酿酒微生物计数方法探讨

采用琼脂倾注法接种不同菌株,并对平板菌落分别进行人工计数与自动计数,对两种方法的计数结果进行比较分析,以验证全自动菌落计数仪的菌落识别功能和计数准确性.结果表明,全自动菌落计数仪对于菌落较小的细菌类能准确地快速计数,重现性好,最大误差率为3.95%;但对于菌落形态较大的霉菌类、酵母类等计数准确率低,最大误差率分别为42.86%和35.50%.因此,在实际应用中应以自动计数为主,通过合理设置菌落直径、颜色、亮度、背景偏差等参数以方便自动计数,同时采用人工计数对结果进行修正,以提高计数准确率.     

基于图像识别技术的海参分级与计数设备的设计

针对海参不同规格分级和计数的需求,以图像识别技术为基础,设计了一套机电一体化高精度自动分级与计数系统。该设备通过图像识别、采集、计算和处理海参在传送带上的投影面积大小来确定海参的规格,进而对海参进行相应等级的分选和计数。结果表明：该设备具有对单体海参分辨误差率低、分选精度高、分选速度快、计数准确等特点,达到了预期效果。     

基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数

针对传统机器学习采用人工提取特征方法时,由于人为主观性而影响昆虫识别效果与计数准确性的问题,采用图像特征自动提取方法,将深度学习目标检测模型引入昆虫的识别与计数领域,对Faster-RCNN目标检测模型进行改进:针对昆虫体积小,图像分辨率较低的特点,用网络深度更深,运算量更小的深度残差网络(ResNet50)代替原来的VGG16,以提取更加丰富的特征;针对部分昆虫密集的特点,用Soft-NMS算法代替传统的非极大值抑制(NMS)算法,以减少密集区域的漏检。结果表明:改进后Faster-RCNN模型的检测准确率达到90.7%,较未改进的Faster-RCNN模型提高了4.2%,可以运用于昆虫的分类计数。利用深度学习目标检测模型进行昆虫识别与计数较传统的昆虫识别与计数方法更加方便,能够将昆虫的识别、定位和计数融为一体。     

基于改进Faster R-CNN模型的草莓果实识别算法

针对Faster R-CNN模型对自然状态下草莓（Fragaria ananassa Duch.）识别准确率不高的问题，以地垄种植草莓的实拍图片为数据源，采用改进RPN结构和更换主干特征提取网络的方法对Faster RCNN模型进行了改进。结果表明，改进Faster R-CNN模型识别成熟草莓平均精度（AP）为0.893 0，识别未成熟草莓平均精度（AP）为0.820 7，草莓识别准确率达到较高水平，解决了未成熟草莓识别困难的问题。同时，为了检验模型的自动计数性能，依据模型的识别结果建立了自动计数与人工计数的线性回归，成熟草莓、未成熟草莓的相关系数分别为0.973 7、0.944 7，自动计数与人工计数拥有较高的相关性，表明改进Faster R-CNN模型具有较高的识别性能与计数能力。     

基于改进Bayes抠图算法的麦穗小穗自动计数方法

小麦产量评估需人工获取田间单位面积的麦穗数和麦穗小穗数，往往耗时耗力。为了实现高效、自动地麦穗小穗计数，提出一种基于改进Bayes抠图算法的麦穗小穗自动计数方法。该方法首先利用改进Bayes抠图算法对获取地自然生长条件下的麦穗图像进行抠图，将麦穗从自然背景中分割出来。然后对该图像进行平滑滤波和二值化，运用迭代极限腐蚀运算对二值化图像进行腐蚀处理，去除麦穗图像中的麦芒，分离出麦穗上每个单独的麦穗小穗。再运用面积滤波滤除掉面积过小的区域，对剩余区域的黑洞进行填充，由此每个单独的麦穗小穗形成一个单独的连通区域，最后对连通区域进行标记和计数，完成麦穗小穗的自动计数。使用4个小麦品种的麦穗图像对麦穗上的小穗进行计数验证，结果表明，该方法在识别4个品种田间麦穗单幅图像中小穗数量的平均计数精度达到94.53%，平均相对误差为5.47%，对比已有麦穗小穗自动计数方法，计数精度显著提高，这对于小麦在线产量预估具有重要意义。     

3种平板计数琼脂培养基的质量比较

平板计数琼脂培养基主要用于食品中菌落总数的测定,其质量的优劣影响微生物的生长,直接影响食品中菌落总数测定结果的准确度。为了选出较好的平板计数琼脂培养基应用于微生物检验,对实验室中使用的3种平板计数琼脂培养基进行了外观、pH值和水分含量等理化性质以及菌落总数、生长率和菌落直径等生物学性能的比较。结果表明,3种平板计数琼脂培养基的质量由高到低依次是PCA-101PCA-303PCA-202。     

ZPXG-18型转盘斜刮式自动光电数粒仪和千粒重仪的设计

依据新发现的使粒料自动排序和隔距的转盘斜刮原理,设计和研制了ZPXG-18型转盘斜刮式自动光电数粒仪和千粒重仪。让无序的粒料或种粒进入有斜槽和弧槽的槽盘中,在底部转盘带动下被斜刮而移行、自动整齐排序和产生粒间距,获得光电计数所需的可靠透光间隙,并通过预置和复检二次计数实施数粒。试验表明：(1)每轮预置计数误差数小于1~2粒,而复检计数与实际粒数的误差率小于0.04%;(2)计数速度可达50 粒·s-1;(3)颗粒适用范围0.5~18.0 mm;(4)试验中未发现供试颗粒破损现象;(5)结构简单可靠,无电磁振动噪声等;(6)其原理还可以应用或开发一些既要精准计数又需防止颗粒破损的数粒设备和机械。     

基于Android的粘虫板害虫计数系统研究与实现

为更方便地在田间统计粘虫板上害虫数量,开发了一种基于Android的粘虫板害虫计数系统。利用Android手机方便易携带的特点,快速统计田间粘虫板上害虫数量。系统使用基于HSV空间的图像处理技术去除无关背景,使用滤波技术处理害虫图像中的翅、足等边缘不规则部分,减少了噪声的干扰,提高了识别的准确率。以泰安茶溪谷茶园中黄色粘虫板为对象,对茶园中常见的小绿叶蝉、潜叶蝇和黑刺粉虱等害虫进行计数测试。结果表明,当害虫数量充足时,该系统统计的结果与人工实际统计结果相比,相对误差率在-6. 7%～4. 1%,能够有效统计粘虫板上害虫的数量。     

基于物联网的害虫智能监测系统设计与实现

【目的】针对传统害虫监测手段存在时耗长、人工成本高、数据质量不高等问题,将性诱捕技术与物联网技术相结合,开发基于物联网的害虫智能监测系统,实现对目标害虫的自动计数。【方法】应用诱芯与高压电网相结合进行害虫诱捕,采用红外传感器进行害虫计数,通过4G网络进行数据传输。基于.net平台开发害虫监测Web管理网站、害虫监测APP、数字植保微信公众号等配套软件系统,用户可以通过电脑、手机APP、微信等多终端远程浏览查询数据。【结果】以蔬菜重要害虫斜纹夜蛾为例,通过在厦门同安、三明尤溪的蔬菜基地的田间试验结果显示,厦门同安试验点的诱捕效果为276.14%,自动计数准确率为93.52%;三明尤溪试验点诱捕效果为162.60%,自动计数准确率为81.59%,表明该自动监测系统的害虫诱捕率和识别准确率均较高。【结论】开发的害虫智能监测系统实现了害虫测报的自动化和智能化,提高了害虫监测的效率,在害虫预测预报中具有广阔的应用前景。     

体外培养细胞的一种简便计数方法

【目的】介绍一种利用数码显微镜进行细胞计数的简便方法。【方法】体外分离培养猪肺微血管内皮细胞(microvascular endothelial cells, MVECs)和猪外周血中性粒细胞,利用数码显微镜对不同密度的2种细胞进行计数,并与利用自动细胞计数仪和血细胞计数板的计数结果比较,分析其计数结果准确性、计数效率和绘制细胞生长曲线情况。【结果】计数不同密度水平的细胞时,数码显微镜计数法与细胞计数仪法的结果均无显著性差异,对MVECs计数结果的变异系数低于中性粒细胞;计数MVECs用时少于细胞计数板法和细胞计数仪法,计数中性粒细胞时用时多于另外2种方法;3种方法绘制的细胞生长曲线呈趋势一致性,数码显微镜计数法与细胞计数板法、细胞计数仪法的相关系数分别为0.994和0.990。【结论】数码显微镜细胞计数法是一种便捷、易操作、准确、省时且不增加试验成本的计数方法,尤其适合于贴壁型细胞的原位计数,值得在细胞试验中推广应用。     

微生物能力验证样品制备工艺及水产品企业水平测试结果评价

为了提高舟山市水产品企业实验室微生物检测能力,保证企业自检结果准确可靠,根据舟山市进出口检验检疫工作的特点,选取了水产品中3个常规的微生物检测项目,即菌落总数、副溶血弧菌和金黄色葡萄球菌检测,采用了真空冷冻干燥技术制备一系列微生物能力验证样品,对舟山市88家水产品企业的实验室进行微生物能力验证。结果表明采用本工艺制备的能力验证样品具有稳定性好、贮存方便、保存期长等优点。从水产品企业微生物水平测试结果来看,菌落总数项目的满意率为81．8％;副溶血弧菌检测的正确率为93．8％,而金黄色葡萄球菌检测的正确率为82．1％。检测结果存在偏差的主要原因是检测中未使用标准菌株进行参照、试剂在使用前无进行质量核查、对某些生化反应判断失误等。     

基于无人机三维点云的玉米植株自动计数研究

植株计数是农民、育种专家等在整个作物生长季评估作物生长状况和管理实践的最常用方法之一,可用来进行合理的田间规划以及管理。针对高密度种植试验区高通量获取玉米自动株数方法匮乏的问题,本研究利用无人机遥感平台,获取田间314个不同基因型的玉米高密度育种小区的数码影像和激光雷达(light detection and ranging, LiDAR)点云数据,发展了一种结合玉米三维空间信息的固定窗口局部最大值算法,实现了高密度玉米育种小区成株数的自动检测,并对比了基于此两种不同数据源的检测精度。该方法以冠层高度模型(canopy height model, CHM)中包含的株高信息为基础,以玉米种植株距为固定窗口进行单株玉米种子点检测,并将检测到的种子点与目视解译的玉米位置进行空间匹配来进行精度的评估。结果表明,基于无人机数码影像构建3种空间分辨率CHM的综合检测精度分别为81.30%、83.11%和78.93%;基于无人机LiDAR的综合精度分别为82.33%、88.66%和81.46%;基于两种数据源构建的CHM,均在空间分辨率为0.05 m时,获得最佳的检测精度。此外,当空间分辨率相同时,...     

微生态制剂存放期内菌群活性检测

[目的]了解微生态制剂存放期内菌群的变化规律。[方法]采用活菌平板计数法,测定存放0、1、2、3、4、5、6、7、8、9、10、20、30、40、50、60 d的自制微生态制剂的菌群活性,对保存6个月的微生态制剂进行活化处理并比较效果。[结果]自制微生态制剂存放10 d内随着天数的增加,菌落总数先增加后减少,可稳定在2.25×1010个/ml水平,存放30 d时菌落总数为1.98×1010个/ml,降低了12%,60 d时为8×108个/ml,但不影响应用效果。5‰的红糖水活化处理后的微生态制剂菌落总量达7.4×107个/ml,比未经活化的提高了23%,提高了利用效果。[结论]保质期内的微生态制剂活菌数量相对稳定,存放期在10 d内的微生态制剂的使用效果最好。     

Automated image-processing for counting seedlings in a wheat field

Wheat field seedling density has a significant impact on the yield and quality of grains. Accurate and timely estimates of wheat field seedling density can guide cultivation to ensure high yield. The objective of this study was to develop an image-processing based, automatic counting method for wheat field seedlings, to investigate the principle of automatic counting of wheat emergence in the field, and to validate the newly developed method in various conditions. Digital images of the wheat fields at seedling stages with five cultivars and five seedling densities were acquired directly from above the fields. The wheat seedlings information was extracted from the background using excessive green and Otsu’s method. By analyzing the characteristic parameters of the overlapping regions (Overlapping region is a number of overlapping wheat seedlings in the image) of the fields, a chain code-based skeleton optimization method and corresponding equation were established for automatic counting of wheat seedlings in the overlapping regions. The results showed that the newly developed method can effectively count the number of wheat seedlings, with an average accuracy rate of 89.94 % and a highest accuracy rate of 99.21 %. The results also indicated that the accuracy of counting was not affected by different cultivars. However, the seedling density had significant impact on the counting accuracy (P < 0.05). When the seedling density was between 120 × 10⁴ and 240 × 10⁴ ha^?1, high counting accuracy (>92 %) could be obtained. The study demonstrated that the newly developed method is reliable for automatic wheat seedlings counting, and also provides a theoretical perspective for automatic seedling counting in the wheat field.     

鲜切马铃薯保藏中微生物的抑制方法

以鲜切大西洋马铃薯为试验材料,研究pH值、苯甲酸钠、二氧化氯和紫外线4种对鲜切马铃薯保藏中微生物的控制效果,试验结果表明,降低pH能使鲜切产品的菌落总数降低,当pH降至4时,菌落总数显著低于对照;0.02 g/kg苯甲酸钠1、0 mg/kg二氧化氯和15 min紫外线处理也能显著控制鲜切产品的菌落数,其中以10 mg/kg二氧化氯和15 min紫外线处理可分别使鲜切马铃薯保存4 d和5 d而不超过该产品的微生物指标。     

基于深度学习的蔬菜鳞翅目害虫自动识别与检测计数

鳞翅目害虫是蔬菜作物中最重要且常见的一类害虫。由于受到复杂田间背景,光照及害虫姿态等的影响,传统的害虫自动识别与检测计数方法准确率比较低。为实现在田间快速准确地对目标害虫进行自动识别和检测计数,分别提出了基于深度卷积神经网络的识别模型和检测计数模型。针对菜粉蝶、棉铃虫、甜菜夜蛾、小菜蛾、斜纹夜蛾这5种常见且容易混淆的蔬菜鳞翅目害虫,构建了分类识别数据集和检测计数数据集,并分别进行了实验,平均识别率达到94.5%,检测均值平均精度(mAP)达到76.6%,与传统方法相比,证明了此方法的优越性。实验结果表明,该方法对于蔬菜鳞翅目害虫的识别和检测计数是可行的,且达到了实际应用水平。     

Fast discrimination and counting of filled/unfilled rice spikelets based on bi-modal imaging

Spikelets per panicle and grains per panicle (also known as filled spikelets per panicle), directly contributing to rice yield, are two imperative traits that need to be evaluated in yield-related research. Current determination of total spikelet number and filled spikelet number are generally measured manually, which is tedious and subjective. This paper proposes a new method of counting total spikelets and filled spikelets simultaneously, based on automatic discrimination of filled and unfilled spikelets by combining visible light imaging and soft X-ray imaging. Visible light imaging was applied to measure the projected area of the spikelet hull, while soft X-ray imaging yielded the projected area of the inner brown rice kernel. The filling rate, defined as the area ratio of rice kernel to hull, was used to discriminate the filled and unfilled spikelets. 29 panicle samples were tested to evaluate the efficiency and accuracy. The results showed that the counting efficiency was approximately 2000 spikelets/min. The root mean squared error (RMSE) was 0.42 for total spikelet number and 0.77 for filled spikelet number. The mean absolute percentage errors (MAPE) were 0.22% and 0.80% for each, respectively. The method shows great potential in improving the efficiency of trait evaluation in plant breeding and genetic research, as well as serving for crop phenomics.     

基于机器视觉的千粒质量测量仪的设计与试验

针对目前作物千粒质量测定中数粒耗时长、精度低、自动化程度低、不适应多品种计数等问题,基于机器视觉技术,设计了一种集称重和数粒为一体的千粒质量测量仪.测量仪主要由机架、摄像头、载物盘、称重传感器、控制器等部件组成.工作时,通过称重传感器获取种子质量,同时通过摄像头采集种子图像并上传到上位机进行图像分析处理,获取种子数量,...