基于无人机影像匹配点云的苗圃单木冠层三维分割

近年来较多的树冠提取算法以激光雷达数据为基础,然而激光点云数据量大、冗余多而且采集成本高。本文基于无人机影像匹配点云提取单木树冠轮廓,研究一种成本可控、能够补充甚至部分替代激光雷达的小范围森林制图方案。以福建省三明市某林场内苗圃地作为研究对象,在稠密的无人机影像匹配点云中截取2个25 m×25 m的样地作为测试样本。预处理后,首先构建植被冠层高度模型,以局部最大值法探测树冠位置并标记为种子点;从这些种子点形成的初始区域开始生长,迭代计算直到全部的影像匹配点云归并完毕;最后,将算法提取的树冠轮廓导入Arc GIS中获取树冠轮廓矢量边界,并与手绘参考树冠叠加,利用F测度实现精度的评定。依此方案,在2个林分范围内的树冠提取F测度均达到了89%以上,单木冠幅提取的误差在0.14 m以内。结果表明,该方案简单有效、精度可靠,适用于小范围、高精度的植被制图。     

纤维蛋白原的5种提取方法比较研究

为了确定纤维蛋白原的最佳提取方案。本研究主要采用反复冷沉淀法、经典冷沉淀法、冷乙醇法、硫酸铵沉淀法和聚乙二醇沉淀法对猪抗凝全血进行纤维蛋白原的提取;以单次血液处理量、制备流程耗时、纤维蛋白原的浓度,是否需要添加化学试剂和所得纤维蛋白原的纯度为考察指标,确定纤维蛋白原的最佳提取方案。结果表明：反复冷沉淀法与经典冷沉淀法相比可以明显提高提取的纤维蛋白原浓度,与化学法相比,全程均采用物理方法,无需添加任何化学制剂,不存在化学制剂回收问题,纤维蛋白原纯度较高,提取的纤维蛋白原浓度符合外用纤维蛋白原质量标准。对结果综合分析可知,反复冷沉淀法是最佳的纤维蛋白原的提取方法。     

草本纤维生物提取菌株分泌的关键酶研究

为研究草本纤维生物提取菌株分泌的关键酶种类和特性,采用经典的DNS法对草本纤维生物提取菌株分泌的果胶酶、甘露聚糖酶和木聚糖酶进行系统分析。结果表明,6 个草本纤维非纤维素降解菌株均能同步产果胶酶、甘露聚糖酶和木聚糖酶;在培养的第9~11 h,菌株CBXW-3 分泌的果胶酶活力最高达123 IU/mL,其次为菌株CBXW-1 的果胶酶活力105 IU/mL;菌株CBXW-4 的甘露聚糖酶活力最高达214.2 IU/mL,其次为菌株CBXW-1 的甘露聚糖酶活力162.1 IU/mL;菌株CBXW-4 的木聚糖酶活力最高为111.4 IU/mL,其次为菌株CBXW-6 的木聚糖酶活力87.6 IU/mL。由此得出,6 个目标菌株分泌的草本纤维非纤维素降解酶系种类丰富,酶活力高,可为阐明草本纤维生物提取机理和开发微生物资源的应用价值提供科学依据。     

山楂多糖提取的研究

采用正交实验法考察不同因素和水平对山楂多糖提取率的影响,分别得出水浴浸提和超声提取的最佳工艺条件。     

柚核中柠檬苦素纯化工艺的研究

以乙醇为提取溶剂,采用超声波辅助提取柚核中柠檬苦素,通过正交试验对提取工艺进行优化,并采用大孔吸附树脂纯化柠檬苦素。最佳提取条件为:料液比1∶10,超声时间30min,乙醇体积分数70%,超声提取2次。4020型大孔树脂分离纯化提取液的最佳工艺条件为:吸附流速1mL/min,体积分数70%的乙醇洗脱,解吸流速0.7mL/min,纯化后得到柠檬苦素的质量分数达83.77%。该工艺分离纯化效果好,成本低。     

棉花RNA的快速提取方法

目前已发展的从植物中提取RNA的方法有多种.但由于棉花中次生物质含量较高,因此有些方法并不适合于棉花RNA的提取.本文介绍经过反复实验后改进的棉花RNA的提取方法,它具有快速、简单等特点.     

原花青素的提取方法及稳定性研究进展

综述溶剂提取法、超临界二氧化碳提取法、仪器辅助提取法等国内常用的原花青素提取方法,分析 pH、温度、光、金属离子、添加剂等因素对原花青素稳定性的影响,并探讨今后原花青素的研究方向与趋势,以期为原花青素的深入研究提供理论支持。     

苹果图像的背景分割与目标提取

水果的缺陷、大小和颜色差异以及光照等因素影响图像背景分割与目标提取精度.以苹果为研究对象,针对4种不同光照强度条件下采集的280幅不同姿态的苹果图像,将彩色图像的R、G、B分量进行算术运算,然后采用形态学开运算进行消噪处理,采用线性空间滤波消除锯齿状边界,采用自动阈值分割方法进行背景分割与目标提取.结果显示,203幅图像的分割偏差小于1％,占总量的72.5％;70幅图像的分割偏差大于1％而小于2％,占总量的25％;偏差大于2％的有7幅,占总量的2.5％.最大分割偏差为2.83％.     

基于改进级联神经网络的大豆叶部病害诊断模型

针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物模板无损采集大田大豆叶部病害数字图像,计算病斑区域的形状特征、颜色特征及纹理特征14维度特征参数;为突显各方面特征对于不同病害种类决定作用的差异性,构建各子神经网络并联的第1级网络,第2级网络的输入为第1级网络的输出,利用多维特征各自优势来自动取得病种模式推理规则,建立了用于大豆叶部病害自动诊断的两级级联神经网络模型,仿真实验准确率为97.67%;同时应用量子遗传计算优化级联神经网络参数,平均迭代次数为743,平均网络误差为0.000 995 445,提高了学习效率,实现了大豆叶部病害的高效自动诊断和精确测报,为大田农作物全面系统地开展作物病害监测、智能施药及自动防治提供了理论依据。     

土壤类型对优先流路径和磷形态影响的定量评价

以中国贡嘎山由青灰色砂质冰水堆积物发育而成的疏松岩性土壤和德国厄尔士山渍水土壤优先流路径为研究对象,通过野外染色示踪试验和改进的Hedley磷形态提取法,使用优先流染色面积比和优先流程度评价指数定量评价不同类型土壤的优先流程度,通过相关关系分析进一步揭示不同土壤类型中优先流路径对磷形态分布的影响。结果表明:贡嘎山和厄尔士山优先流图片总染色面积比分别为31%和52%,厄尔士山渍水土优先流比贡嘎山疏松岩性土发育较好。贡嘎山疏松岩性土壤优先流发育程度与潜在生物可利用无机磷和有机磷贡献率显著正相关,而即时生物有效无机磷和磷灰石磷与厄尔士山渍水土壤优先流发育程度显著正相关。土壤类型影响优先流路径分布和土壤磷形态分布,从而影响土壤磷赋存状况和下游水质安全。