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RetinaNet模型的梨小食心虫智能识别计数方法

针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题,基于RetinaNet深度学习目标检测模型,构建了一种普适性更广的梨小食心虫智能识别计数方法.试验结果表明,RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93％,平均计数准确率达95.62％,且该方法对拍摄条件要求低,普适性广,优于Faster R-CNN目标检测模型,完全可以在梨小食心虫监测调查中替代人工进行分类计数.     

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。     

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。     

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。