基于高光谱技术结合纹理特征分析牛奶致病菌

牛奶是一种非常有营养的乳制品,牛奶中主要有酪蛋白、白蛋白、球蛋白、乳蛋白等蛋白质,所含的20多种氨基酸中有8种氨基酸是人体必须的氨基酸。牛奶中含有的半乳糖和乳糖,是最容易消化吸收的糖类。奶中的矿物质和微量元素都是溶解状态,且各种矿物质的含量比例合适,很容易消化吸收。牛奶经过消毒杀菌后,还需要检测其是否含有致病菌及其菌群的浓度,来判断是否能投入市场。高光谱成像系统结合纹理特征分析可以快速无损检测牛奶中是否含有致病菌,对senth纹理特征值下的各波长的高光谱反射率进行主成分分析得到9个主成分,可以94.93%解释总方差。对经过主成分分析后的数据进行聚类分析,可以较好的区分含菌样本及无菌样本。可以将不同浓度、不同菌种的样本按菌落种类区分开。     

基于高光谱图像的黄瓜种子活力无损检测

为实现对黄瓜种子的快速、无损检测,以人工老化0 h、36 h、72 h的3个不同活力梯度的黄瓜种子为研究对象,利用波长400～1 000 nm的可见光光谱对黄瓜种子活力进行检测。对比了多元散射校正(MSC)、标准正态变换(SNV)、卷积平滑(S-G)3种预处理方法,结果显示SNV预处理的效果最优。从特征提取和特性选择2个角度进行降维分析。分别使用主成分分析法和连续投影算法,对比各个主成分数的正确分类率,选取最佳的主成分数。通过连续投影算法(SPA)选择9、12、13个特征波长,通过对比分类正确率,选出最佳波长数为12个。最后将提取出的最佳主成分和选择的最佳特征波长作为支持向量机的输入,分别选择线性核函数和径向基核函数,结合网格搜索方法,确定模型的惩罚因子c和径向基核函数中的参数gamma,建立判别分析模型。所有模型分类正确率均达到97.3%以上,其中SPA-SVM(基于RBF核函数)效果最佳,分类正确率达到98.6%。可见,利用高光谱图像技术结合SPA-SVM能有效地鉴别黄瓜种子的活力。     

基于高光谱技术融合图像信息的杏鲍菇干燥过程中含水率检测

为了应用高光谱成像技术结合图像处理技术研究杏鲍菇含水率的快速无损检测以及含水率分布可视化,采集不同干燥时期共240个杏鲍菇样品在358～1 021 nm波段范围内的高光谱图像。利用阈值分割方法将图像中杏鲍菇区域与背景分离,提取杏鲍菇的平均光谱数据。采用连续投影算法(SPA)和稳定性竞争自适应重加权采样法(SCARS)分别筛选出5个和10个特征波长;采用主成分分析方法获得杏鲍菇的前2个主成分图像PC1、PC2,基于灰度共生矩阵(GLCM)提取主成分图像PC1、PC2共16个纹理特征。利用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)分别建立光谱特征、纹理特征以及光谱与纹理特征融合的含水率预测模型。结果表明:与光谱特征相比,纹理特征与含水率的相关性较差;光谱特征模型SCARS-LS-SVM预测效果最好,其预测集决定系数(R■)=0.975,均方根误差(RMSEP)=3.712,相对分析误差(RPD)=3.211。基于SCARS-LS-SVM模型,将杏鲍菇样品含水率分布用不同颜色直观显示,实现了含水率分布可视化。     

基于高光谱图像的水稻种子活力检测技术研究

随着种子活力逐渐受到人们的重视,快速且不破坏种子的活力检测方法逐渐成为研究的热点。试验以不同老化程度的水稻种子为材料,采用高光谱成像技术结合PCA-SVM方法,研究比较了不同活力水平的水稻种子的活力差异。采集两个水稻品种在400~1000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波段;应用支持向量机(SVM)建立水稻种子活力鉴别模型。结果表明,预测的判别率可达100%,说明高光谱成像技术为快速准确无损测定种子活力提供了一条新的途径。     

基于高光谱图像技术的油菜籽品种鉴别方法研究

提出了一种采用高光谱图像技术结合人工神经网络对油菜籽品种进行鉴别的方法.采集多个品种油菜籽400～1 000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波长;采用基于灰度直方图和灰度共生矩阵联合的统计方法从特征图像中提取纹理特征参数,应用人工神经网络建立油菜籽品种鉴别模型.结果表明,模型训练时品种判别率为93.75%,预测的判别率为91.67%.说明高光谱图像技术对油菜籽品种具有较好的分类和鉴别作用.     

基于光谱与纹理特征融合的绿萝叶绿素含量检测

[目的]本文旨在快速测定植物体内叶绿素含量,以提高无损测定叶绿素的准确性.[方法]以绿萝叶片为研究对象,提出一种串联融合高光谱特征与纹理特征的叶绿素SPAD值的无损检测方法.采集320片绿萝叶片样本在400～900 nm波段的光谱信息,使用Savitzky-Golay卷积平滑对原始高光谱图像进行预处理,利用连续投影算法...     

基于高光谱成像的鲜桃虫害检测特征向量的选取

本文采用阈值分割和主成分分析方法对高光谱图像进行处理,以得到虫害区域分割结果。然后选取2个特征波长作为光谱特征,提取4个纹理参数作为纹理特征,并将其优化组合成4组特征向量。利用BP神经网络进行鲜桃虫害检测。结果表明,667nm和746nm波段的光谱反射值的光谱特征和270°方向的能量、对比度、熵、相关性的纹理特征的组合为鲜桃虫害检测的最优特征向量,果实识别正确率为100%。     

基于DIQA的腐烂蓝莓高光谱特征波长图像选取方法

目前高光谱成像技术已成为蓝莓品质自动检测的重要手段,其中提取特征波长是一个重要步骤。为获得最佳的腐烂蓝莓高光谱特征波长图像,提出一种基于深度学习的高光谱图像特征波长图像选取方法。首先提取腐烂蓝莓高光谱各波长图像的高频分量图像,然后提出利用深度学习图像质量评价网络（DIQA）选取腐烂蓝莓高光谱图像中的最佳图像。在DIQA第一阶段对腐烂蓝莓高光谱图像的高频图学习误差图。在DIQA第二阶段将第一阶段能够预测误差图的网络作为对腐烂蓝莓高光谱图像质量评价的骨干网络,并对网络做全局平均池化,最后引入两个特征以弥补信息量损失,通过评分评价图像质量。结果表明：通过对400～1000nm的472个波长下蓝莓高光谱图像进行质量评价,得到最佳图像质量的5个波长(664,721, 836,854,884nm)。与PCA提取的特征波长(454, 607, 699,913,967nm)图像相比较得知,所提取的腐烂蓝莓特征波长图像具有较多优势。另外采用卷积神经网络ResNet50对DIQA与PCA构建的蓝莓特征波长图像数据集进行学习,得出DIQA选取的腐烂蓝莓特征波长图像构建的数据集,损失能较快的收敛,并且在验证集...     

基于深度学习的龙眼叶片叶绿素含量预测的高光谱反演模型

【目的】探讨龙眼Dimocarpus longan Lour.叶片发育过程中叶绿素含量二维分布变化规律,实现无损检测病虫害对叶片叶绿素含量分布的影响,为评估嫩叶抗寒能力、龙眼结果期的施肥量和老熟叶的修剪提供参考。【方法】利用高光谱成像仪采集龙眼叶片在369~988 nm区间的高光谱图像,自动提取感兴趣区域,利用分光光度法测定叶片叶绿素含量。基于皮尔森相关系数(r)分析了龙眼叶片生长过程中各波段光谱响应与叶绿素含量之间相关性,建立偏最小二乘回归模型。分析了特征波段图像纹理特征与叶绿素含量相关性,将光谱特征和纹理特征结合导入深度学习中的稀疏自编码(SAE)模型预测龙眼叶片叶绿素含量,结合"图谱信息"的SAE模型预测龙眼叶片叶绿素含量的分布情况。【结果】龙眼叶片3个生长发育期相关系数的曲线均在700 nm附近出现波峰,嫩叶、成熟叶和老熟叶3个阶段相关性最高的波长分别为692、698和705 nm;全发育期的最敏感波段相关性远高于3个生长发育期,r达到0.890 3。回归模型中,吸收带最小反射率位置和吸收带反射率总和建立的最小二乘回归模型预测效果最好(R_c~2=0.856 8,RMSEc=0.219 5;R_v~2=0.771 2,RMSEv=0.286 2),其校正集和验证集的决定系数均高于单一参数建立的预测模型。在所有预测模型中,结合"图谱信息"的SAE模型预测效果最好(R_c~2=0.979 6,RMSEc=0.171 2;R_v~2=0.911 2,RMSEv=0.211 5),且预测性能受叶片成熟度影响相对较小,3个生长阶段R_v~2的标准偏差仅为最小二乘回归模型标准偏差的29.9%。【结论】提出了一种自动提取感兴趣区域的方法,成功率为100%。基于光谱特征的回归模型对不同生长阶段的叶片预测效果变化较大,而基于"图谱信息"融合的SAE模型预测性能受叶片成熟度影响相对较小且预测精度较高,SAE模型适用于不同成熟度的龙眼叶片叶绿素含量分布预测。     

杏鲍菇营养生理研究

【目的】研究杏鲍菇的营养生理特性。【方法】以杏鲍菇菌株XBG-01为供试材料,测定不同培养基中菌落的直径及菌丝生长速率,观察气生菌丝的长势,研究不同的碳源、氮源、无机盐、维生素和植物生长调节剂对杏鲍菇菌丝生长的影响。【结果】杏鲍菇能以多种单糖、双糖、多糖等作为碳源,其中以果糖、葡萄糖和甘露糖为碳源时,菌丝生长均较好,最适碳源为果糖;在供试氮源中,杏鲍菇对复合氮源、无机氮源、氨基酸均能利用,其中以蛋白胨为最适氮源,麦芽浸粉和酵母膏次之;无机盐中的1.0 g/L硫酸镁、磷酸二氢钾,维生素中6 mg/L维生素B2、烟酸以及植物生长调节剂中8 mg/L IAA、KT,均对杏鲍菇菌丝生长具有明显的促进作用。【结论】不同碳源、氮源对杏鲍菇菌丝生长有显著影响,向培养基中适量添加某些无机盐、维生素和植物生长调节剂,可提高杏鲍菇菌丝生长速率。     

基质含水率对杏鲍菇生长发育的影响

【目的】探讨杏鲍菇栽培基质不同含水率对其生长发育的影响规律,为杏鲍菇的生产管理提供参考。【方法】以杏鲍菇PE-1菌株为供试材料,在栽培基质含水率为59.0%,60.5%,62.0%,63.5%,65.0%,66.5%和68.0%时,以该菌株生长周期、子实体形态及基质利用率为指标,研究不同含水率基质对杏鲍菇生长发育的影响。【结果】当栽培基质含水率为65.0%左右时,各指标均达最大值,其中,子实体鲜质量为286 g/袋,生产周期为48.5 d,子实体密度为0.528 g/mm³,子实体长度为191 mm,栽培基质利用率为35.68%。【结论】杏鲍菇栽培基质的最佳含水率为65.0%,此时杏鲍菇的生物学效率最高、密度最大、生产周期最短、经济效益最佳。     

不同杏鲍菇菌株生产性能的综合评判

【目的】筛选生产性能优良的杏鲍菇菌株。【方法】在相同的栽培基质及环境条件下,对不同来源的13株杏鲍菇菌株(PE-01～PE-13)的生物学效率、生产周期、子实体长度、子实体密度、菌柄直径进行测定,然后采用模糊综合评判的方法对其生产性能进行综合分析。【结果】13个杏鲍菇菌株中,菌株PE-01为优良菌株,其平均生物学效率为76.9%,生产周期较短,子实体长度较短,子实体密度、菌柄直径较适中;PE-06、PE-07为较好菌株,PE-09、PE-11为一般菌株,其他为劣种菌株。【结论】不同杏鲍菇菌株的生产性能差异较大,在选择优良菌株时应依据多个性状进行综合评价。在本试验条件下,PE-01为最优杏鲍菇菌株。     

杏鲍菇菌糠提取液对不同食用菌的化感作用

杏鲍菇是一种近几年来发展较快的药食两用型食用菌。随着杏鲍菇工厂的逐年增多,产生的菌糠也越来越多,菌糠如何再利用,是目前研究的热点问题。采用平板培养法研究了杏鲍菇菌糠的水提液和醇提液对姬菇、金针菇、杏鲍菇、猴头菇、白玉菇和白灵菇6种食用菌菌丝生长的影响。结果表明,杏鲍菇菌糠的水提液和醇提液对供试食用菌菌丝生长均有不同程度的影响,水提液有利于猴头菇、白灵菇、姬菇和白玉菇菌丝的生长;醇提液有利于猴头菇和白玉菇菌丝生长;2种提取液均不利于杏鲍菇菌丝的生长。     

利用高温发酵菌糠研制水稻育秧基质

将经高温发酵处理后的杏鲍菇菌糠与土壤按照比例进行配比制作水稻育秧基质,分析不同配比的水稻育秧基质的理化性质,比较研究水稻秧苗的秧苗素质、根系性状和营养吸收情况等。结果表明添加高温发酵腐熟的杏鲍菇菌糠对育秧基质的容重、总孔隙度、通气孔隙和持水孔隙具有改善作用,随着菌糠添加量的增加,容重逐渐减少,总孔隙度、通气孔隙和持水孔隙逐渐增加。水稻秧苗的株高、叶绿素含量、秧苗地上部百株干重、根的百株干重、根系活力和水稻秧苗的氮、磷、钾含量水平均优于100%土壤和100%菌糠,其中V(土壤)∶V(菌糠)为20%∶80%的基质配比更有利于水稻壮秧、干物质积累、根系生长发育和对氮、磷、钾的吸收。     

杏鲍菇采后木质化相关基因实时定量PCR中内参基因的选择

【目的】筛选出合适的内参基因,为分析不同贮藏时期杏鲍菇(Pleurotus eryngii)子实体中木质化相关基因的表达提供支持。【方法】以4℃低温贮藏0,3,6,9,12,15和18d的杏鲍菇子实体为材料,采用实时荧光定量PCR(Quantitative real-time PCR,RT-qPCR)技术,分析了β-actin、18SrRNA、β-tubulin、ELF和GAPDH 5个候选内参基因在不同贮藏时期杏鲍菇的表达情况;通过GeNorm和NormFinder 2种软件筛选出最稳定的内参基因;选取最佳内参基因,采用相对表达定量法对木质素合成途径中的关键酶,即苯丙氨酸转氨酶(Phenylalanina ammonia-lyse,PAL)基因的表达进行定量分析。【结果】5个内参基因均能特异扩增,其中GAPDH基因表达丰度较低,不适合用作内参基因;经GeNorm软件分析计算,β-actin、β-tubulin、ELF、18SrRNA表达稳定度平均值M分别为0.527,0.527,0.584,0.875,最适内参基因组合为β-actin、β-tubulin和ELF;由NormFinder软件分析计算,β-actin、β-tubulin、ELF、18SrRNA稳定值S分别为0.221,0.356,0.583,1.092,β-actin稳定性最高;综合分析认为β-actin的表达稳定性最高,为最佳内参基因;以β-actin为内参基因,发现4℃低温贮藏3,6,9,12,15和18d的杏鲍菇子实体中PAL基因表达量分别比新鲜样品(0d)增加了11.3%,10.8%,11.3%,11.5%,11.4%,10.7%。【结论】β-actin可作为杏鲍菇子实体采后贮藏条件下品质变化相关基因表达研究的内参基因。     

杏鲍菇菌渣代料栽培对姬松茸不同潮次产量及品质的影响

为探究杏鲍菇代料栽培姬松茸的适宜比例,通过床栽试验研究了杏鲍菇替代不同比例稻草对姬松茸J2和J37菌株不同潮次子实体产量、营养品质的影响。结果表明：随着替代比例的增加,姬松茸J2和J37子实体产量呈现先升后降的变化趋势,替代比例为30%时产量最高,姬松茸J2产量可达2.038 kg·m^-2,姬松茸J37产量可达2.267 kg·m^-2。两种姬松茸子实体产量主要集中于第一潮和第二潮,且杏鲍菇菌渣替代栽培处理前两潮产量占比均高于传统栽培配方。随着潮次增加,姬松茸 J2和 J37子实体中多糖、粗蛋白和氨基酸的质量分数总体呈降低的趋势,但杏鲍菇菌渣替代处理多糖、粗蛋白和氨基酸质量分数随潮次增加降低的幅度小于传统栽培配方。杏鲍菇菌渣替代处理姬松茸子实体中粗蛋白、氨基酸和多糖的质量分数分别比传统栽培配方提高2.42%~10.44%、4.09%~12.00%和11.07%~23.70%,其中替代比例为30%时营养品质最优。从生产成本分析,杏鲍菇菌渣替代可降低姬松茸栽培原料成本35.08%~54.00%。研究表明,适宜比例的杏鲍菇菌渣和养殖场垫料组合代料栽培姬松茸的产量和品质优且不同潮次间相对稳定,而且该方式可以有效降低栽培材料的投入成本,综合效益比较高。     

葡萄夏季修剪枝条栽培杏鲍菇的配方优化

【目的】研究葡萄夏季修剪枝条栽培杏鲍菇的最佳配方。【方法】采用比率混料设计和三元二次正交旋转组合设计方法,研究了麸皮、玉米粉、豆粕对葡萄夏季修剪枝条栽培杏鲍菇产量的影响,并通过建立数学模型对各因素进行了定量分析。【结果】麸皮、玉米粉、豆粕均能明显增加杏鲍菇的产量,3个因素对杏鲍菇产量的影响程度依次为豆粕玉米粉麸皮。玉米粉与豆粕的交互作用对杏鲍菇产量有显著影响,麸皮与玉米粉、豆粕的交互作用对杏鲍菇产量影响不显著。最终确定的葡萄修剪枝条栽培杏鲍菇的最佳配方为:麸皮154.1g/kg,玉米粉51.9g/kg,豆粕51.9g/kg,葡萄夏季修剪枝条木屑742.1g/kg,采用该配方栽培杏鲍菇产量可达226.9g/袋,生物学转化率可达76.1%。【结论】用葡萄夏季修剪枝条作为主要培养料栽培杏鲍菇是可行的,且最优配方下杏鲍菇产量较高。     

融合光谱反射率与时频特征的坡垒叶绿素含量估测模型研究

【目的】研究估测坡垒叶绿素含量的高光谱模型,探讨融合光谱反射率与时频特征估测叶绿素含量的可行性,为坡垒叶绿素含量的快速无损检测提供参考。【方法】以2年生坡垒为研究对象,设置N0（0 kg/hm²）、N1（35 kg/hm²）、N2（70 kg/hm²）3个氮肥水平,测定不同氮肥水平下坡垒冠层叶绿素含量和光谱曲线,采用离散傅里叶变换（DFT）和短时傅里叶变换（STFT）方法提取光谱时频特征,采用偏最小二乘回归（PLSR）算法,构建基于光谱反射率、时频特征及其二者融合特征的不同氮水平的分区模型以及全氮肥水平下的综合模型,估测不同氮肥水平下坡垒叶绿素含量,并以决定系数（R²）、平均绝对百分比误差（MAPE）、相对均方根误差（RRMSE）作为评价指标比较各模型精度,确定最优估测模型。【结果】（1）不同叶绿素含量下坡垒冠层光谱反射特征的整体变化趋势相似,在可见光波段（380~750 nm）内,光谱反射率随着叶绿素含量的增加而降低。（2）在构建的分区模型中,基于光谱反射率和时频特征构建的模型均能较好地估测坡垒叶绿素含量,检验R²分别为0.626~0.816,0.662~0.797,检验MAPE分别为4.966％~9.269％,6.029％~8.181％,检验RRMSE分别为6.827％~11.593％,8.247％~9.792％;基于融合光谱反射率与时频特征（融合特征）构建的分区模型检验R²为0.913~0.951,检验MAPE和RRMSE均低于10％。（3）在构建的综合模型中,当引入哑变量时,基于融合光谱反射率与时频特征（融合特征）构建模型的检验R²为0.814,MAPE和RRMSE分别为7.212％和8.578%,二者较基于光谱反射率构建的模型分别降低了37％和36％,较基于时频特征构建的模型分别降低了47％和45％。【结论】基于融合光谱反射率和时频特征（融合特征）构建的模型能够提高坡垒叶绿素含量估测的精度,对于不同氮肥水平下坡垒叶绿素含量有较好的估测效果,可作为估测坡垒叶绿素含量的优选方法。     

液氮保藏菌种对平菇菌丝体和子实体的影响

以皖平菇1号为试验材料,对菌种液氮保藏过程中的降温方式、保护剂、解冻3个关键环节设计三因素三水平正交试验.结果表明,正交试验9个不同的处理中对菌种萌发率影响最小的条件处理组合为不加保护剂直接放入液氮,38 ～40℃水浴解冻;对菌丝生长速度影响最小的处理组合为-70℃-液氮逐步降温,10％的二甲基亚砜作保护剂,38 ～ 40℃水浴解冻;对子实体平均产量影响最小的处理组合为4℃--20℃--70℃分别放置2h的逐步降温法,10％的蔗糖水溶液作保护剂,38 ～ 40℃水浴解冻.保护剂和解冻方式的选择对菌种影响较大,结合成本等其他因素综合考虑,不加保护剂直接将菌种放入液氮,38 ～ 40℃水浴快速解冻的处理方式为最佳选择.