基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

饲料中无机元素分析方法研究进展

饲料中所含的无机元素对动物生长具有重要意义。在饲料中过量添加无机元素会导致环境污染问题,也会通过食物链最终危害消费者的身体健康,因此,对饲料产品中的无机元素进行检测和动态监控尤为重要。综述了近年来饲料中无机元素含量检测主要应用的前处理方法及其含量检测技术,分析了不同前处理方法和含量检测技术的优点和不足,以期为饲料中无机元素分析方法的科学、合理应用提供参考。     

猪δ冠状病毒检测方法研究进展

猪δ冠状病毒(porcine deltacoronavirus,PDCo V)是近年来新发现的可引起猪只严重腹泻、呕吐、脱水和新生仔猪死亡的一种猪肠道疾病病原体。PDCo V于2012年首次在香港的猪群中发现,2014年在美国报道,随后陆续在加拿大、韩国、中国大陆和泰国检出。鉴于PDCo V是一种新的疫病,建立快速有效的检测方法是十分必要的,是对该病准确诊断和防控的关键。本文对PDCo V病原学和血清学检测方法的研究进展进行了综述。     

氨氮降解菌的分离、筛选及鉴定

家禽的规模化、集约化养殖产生了大量排泄物,这成为鸡舍内氨气的主要来源。氨气挥发前在粪便中的主要存在形式是NH4+-N,试验以硫酸铵为唯一氮源,从鸡粪便中筛选对氨氮具有高效降解性能的菌株,对其进行相关氨氮降解特性和体外抑制氨气试验。结果发现,C-2菌株能够高效降解氨氮,72 h时,C-2氨氮降解率为45.3%,且能够高效抑制鸡粪便氨气的释放。通过对其菌落形态、菌体特征、16S rDNA序列分析及生理生化试验结果,鉴定C-2菌株为枯草芽孢杆菌。本研究为以后在家禽粪便减排中的应用提供参考。     

德宏州番茄病毒病发生情况调查及其毒源种类

对德宏州番茄主产区病毒病发生情况进行调查,番茄病毒病在德宏州主要番茄主产区均有发生,发病症状主要以黄化曲叶、皱缩、矮化、花叶、蕨叶、脉突、叶片发紫为主,单独或混合发生,一般发病率在5%～30%,严重的达80%以上,个别田块达100%。对采自德宏州4个县市的85份番茄样品进行了DAS-ELISA、dot-ELISA检测以及PCR检测。检测结果表明,在检测的85份样品中,有58份番茄样品感染了所检测病毒,病毒检出率为68.24%,病毒种类有12种,其中以双生病毒科的泰国番茄黄化曲叶病毒(TomatoSyellowSleafScurlSThailandSvirus)为主,占27.06%,其次是番茄斑萎病毒属(Tospovirus)的番茄环纹斑点病毒(Tomato zonate spotted virus,TZSV)占22.41%,烟草曲茎病毒(TobaccoScurlySshootSvirus,TbCSV)占7.06%,中国番茄黄化曲叶病毒(Tomato yellow leaf curl virus,TYLCV)占5.17%,越南番茄黄化曲叶病毒(TomatoSyellowSleafScurlSSVietnam virus)占3.45%。     

现代处理技术的中药材检测与鉴定的应用

现代信息技术的发明和创新为中药材的检测和鉴定提供可能。基于显微镜技术的中药材检测和鉴定是当前最常使用的一种信息技术方法,重点分析和介绍现代信息技术在中药材检测和鉴定中的具体应用。     

粤北地区食用菌产业及其循环经济发展概述

从食用菌种类及其分布、产值、食用菌企业、食用菌产业循环经济发展情况等方面介绍了粤北地区食用菌产业发展现状,总结食用菌产业发展中存在的问题,如菌种问题突出,品牌意识缺乏;食用菌产业标准化落后;产品质量参差不齐,食品质量安全无保障;资源浪费严重;精深加工不足等,并提出相应的对策。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。