基于BP神经网络模型的果实蝇自动分类系统

果实蝇属昆虫危害水果和蔬菜,造成产量下降,影响对外贸易,对其识别是检疫工作中的重要部分,现有的人工辨识方法受时间、知识等因素影响不能准确、有效辨识。提出了一种基于BP神经网络模型的果实蝇分类方法,采用几何形态测量学中的标记点法对果蝇翅进行特征提取,通过方差分析确定了用于果蝇鉴定的11个主特征,建立3层BP神经网络模型,结合Levenberg-Marquardt BP训练函数对数据集进行训练,得到完整的可用于果实蝇分类的BP神经网络。实验表明,该方法能够对实蝇进行有效的辨识,对桔小实蝇、瓜实蝇、具条实蝇和南亚果实蝇等高风险果实蝇辨识的准确率分别是90.0%、93.3%、90.0%和96.7%,总体准确率为92.5%,具有良好的应用前景。     

泰和县耕地土壤养分空间分布及影响因素

基于泰和县耕地中获取的4 029个土壤采样数据,运用半变异分析、自相关分析、回归分析等分析方法,对泰和县土壤各养分(有机质(OM)、碱解氮(AN)、速效钾(AK)、有效磷(AP))含量因子的空间分布规律及其影响因素进行分析。结果表明:泰和县耕地土壤中OM、AP、AK、AN含量分别为4.40~58.50g/kg和1.50~62.80,12.00~352.00,29.00~341.00mg/kg,均属中等变异。4类土壤养分因子最适宜模型均为指数模型,块金效应均小于25%,表明各养分因子主要受结构性因素影响。各养分因子均显现出显著的聚集特征,其中HH聚集类型多于桥头、灌溪、冠朝等乡镇分布;LL聚集类型多于马市、万合等乡镇分布。根据相关分析与回归分析结果可知,对土壤养分含量产生影响较大的因子主要为地形、成土母质等结构性因素;交通、水利等随机性影响因素对其影响较弱。