数据密集型计算环境下的离群点挖掘算法

在数据密集型计算环境中,数据的海量、高维、分布存储等特点,为数据挖掘算法的设计与实现带来了新的挑战。基于MapReduce模型提出网格技术与基于密度的方法相结合的离群点挖掘算法,该算法分为两步：Map阶段采用网格技术删除大量不可能成为离群点的正常数据,将代表点信息发送给主节点;Reduce阶段采用基于密度的聚类方法,通过改进其核心对象选取,可以挖掘任意形状的离群点。实验结果表明,在数据密集型计算环境中,该方法能有效的对离群点进行挖掘。     

基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾,对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段,如可见光波段或红外波段的视频信息进行分析,然而在实际应用过程中,由于森林环境复杂,基于单一波段视频信息检测火灾的结果欠佳。现阶段,基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征,提出了一种基于分数阶微分视频融合的森林烟火检测算法,将分数阶微分理论引入红外视频和可见光视频融合中,利用分数阶微分算子对两个波段视频进行融合,然后利用背景去除法检测融合视频中的异常帧,且对异常帧图像及其与背景帧的差分图像分别进行图像分割,最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明,本文算法的融合视频的融合效果最佳,并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法,说明本文提出的算法具有较好的有效性和准确性,为森林火灾检测提供了有利的新途径。      

建兰花叶病毒的分离,鉴定及检测研究

从石斛兰病株中获得一个病毒分离物，利用曼陀罗进行分离纯化和繁殖，并通过梯度离心获得提纯病毒，经生物学、血清学鉴定及电镜观察，鉴定该分离物属于建兰叶病毒。分别用纯化病毒及ＳＤＳ－ＰＡＧＥ回收病毒外壳蛋白免疫家兔。获得２种特异性抗血清，并用ＳＰＡ－ＥＬＩＳＡ方法对兰花样品进行了检测研究。     

云南铁壳麦抗条锈病基因的SSR分子初步检测

为探讨云南小麦亚种(Triticum aestivumssp yunnanense King,俗称铁壳麦)不同品种可能携带的已知和未知的抗条锈病基因,用38对与51个已知小麦抗条锈病基因连锁的SSR引物,对37份云南铁壳麦进行了SSR分子检测。结果显示,云南铁壳麦携带有丰富的与已知抗条锈病基因Yr9、Yr10、Yr29、Yr41、YrTp1、YrSM139、YrSP、YrGn6、Yrvav-B1、YrSyria、YrXu、YrM8003和YrCD等连锁的SSR位点,其中24份具有与中国春相同或类似、且与Yr18连锁的Xgwm295标记。用8对引物Xgwm582、Xwmc477、Xwmc364、Xg-wm429、Xwmc702、Xwmc438、Xwmc810和Xgdm116检测到部分云南铁壳麦携带来自黑麦的Yr9和YrM8003、长穗偃麦草的YrTp1和YrTp2、华山新麦草的YrHy和中间偃麦草的Yr88375和YrZhong22抗条锈病基因的片段,并可能含有抗条锈病新基因,应重视其发掘与定位研究;许多云南铁壳麦含有高度慢条锈病的Yr18基因,应在云南小麦新品种选育中高度重视和加以利用。     

基于多结构鲁棒估计的虹膜外边缘定位方法

在Adaboost检测人脸区域的基础上,提出了基于多结构鲁棒估计的虹膜外边缘定位方法．通过对200幅单人脸的图像数据集的仿真实验,结果表明,本方法相比于传统的RANSAC模型生成算法以及Hough变换等方法,能得到更精确的定位结果,而且能加快有效的模型生成,虹膜外边缘定位精度达到94％．     

基于TaqMan qPCR检测凡纳滨对虾样品中虾肝肠胞虫并样检测方法的评价

对山东海阳和潍坊的2个养殖凡纳滨对虾群体取样,采用TaqMan qPCR逐尾检测肝胰腺中的虾肝肠胞虫(Enterocytozoon hepatopenaei, EHP)载量,再将提取的DNA样品按5并1(5∶1)、25并1(25∶1)、50并1(50∶1)、100并1(100∶1)和150并1(150∶1)进行并样,检测并样的EHP载量。设定不同临界循环数为假定灵敏度,定性判断各单尾检测阳性及并样组阳性,比较不同并样模式与检测阳性率、诊断灵敏度、诊断特异性等之间的关系以及定量的准确性。结果表明,检测灵敏度过低,会降低高并样率检测的准确性;阳性率在30%以上时,高并样率的检测结果与单样品检测相符性很好;高载量感染的阳性率不低于6.7%时,50∶1以内的并样能准确得出检测结果;低载量感染的阳性率不低于16%时,25∶1以内的并样能得出较好结果;高载量感染的1.3%阳性率和低载量感染的8%阳性率可能导致所有并样出现假阴性结果;各种并样模式均有很好的诊断特异性,50∶1并样的诊断灵敏度与OIE标准推荐的5∶1并样的接近;各并样检测的EHP载量与单样品检测平均值之比在0.27~2.83范围,二者存在极显著相关性,各种并样模式的定量检测结果在数量级水平能大致反映样品的平均EHP载量。本研究为水生动物疫病诊断和流行病学调查的样品检测提供了参考依据。     

采用改进YoloV4模型检测复杂环境下马铃薯

为解决马铃薯联合收获机在作业过程中分级清选的问题,并在收获作业过程中实时监测评估收获状态,该研究提出一种在光照亮度变化大、土壤与薯块遮挡、机器振动以及尘土干扰等情况下对马玲薯进行识别检测并快速准确获取马铃薯数量以及损伤情况的机器学习模型。在卷积神经残差网络中引入轻量级注意力机制,改进YoloV4检测网络,并将YoloV4结构中的CSP-Darknet53网络替换为MobilenetV3网络,完成特征提取。试验结果表明,基于卷积神经网络的深度学习方法相比于传统Open-CV识别提高了马铃薯识别精度,相比于其他传统机器学习模型,MobilenetV3-YoloV4识别速度更快,马铃薯识别的全类平均准确率达到91.4%,在嵌入式设备上的传输速度为23.01帧/s,模型鲁棒性强,能够在各种环境下完成对正常马铃薯和机械损伤马铃薯的目标检测,可为马铃薯联合收获机智能清选以及智能收获提供技术支撑。     

基于中值点Hough变换玉米行检测的导航线提取方法

为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,该研究提出了一种基于中值点Hough变换作物行检测的导航线提取算法。首先,改进了传统的2G-R-B算法,再结合中值滤波、最大类间方差法和形态学操作实现土壤背景与玉米苗带的分割。其次,通过均值法提取玉米苗带特征点,然后采用中值点Hough变换拟合垄间两侧玉米苗列线,最后将检测出的双侧玉米苗列线为导航基准线,利用夹角正切公式提取导航线。试验结果表明：改进的灰度化算法能够正确分割玉米苗带与土壤,处理一幅640×480像素彩色图像平均耗时小于160 ms,基于中值点Hough变换检测玉米苗列再提取导航线的最大误差为0.53°,相比于传统Hough变换时间上平均快62.9 ms,比最小二乘法平均精确度提高了7.12°,在农田早期玉米苗带多环境变量影响因素下导航线提取准确率均达92%以上,具有较强的可靠性和准确性。     

基于机器视觉的玉米果穗参数的图像测量方法

在玉米育种和品质研究中,经常需要对玉米的果穗长度、果穗宽度、穗行数、穗粒数等参数进行测量。该研究提出了一种基于机器视觉的玉米果穗参数图像测量方法。使用PC摄像头连续采集旋转台上的玉米果穗图像,经过图像处理,获得玉米穗的图像区域,进而得到玉米果穗的穗长和穗宽参数;通过对玉米果穗局部区域的x方向和y方向累计像素值曲线进行分析,提取出玉米穗行,获得每一穗行的穗粒数和穗行宽度;通过图像匹配,获得玉米果穗的穗行数。试验表明,使用该研究方法对玉米果穗的长度、宽度和穗行数的参数测量准确率可达98%以上,对穗行宽及总穗粒数测量准确率达95%以上,整穗的平均检测时间约102 s/穗。该研究实现了玉米果穗参数快速有效的自动检测,相对于目前采用的人工检测,大大提供检测效率,降低劳动强度,可应用于玉米千粒质量检测、产量预测、育种和品质分析等场合。     

基于电阻抗成像的植物单根断层图像重建

为了实现植物根系结构形态的原位检测,植物根系单根的断层图像重建研究非常必要。该文应用动态电阻抗成像技术对土壤-树根模拟系统进行了图像重建,对重建图像进行二值化处理并求出树根在该系统中的位置坐标、面积和形状,并以树根的位置坐标、面积及形状的相对偏差为指标,分析了图像重建算法、土壤含水率2个因素对成像质量的影响。结果表明：电阻抗成像技术能够实现树木单根断层图像重建;将重建图像进行二值化处理,所得图像更加直观,便于定量评价成像质量;基于Newton单步残差正则化的一步牛顿误差重构（Newton's one-step error reconsruction,NOSER）算法,比基于全变差正则化的主双-内点模式（primal dual-interior point method,PD-IPM）算法的成像质量好;土壤含水率越高成像质量越好。该研究为基于电阻抗成像技术的植物根系结构形态的图像重建提供参考。