基于鱼体特征点检测的淡水鱼种类识别

针对传统机器视觉技术对淡水鱼种类进行检测时特征提取过程复杂的问题,该研究提出了基于特征点检测的淡水鱼种类识别方法。以鳊、鳙、草鱼、鲢、鲤5种大宗淡水鱼为对象,构建了淡水鱼特征点检测数据集;以AlexNet模型为基础,通过减小卷积核尺寸、去除局部响应归一化、引入批量归一化、更换损失函数,构建了改进AlexNet模型用于特征点检测;并以特征点为依据提取特征值、构造特征向量,使用Fisher判别分析方法实现了淡水鱼的种类识别。试验结果表明：改进AlexNet模型在测试集上的归一化平均误差的均值为0.0099,阈值δ为0.02和0.03时的失败率F_0.02、F_0.03分别为2.50%和0.83%,具有较好的精准度和误差分布情况;基于该模型和Fisher判别分析的淡水鱼种类识别方法对5种淡水鱼的识别准确率为98.0%,单幅图像的平均识别时间为0.368 s,保证了时效性。由此可知,提出的改进AlexNet模型能实现淡水鱼的特征点检测并具有较高的精度,可为淡水鱼种类识别、尺寸检测、鱼体分割等提供条件,该方法可为淡水鱼自动化分类装置的研发奠定基础。     

基于多元统计分析的马尾松人工林健康评价研究——以广西热带林业实验中心为例

为构建一套科学实用的马尾松人工林健康评价体系,为马尾松健康经营提供理论依据。以广西热带林业实验中心的84块马尾松人工林样地为例,选取13个评价指标进行因子分析,计算森林健康指数(FHI)并对FHI值进行Ward聚类,以划分健康等级。此外,研究分析评价了马尾松样地的健康状况,并用判别分析建立Fisher判别函数对健康评价结果进行检验。结果表明:在调查的马尾松人工林中,健康林占32.1%,亚健康林占35.8%,不健康林占32.1%,且不同龄组马尾松人工林健康水平排序为:近熟林>中龄林>成熟林>幼龄林。判别分析与聚类结果具有较好的一致性,其中自身验证法正判率为97.8%,交互验证法正判率为94.3%。因此,构建的指标体系能够科学客观地反映广西热带林业实验中心马尾松人工林的健康状况。     

基于费舍判别法的族群分类问题研究

判别分析是根据观测到的某些指标对所研究的对象进行分类的一种多元统计分析方法。在生物学中,对物种进行分类是极具研究价值的。本文根据题中已知两种蠓虫的触角和翼长的不同特征,进行简单的分析,利用F分布判断题中所给数据满足判别分析的要求。在此基础上,针对蠓虫进行分类的目的,使用费舍判别法给出对检验样本进行分类的依据,并通过三个样本分别给出了结果。     

基于判别分析法的金华火腿挥发性风味物质的形成过程分析

为了弄清金华火腿风味物质的形成过程,以60只杂交猪后腿为原料,按照传统工艺加工金华火腿,用气质联用仪(GC-MS)分析了6个工艺点的肌肉中挥发性风味物质的出峰面积,并用判别分析法分别研究了用挥发性风味物质的出峰面积和出峰面积占总出峰面积的百分率建立的判别函数判断金华火腿加工程度的可能性.研究结果表明,用金华火腿挥发性风味化合物的峰面积进行逐步判别分析,有20种挥发性化合物进入判别函数,而用峰面积占总出峰面积的百分率进行逐步判别分析,有17种挥发性化合物进入判别函数,建立的两套判别函数都能准确判别火腿的加工程度.结果提示:金华火腿风味化合物是在加工过程中逐步形成的,在不同加工阶段,火腿特征风味化合物的含量及其比例各具特征,可以用以辨别火腿的加工时间.     

应用遥感数据进行森林模式识别方法试验初探

本文叙述应用Bayes判别进行遥感数据的森林模式识别原理和方法,并进行了小型试验,同时对三种不同处理数据方法的结果进行了比较。试验表明,应用电子计算机对遥感数据进行森林模式识别分类是可行的,方法灵活多样,而且精度可以保证。     

根据机动细胞硅酸体形态性状判别籼粳的研究

 以中国和亚洲其他国家的水稻地方品种和改良品种为材料,研究了机动细胞硅酸体的形态性状在籼、粳亚种间的差异。通过主成分分析和判别分析,探讨并建立了以硅酸体形态性状为指标的籼粳判别式,其判别效率可达90%左右,明显优于粒型判别法,与佐滕等提出的基于酚反应、氯酸钾抗性和稃毛长的判别结果基本一致。由于植物蛋白石具有残留量多和抗风化等优点,作者认为在籼、粳稻起源和分化的研究中,根据植物蛋白石的形态进行籼粳判别的方法比基于炭化米的粒型判别法更加有效。     

藏灵菇益生菌奶片的制作及其品质分析

为了以藏灵菇为发酵剂研制出新型片剂乳制食品,该文通过口味正交试验确定了藏灵菇益生菌奶片的最佳制作工艺配方,其配方的质量分数分别为10%脱脂藏灵菇奶冻干粉+40%全脂奶粉+14%白砂糖粉+2.5%硬脂酸镁+2.5%羧甲基纤维素钠（CMC-Na）+31%脱脂奶粉。通过电子鼻检测不同配比的脱脂藏灵菇益生菌奶片,绘制线性判别分析（LDA）图,客观地描述了脱脂(包括不同评分)和全脂藏灵菇益生菌奶片在LDA图上的分布区域。藏灵菇益生菌奶片的初始乳酸菌总数对数值为9.26,经过120 d的4℃保存,乳酸菌总数对数值为7.41,满足市售要求。将藏灵菇和脱脂藏灵菇奶片的扫描电镜图进行比较展示了其结构以及内部菌种的分布。综合成本和品质分析,认为藏灵菇益生菌奶片的生产可行性强。     

绒螯蟹三个种群形态判别比较

对长江水系中华绒螯蟹、莱茵河野生中华绒螯蟹和日本绒螯蟹三个种群的形态特征进行了判别研究。可数性状分析的结果表明,长江水系中华绒螯蟹、莱茵河野生中华绒螯蟹和日本绒螯蟹三个种群,两两之间差异极显著。聚类分析的结果,把长江水系中华绒螯蟹和莱茵河野生中华绒螯蟹划为一组,日本绒螯蟹为另一组。判别分析建立起三者的判别函数,雌雄蟹判别的正确率分别为83．1％、91．9％。     

低场核磁共振结合化学模式识别方法判别休闲豆干品牌

为了探求一种能快速准确地判别豆干品牌的方法,本研究采用低场核磁共振仪,对休闲豆干样品进行测量获取横向弛豫数据,结合主成分分析法(principal component analysis,PCA)、偏最小二乘判别分析(partial least squares-discriiminate analysis,PLS-DA)和贝叶斯正则化误差反向传播人工神经网络(bayesian regularization back-propagation artificial neural network,BR-BP-ANN)等化学模式识别方法对试验数据进行模式识别分析。选用4个常见的休闲豆干品牌,每个品牌分别收集5个批次的样品。每个批次随机选择16小包作为测试样品,共获得320个样品。使用低场核磁共振仪对这些样品进行测量,然后采用模式识别方法进行品牌判别。试验结果表明:对预测集豆干样品采用PCA进行判别分析时,从三维投影图中难以对各品牌进行人眼识别;运用PLS-DA方法对训练集样品的品牌识别率为86.3%,预测集样品的识别率为81.3%;然而使用BR-BP-ANN方法对预测集样品进行判别预测,预测值与实际期望值高度吻合,判别正确率均为100%,能够很好的实现对豆干品牌的判别。因此,采用BR-BP-ANN方法能够快速而准确地对豆干品牌进行识别,可为休闲豆干的品牌判别提供较好的技术支持。     

基于多种变量分析方法鉴别食醋种类电子鼻信号特征筛选

为了提高6种食醋的电子鼻鉴别能力,该文提出了一种基于多变量分析的食醋电子鼻信号多特征表征策略。初选不同的特征表征电子鼻信号,构建电子鼻信号的初始特征矩阵。采取载荷分析进行电子鼻传感器阵列优化,优选了12个气敏传感器的响应数据进行后续分析。为消除各传感器响应信号之间的相关性,对优选阵列的特征矩阵进行主成分分析(principal component analysis,PCA),并利用WilksΛ统计量选择鉴别能力最优的主成分子阵。在选择最优主成分子阵的基础上,以生成主成分的每一个原始特征变量为对象,计算每一个原始特征变量在主成分子阵中的贡献系数绝对值之和,且根据系数绝对值之和从大到小排序;同时,根据不同和值的指定,形成了不同容量的原始特征变量集。最后,借助于Fisher判别分析(Fisher discriminant analysis,FDA)探索了不同容量原始特征变量集的鉴别结果,确定了最佳的原始特征变量集。结果表明,特征选择前后传感器信号的表征特征发生了明显变化,最终采用48个特征参量实现了对食醋电子鼻信号的有效表征。在48个特征参量表征条件下,同时运用FDA和BP神经网络(back propagation neural network,BPNN)对6种食醋进行了鉴别分析,训练集的鉴别正确率分别在93%和98%以上,测试集的鉴别正确率也分别达到了90%和93%以上。另外,利用巴氏距离进一步揭示了样品间的可分离程度及FDA与BPNN结果的可信性。研究结果可为电子鼻信号多特征表征提供了一种新思路。