基于蜂群优化多核支持向量机的淡水鱼种类识别

为了准确地进行淡水鱼种类自动识别,利用计算机视觉技术,提出了一种基于Krawtchouk矩、灰度共生矩阵、蜂群优化多核最小二乘支持向量机（least squares support vector machine,LS-SVM）的识别方法。首先获取淡水鱼样本的灰度图像,计算淡水鱼鱼体的长宽比、鱼头鱼尾的Krawtchouk矩不变量形状特征,求得鱼身的灰度共生矩阵纹理特征,将上述形状与纹理特征组合成高维特征向量,并输入到多核LS-SVM,通过人工蜂群（artificial bee colony,ABC）算法对多核LS-SVM中的待定参数进行寻优,ABC算法中的适应度函数为测试样本的识别精度;最后输出识别精度达到最高时的最优参数。利用该方法对鳊鱼、鳙鱼、鲫鱼、草鱼、青鱼5种淡水鱼进行了分类识别,对鳊鱼、鳙鱼、鲫鱼、草鱼4种鱼识别时,各类鱼的识别精度均达到95.83%以上,对鳊鱼、鳙鱼、鲫鱼、青鱼4种鱼识别时,各类鱼的识别精度均达到91.67%以上,对鳊鱼、鳙鱼、鲫鱼、草鱼和青鱼 5种鱼识别时,各类鱼的识别精度均达到83.33%以上;与近年来提出的淡水鱼识别方法、BP（back propagation）神经网络方法、单核LS-SVM方法相比,该方法的识别精度更高,从而可快速准确地识别淡水鱼的种类,提高水产养殖的自动化水平。     

不同培养时间对猪卵母细胞体外成熟效果的影响

试验回收中等卵泡(2～6mm)中的A、B级卵母细胞,然后把卵母细胞分为12组移入培养液TCM-199进行体外成熟培养。A组在不同培养时间(30,36,42,45,48,51h)和B组在不同培养时间(32,38,44,47,50,53h)用H33342染色,倒置显微镜下观察卵母细胞核成熟情况;再经电激活处理,观察卵裂率。结果表明:45h和48h的A级卵母细胞成熟培养后的成熟率差异不显著(P>0.05);47h和50h的B级卵母细胞成熟培养后的成熟率差异不显著(P>0.05);48h的A级卵母细胞和50h的B级卵母细胞卵裂率差异不显著(P>0.05)。