基于SOFM神经网络的核心种质取样算法

介绍了核心种质和自组织特征映射网络的基本概念，使用自组织特征映射网络的自组织特性对种质性状数据进行了聚类，利用聚类的分组结果，提取核心种质，通过对核心种质的各种参数的检验并与完全随机取样和一般的系统聚类的对比。结果表明，SOFM的取样算法，是一种比较有效快捷的算法，可以在实际中加以应用。     

湖南省节水灌溉分区与规划

将模糊聚类方法用于湖南省节水灌溉分区，建立了湖南省节水灌溉区划模型，将系统动力学的动态仿真原理用于节水灌溉发展规划，建立了节水灌溉发展规划的动态仿真模型。据此，提出了湖南省节水灌溉区划，并对各分区及全省“九五”期间节水浇灌发展作了详细规划。     

变速箱齿轮故障的模糊聚类诊断法

在对变速箱齿轮振动信号提取特征参数向量的基础上建立运行状态样本 ,通过模糊聚类的方法对特征参数向量进行分析 ,进而将待诊断信号的特征参数向量根据运行状态样本分类而达到诊断的目的。该方法能有效识别正常运行状态与故障状态     

基于K均值聚类的厚壁组织区域自动提取

桉树是我国南方的速生丰产林,区域提取是定量分析各种组织抑制桉树茎生根原因的重要前提。为此,介绍了基于K均值聚类的在桉树茎切片图像中自适应提取厚壁组织区域的图像处理技术。将桉树茎切片彩色图像转换为CIEL*a*b*彩色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析,提取细胞厚壁,然后填充其中白色的细胞腔,构成完整的厚壁组织区域。实验结果表明,在CIEL*a*b*空间使用该算法可以获得较准确的实验结果。     

基于三维点云的蔬菜大棚杂草识别方法

为实现蔬菜大棚内自动化除草的目的,针对其中的杂草识别环节,提出了一种基于三维点云的新型蔬菜大棚杂草识别方法。采用RGB-D相机获取青菜田、生菜田的三维点云图像,采用超绿色算法去除其中的土壤等背景,采用体素滤波法在保留点云图像形状特征的同时降低点云数量,然后采用欧式聚类法分割出单株青菜和单棵杂草的点云簇,分别计算得到每个点云簇的最高点的Z坐标值,最后结合深度信息Z坐标值实现蔬菜大棚杂草识别。结果表明:这种基于三维点云的杂草识别方法能够有效的识别出杂草,识别率为86.48%。该方法能够对蔬菜大棚中的杂草进行准确识别,为蔬菜大棚自动化除草提供有效的解决方案。     

乌苏里拟鲿(Pseudobagrus ussuriensis)同工酶分析

采用聚丙烯酰胺凝胶电泳方法,对黑龙江水系乌苏里拟鲿(Pseudobagrus ussuriensis)心、肝、肾、眼、肌肉和性腺共6种组织进行了9种同工酶(ADH、EST、G6PDH、GDH、IDH、LDH、MDH、POD、SOD)的分析。结果表明,乌苏里拟鲿EST、GDH、IDH、POD同工酶谱中存在不同程度的组织特异性,EST表现出明显的性别差异性。共记录19个基因位点,多态位点百分数P=21.05%,种群遗传偏离指数d=-1,该乌苏里拟鲿种群内部杂合子缺失较严重,偏离Hardy-Weinberg平衡,遗传多样性较低。     

小麦HMW-GS与戊聚糖含量及其组分的相关分析和聚类分析

分析了21个不同小麦品种的HMW_GS组成,并测定了各品种戊聚糖及其组分的含量。根据亚基评分对不同小麦品种HMW_GS等位基因位点变异和亚基组合类型与戊聚糖、各组分和组分比值进行了相关分析,又根据评分和总戊聚糖含量对这21个品种进行了聚类。结果表明,供试材料的HMW_GS组合类型有11余种;不同品种间,阿拉伯糖变异大,木糖变异小,戊聚糖含量和各组分均有较大差异;大部分指标与Glu_1位点有显著的负相关,其中Glu_D1位点大于另外2个位点;N,7,17 18和2 12亚基对戊聚糖及各组分含量影响较大,烘烤品质较好的亚基1和5 10对戊聚糖及各组分含量的贡献则较小;含有亚基组合(N,7,2 12)的大部分戊聚糖指标含量均较高;聚类分析中把这些品种分为4类,第1类可以作为饲料生产,第3类可以作为食品工业生产。     

生物刺激素协同对草莓炭疽病防治及其生长发育的影响

草莓炭疽病是草莓定植时期最易造成死苗的真菌病害。本文研究了生物刺激素（木霉菌、海藻酸、聚谷氨酸）协同灌根对草莓炭疽病的防治以及促生作用。结果表明,与对照相比,木霉菌、海藻酸、聚谷氨酸单剂灌根和木霉菌+海藻酸、木霉菌+聚谷氨酸的协同灌根处理均能显著降低炭疽病造成的死苗率,其中木霉菌+海藻酸的防效最高,可达78.26%。相比对照,所有处理均能显著提高净光合速率、1,5-二磷酸核酮糖羧化酶活性和加氧酶活性等光合指标,以及土壤脲酶活性。协同灌根处理显著提高草莓株高、根茎粗、叶柄长、叶面积等生长指标达15.62%～47.00%。其中木霉菌+海藻酸处理的净光合速率、土壤脲酶活性最高。综合而言,木霉菌与海藻酸协同灌根在促进生长、促进光合、提高土壤供氮水平以及防控草莓炭疽病方面均表现出显著的增效作用,可作为生物防治的一种有效手段。     

大白菜DH0与DH1代群体的遗传稳定性分析

以游离小孢子培养获得的HY大白菜DH0代及其自交后代DH1群体与HY(F1),共33份材料为试验材料,调查了其株高、球茎和外叶数3个农艺性状,发现不同的株系性状分离较大。同时采用RAPD技术分析了2代之间的遗传稳定性。从106条RAPD随机引物中筛选出33条重复性好并且具有多态性的引物,进行扩增。从33份材料中扩增了206条带,其中多态带为136条(66.1%)。通过系统聚类分析,DH0代及其子代DH1代遗传关系近,绝大部分能优先聚在一起。说明纯合的小孢子植株单株性状在遗传中很少发生变异,具有很好的遗传稳定性。     

基于改进YOLOv5的蝴蝶兰花朵识别与计数

为精确预测蝴蝶兰产量和对蝴蝶兰的生产进行科学管理,对大苗时期的蝴蝶兰植株花朵和花苞进行识别与检测,统计其花量。由于蝴蝶兰花苞目标体积较小,提出一种基于改进YOLOv5的蝴蝶兰花朵与花苞识别方法。首先,修改颈部网络的结构,在特征金字塔FPN(Feature Pyramid Network)和路径聚合网络PANet(Path Aggregation Network)中引入有利于小目标检测的160×160尺度特征层,以提升对小目标的检测效果;其次,使用K-means++聚类算法针对训练集生成更合适的先验框,并采用载入预训练权重和冻结主干网络的训练方式,以使模型更加容易学习,提高网络模型收敛速度和泛化能力;最后,在颈部网络加入轻量级注意力机制,加强对目标的关注,减少背景干扰,以提升模型的特征提取能力。试验结果显示,该算法对花苞的检测精确率达到89.54%,比改进前提升9.83%;对花苞和花朵的平均精确率达到91.81%,比改进前提升5.56%。该算法有优异的检测精度并有效提高对小目标的检测能力。