离端点检测算法对生猪音频信号进行预处理,把提取的39维的梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为网络学习和识别的数据集,构建基于深度神经网络及隐马尔科夫模型的生猪状态音频识别模型。试验结果表明:1)隐马尔可夫隐状态数设置为5,深度神经网络隐藏层设置为3层,每层128个节点的深度神经网络-隐马尔可夫模型(Deep neural network-hidden Markov model,DNN-HMM),对5种生猪状态音频,即吃饭声、嚎叫声、哼叫声、发情声和病猪喘气声的识别率为70%、95%、75%、80%和95%,总体识别率83%;2)相较于传统的高斯混合模型-隐马尔可夫模型(Gaussian mixture model-hidden Markov model,GMM-HMM),DNN-HMM对相应音频的识别率分别提高了5%、5%、15%、30%、30%,总体识别率提高了17%;3)DNN-HMM模型对于5种不同类型的生猪音频信号均呈现出较好的识别效果。基于DNN-HMM生猪音频识别模型,对生猪不同状态下音频的识别具有较高正确率,且更为可靠。     

基于果穗图像的玉米品种分类识别

优良品种对提高农业产量和收入起着关键作用，针对现有的种业安全问题，为实现玉米品种的快速识别和保护，构建一种基于玉米果穗图像的品种识别模型。将采集到的1 000张玉米果穗图像经预处理后按7∶2∶1的比例划分为训练集、验证集和测试集，并对数据集进行平移、翻转等多种数据增强处理。通过迁移学习，将预训练好的权重和参数迁移到NASNet-mobile、Xception、ResNet50V2、MobileNetV2、DenseNet121、VGG16模型进行对比，结果表明，NASNet-mobile识别性能较好，识别率达90%。不同优化算法的对比表明，优化器选择Adam模型具有更好的表现。在此基础上，对多种全连接层模块进行试验，结果表明，全连接层数量为2层、维度为256时可以得到更好的玉米果穗图像特征，最终模型在全连接层模块下的识别准确率达95%，较NASNet-mobile提升5%，实现了对玉米品种的分类识别。以上结果为玉米品种的快速精准鉴定以及种质资源保护提供了智能化技术支持。     

基于迁移学习的竹片缺陷识别

使用竹片图像实现竹片缺陷自动识别，目前深度学习可以有效地解决该类问题，但是必须使用大量样本数据做训练才能获得较高的识别准确率。当图像数量有限时，利用基于迁移学习的方法，把经过预训练的卷积神经网络模型进行迁移，即共享卷积层和池化层的权重参数，调整新网络模型的超参数，并建立一个包含4种共计6 360张竹片缺陷图像的数据库，把图片分成4种训练集测试集形式，即80%训练、20%测试；60%训练、40%测试；40%训练、60%测试；20%训练、80%测试，分别利用支持向量机SVM分类方法、深度学习方法和迁移学习方法进行训练和测试，并将这3种方法作对比。最后，通过构建竹片缺陷识别的混淆矩阵对迁移学习进行具体分析与说明。结果表明，按照80%训练、20%测试的识别准确率最高，通过迁移学习得到的竹片缺陷最高识别精度分别达到98.97%，比普通深度学习提高了11.55% ，比SVM分类方法提高了13.04%。说明迁移学习比普通深度学习和传统支持向量机SVM分类方法更适合用于小样本数据集的分类识别，并且效果优于普通深度学习和 SVM 分类方法。     

基于深度迁移学习模型的花卉种类识别

为了解决传统花卉识别方法中特征提取主观性强、模型泛化能力差、错分率高的问题,提出一种基于Inception_v3的深度迁移学习模型的花卉图像识别方法。本研究对5种常见花卉图像进行识别分类,首先对原始图像进行预处理,通过对每张图像进行水平翻转、旋转操作,扩增数据集;其次,采用预训练完毕的Inception_v3模型,对其在ImageNet上训练好的网络参数进行迁移学习,对各个参数进行微调,并保留原模型的特征提取能力,并将原模型的全连接层替换为符合本研究要求的5分类softmax分类输出层,从而构建基于深度迁移学习的识别模型。对5种花卉共计11 000张图像进行训练和验证,平均识别正确率达到93.73%,与传统的花卉识别方法相比,识别率得到提高,模型鲁棒性更强,具有一定的使用价值。     

基于AI的桃树病害智能识别方法研究与应用

为解决传统人工识别桃树病害效率低、成本高、准确率低等问题，提出了基于AI深度学习的桃树病害智能识别方法，利用并微调ImageNet预训练的DenseNet-169分类模型，对桃树常见的11种病害图像进行预处理与模型训练，搭建桃树病害智能识别软件环境。该方法对常见桃树病害的平均识别率达到91%以上，结合图像处理、深度学习、数据挖掘等技术自动对桃树病害进行识别，实现桃树病害的智能诊断并提供防治建议。该方法具有人力成本低、操作简单、识别效率高等优点，利于病害的及时诊出与防治决策的制定，对促进果园病害防控的智慧化管理具有重要研究意义与应用价值。     

基于卷积神经网络的玉米品种识别

为了解决传统算法中人工提取特征的缺陷,提出了基于卷积神经网络的玉米品种识别算法。以登海518、浚单20和郑单958 3个玉米品种为研究对象,制作数据集并进行分类标签,分别标记为0、1、2。使用Keras学习框架搭建网络模型,包括1个输入层、5个连续的卷积池化结构、3个全连接层和1个输出层。卷积层提取有效的特征信息,结合Leaky ReLU激活函数传递至下一层,输出层采用Softmax函数实现玉米品种的识别。使用完成训练的模型对预测集进行预测。结果表明:登海518、浚单20、郑单958的识别率分别达到100.00%、93.99%、92.49%,平均识别率达到95.49%。     

基于多特征融合和CNN模型的树种图像识别研究

目的在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。方法将6类常见树种（樟子松、山杨、白桦、落叶松、雪松和白皮松）图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。结果本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB + H通道 + LBP条件下,验证识别准确率最高,达到93.50%;RGB + HSV + LBP + HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。结论基于RGB + H通道 + LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。      

一种基于卷积神经网络的小麦病害识别方法

针对准确识别小麦常见病害的需要,提出了一种基于卷积神经网络的小麦病害识别方法。该方法首先以小麦病害图片资料为基础,利用中值滤波法、直方图阈值法等对图像进行去背景、去噪、病斑分割等预处理形成样本库,然后利用卷积神经网络构建一个具有五层结构的深度学习模型进行样本学习,并利用随机梯度下降法进行学习过程控制,最后以获取的特征集对小麦图片进行病害识别,并形成一个在线识别系统。在泰安市4样点的试验结果表明,利用该方法可以有效实现对小麦常见病害——纹枯病、条锈病、叶锈病、秆锈病、赤霉病和白粉病的识别,综合识别率可达99%以上,可以应用于实际生产管理。     

基于植株整体形状特征的杂草识别算法的研究

为解决传统基于植物叶片形状特征的杂草识别中识别率不高的问题,该文以生长中期的生菜与四种伴生杂草稗草、小飞蓬、鬼针草和车轴草为主要研究对象,提出了一种基于植株整体形状特征的杂草识别算法。实验结果表明,利用BP神经网络对单株植物进行识别,准确率达99.20%以上,对多角度拍摄的单株生菜图像的识别准确率为98.60%,对生菜与杂草的混合图像的识别准确率达99.10%,大大提高了杂草识别率,同时本算法对其他一些作物也有一定的适用性。     

基于词袋模型的林业业务图像分类

针对林业业务图像的特点,提出了一种基于稠密尺度不变特征转换(Dense SIFT)特征的词袋(BoW)模型,并联合直方图正交核的支持向量机(SVM)对图像自动分类。首先采用Dense SIFT提取林业业务图像特征,然后使用BoW模型描述各业务图像,最后利用SVM进行分类识别。实验结果表明:采用Dense SIFT特征比SIFT特征训练时间和识别时间更短,并有更高的识别率,更适应实时性较高的场合;SVM采用多项式核函数(Poly),径向基核函数(RBF),多层感知器核函数(Sigmoid)以及直方图交叉核对3类林业业务图像分类时,直方图正交核取得的平均识别率最高;综合Dense SIFT在局部特征上的优势,加上BoW模型和直方图交叉核SVM分类器,平均识别率达到了86.7%,有较好的识别效果。     

基于Sparse-DenseNet模型的森林火灾识别研究

  目的  森林火灾的频繁发生给森林防治工作带来很大的难度，传统的森林火灾识别算法存在准确率低、处理效率不够高等问题，同时由于森林火灾图像数据本身具有很强的复杂性，需要从识别精度和泛化能力等多方面进行综合考虑，因此本文将利用稀疏化的DenseNet模型展开森林火灾的识别研究。  方法  首先，对DenseNet模型进行稀疏化改造，通过随机屏蔽Dense Block模块中节点的方式来产生稀疏化效果，使得算法具备减轻过拟合、缓解梯度消失以及加快收敛速度等优点。其次，在林区进行图像采集时，由于摄像设备与被采集物体之间的相对运动以及光影作用，会出现图片数据被干扰的情况，因此本文利用python相关的图片处理工具对图片进行变换，从而对图片数据集进行相应的扩充，使其能够契合实际的应用场景。最后，本文将Sparse-DenseNet模型与其他经典深度学习模型在森林火灾数据集以及cifar10数据集上的表现进行对比，观察其效果。  结果  Sparse-DenseNet模型拥有在结构上更加轻量的特点，并且训练更快，避免过拟合的效果更好，在森林火灾数据集和标准数据集cifar10上都具有较好的表现。  结论  本文所提出的Sparse-DenseNet模型在森林火灾识别问题上，可以有效优化传统模型存在的问题，并取得良好的识别效果，其准确率可达到99.33%，优于DesenNet的98.15%，并且相同轮次训练时间只有DenseNet训练时间的3/4左右。      

3种中草药饲料添加剂对肉鸡盲肠主要菌群的影响

研究不同中草药组方对肉鸡盲肠主要菌群的影响,结果表明:与基础日粮组和抗生素组相比,21日龄时3种中草药组对大肠杆菌无明显的抑制作用,对乳酸杆菌也无明显的增殖效果;42日龄时3种中草药组对大肠杆菌无明显的抑制作用,但配方Ⅰ0.07%添加水平的乳酸杆菌数显著高于配方Ⅰ0.12%添加水平和加利健组。因此,从肉鸡整个生长期来看,配方Ⅰ0.07%添加水平对肉鸡肠道菌群调节作用最佳。     

五加皮与其混伪品、习用品研究进展

[目的]摸清中药材市场五加皮的混伪品情况.[方法]通过实地调查、查阅资料,对中药材市场上以五加皮为名的中药材进行品种分析.[结果]通过研究发现,市场上以五加皮为名进行销售的药材比较混乱,主要有南五加、北五加、刺五加、香加皮、地骨皮.[结论]该研究为临床应用以及更深入研究提供一定依据.     

贵州10味道地中药材及其水煎液中铜含量的测定

[目的]测定贵州10味道地中药材及其水煎液中微量元素铜的含量。[方法]采用火焰原子吸收光谱法,测定了贵州10味道地中药材及其水煎液中微量元素铜的含量。[结果]火焰原子吸收光谱法测定铜含量的线性范围为0～1.0μg/ml,相关系数R2=0.9999,平均回收率为101.83%,RSD=0.45%（n=5）。10种中药材中铜的含量为7.0～31.0mg/kg,水煎液中铜的含量为0.3～2.4mg/kg。[结论]为中药材种植和加工过程中的质量控制以及传统中药用药的安全性评价提供依据。     

新疆中草药的产业优势与发展策略

中草药作为朝阳产业,在世界各地发展很快.新疆辽阔的地域,复杂的气候因素和丰富的资源,为中草药的产业化、区域化发展提供了有利条件.中草药的应用十分广泛,有着非常广阔的市场前景.如何抓住机遇,促进新疆中草药的区域化发展是首要任务.但是,令人担忧的是,野生中草药资源正在遭受着严重的破坏,人工生产的水平又很低下,中药材市场很不规范,在众多的问题下如何发展新疆中草药,是一个值得深思的问题.     

中草药对奶牛常见病原菌的体外抑菌试验

采用琼脂扩散法(打孔法),选择白头翁、夏枯草、黄柏、乌梅、鱼腥草等16种中草药煎剂和复方制剂对从病牛分离出的4种主要致病菌进行了体外抑菌试验,结果发现,乌梅、黄连、白头翁、诃子、黄芩等的综合效果好,8个复方制剂除复方2和复方3对大肠杆菌无抑菌作用,其余均敏感.为中草药防治奶牛常见病的科学配方筛选提供了依据.     

7种中草药醇提取物抑菌杀菌作用的研究

[目的]研究地榆、苍术、紫花地丁、半枝莲、大黄、枸骨、千里光等7种中草药的抑菌、杀菌活性.[方法]选用上述7种中草药用95％的酒精提取其活性成分,对大肠杆菌、枯草杆菌、金黄色葡萄球菌和酵母菌等4种菌进行抑菌、杀菌试验测定.[结果]7种中草药具有广谱的抗菌作用,大黄对4种菌的抑菌率均在82.3％以上、杀菌率在82.0％以上,是7种中草药中抗菌效果最好的.[结论]7种中草药对4种菌均有明显的抑制和杀菌作用.     

复方中草药对宝石鲈抗氧化能力及免疫功能的影响

[目的]为研究宝石鲈饲料的中草药添加剂提供一定理论依据。[方法]试验采用单因素梯度设计,在基础饲料中分别添加质量分数为0．5％、1．0％、2．0％剂量的复方中草药,饲养宝石鲈[初始重（175．6±6．6）g]25d后,测定其生长速度,并分析超氧化物歧化酶（SOD）、过氧化氢酶（CAT）、丙二醛（MDA）和溶菌酶（ISZ）活性,考察复方中草药对宝石鲈生长和血清非特异性免疫的影响。[结果]添加1．0％复方中草药组宝石鲈的增重率最大,但无显著差异。添加复方中草药可显著提高宝石鲈血清、脾脏、肝脏、肾脏中SOD、溶菌酶和过氧化氢酶活性,其中以1．0％复方中草药组影响最大。说明在饲料中添加该复方中草药有利于宝石鲈抗氧化能力和非特异免疫能力,可提高鱼体对环境的适应能力和应激能力。[结论]中草药组方能够增强宝石鲈体液免疫功能,从而增强机体对外来病原菌的防御能力。     

中草药添加剂对高邮鸭产蛋性能及蛋品质的影响

为探讨中草药添加剂对高邮鸭产蛋性能及蛋品质的影响,进行了中草药添加剂添加试验,以筛选中草药添加剂的适宜添加量。结果表明,中草药添加剂能有效改善高邮鸭的生产性能,提高其采食量,其中添加量为0.10%的试验组日采食量为183.69g,显著高于未添加的对照组(P<0.05);0.08%组、0.12%组和0.14%组的产蛋率显著高于0.10%组的(P<0.05);添加中草药添加剂能有效降低料蛋比值;0.16%组总蛋白含量为67.44g/L,显著高于对照组的58.64g/L(P<0.05),但其他各组与对照组差异不显著(P>0.05);0.12%～0.18%组白蛋白含量高于对照组。中草药制剂能有效提高高邮鸭蛋质量、蛋白高度值和蛋黄色度,添加量为0.10%、0.18%和0.20%的试验组鸭蛋哈氏单位高于对照组;0.12%组蛋黄色度最高,为8.700 0。综上,高邮鸭产蛋期的中草药添加剂建议添加量为0.12%。