面向立木识别的有效K 均值聚类算法研究

针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。     

多系配套杂交群体遗传结构分析

利用8个微卫星标记对杜长大三元杂交群体5个种群，斯格配套系8个种群的遗传结构进行了分析。通过计算等位基因频率、基因杂合度、平均杂合度、多态信息含量、纯种间的遗传距离、F-统计量和迁移率进行分析。结果表明各群体的平均基因杂合度存在一定差异。纯种、祖代、父母代、商品代群体的平均座位杂合度和多态信息含量随着群体在杂交繁育体系中位置的由高到低而逐渐升高。Nei氏标准遗传距离显示，父本和母本间的遗传距离大，遗传距离大的父本和母本用于杂交，产生的杂种优势最大，这与实际的杂交组合一致。Fst衡量等位基因频率群体间方差，杜长大群体大约总变异的1．02％～15．60％来自种群间，而剩余的84．40％～98．98％来自种群内，斯格群体大约总变异的3．02％～15．22％来自种群间，而剩余的84．78％～96．98％来自种群内，斯格和杜长大纯种的遗传分化处于较小到中等之间。     

基于季冻区SMA改性沥青路面早期破损的研究

通过对寒冷地区（如哈同、哈双、哈绥和哈尔滨环城）高速公路SMA改性沥青路面表面状况调查,发现省内该调查路段的SMA路面破损状况的PCI指数超标路段较多,而且裂缝和坑槽也不同程度出现,裂缝开裂间距大小不一,挖方到填方路段间距由小到大,绝大多数路段的车辙和平整度等技术指标衰减较快。通过室外车辙、平整度检测与室内马歇尔试验及抽提试验研究,结果表明：车辙、平整度和坑槽是改性沥青路面早期破坏的主要形式,据此分析研究得出SMA路面早期破损的治理对策。     

牛卵泡抑素基因克隆及真核表达载体构建

[目的]克隆牛的卵泡抑素基因（Follistatin,FSTN）基因,构建真核表达载体。[方法]用Trizol法从牛的卵巢中提取总RNA,反转录成cDNA,用带有酶切位点牛FSTN的特异性引物扩增其完整编码区序列,连接到T载体、测序,序列无误后亚克隆入真核表达载体pIRES2-AcGFP1中,酶切及PCR鉴定载体。[结...     

猪病频发的原因分析与解决方案

当今中国养猪业正在走向规模化,然而猪病频繁发生使得规模化进程走得很艰辛。探究猪病频繁发生的原因并提出解决方案是当前遏制猪病肆虐,保障养猪业健康发展亟待解决的难题。本文对当前猪病频繁发生的原因进行分析,同时提出了一些解决方案,望能对养猪朋友有所帮助。     

基于2D激光探测的立木胸径几何算法优化

目前林业测绘中使用2D激光扫描仪对树干立木胸径及位置的测定研究占据重要地位。针对3种较为常用的几何类算法(弧长法、切线法和双余弦法),提出在近距离下利用补偿角对其测量值进行补偿的方案,研究了弧长法与切线法补偿角随距离的变化关系,并进行回归分析,所得拟合方程的R~2均大于0.85。运用拟合方程在0~5.5 m范围内对实际树干进行验证,试验选取了5株杨树树干,通过算法补偿,半径与距离测量值的准确性均得到提高,其中弧长补偿算法和切线补偿算法对半径的测量精度分别比未补偿前提高了10.6和10.7个百分点,补偿后的绝对误差均值分别为4.8 mm和3.8 mm;补偿后距离测量值绝对误差均值可分别控制在66.0 mm和15.9 mm以内。试验证明2种补偿后的几何算法均可作为近距离下的林业测绘算法,其中切线补偿算法更优。     

生物信息学及其在育种工作中的应用

生物信息学是一门交叉学科，它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量数据所包含的生物学意义。主要研究对象是序列。即一维的分子排列顺序的分析，研究的重点内容为基因组学（genomics）和蛋白质组学（proteomics）。目前生物信息数据库服务已实现高度的计算机化和网络化。生物信息学与传统育种方法相结合来提高选育效率。将是育种的发展趋势。     

生物信息学及其在育种工作中的应用

生物信息学是一门交叉学科,它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面,它综合运用数学、计算机科学和生物学的各种工具,来阐明和理解大量数据所包含的生物学意义。主要研究对象是序列,即一维的分子排列顺序的分析,研究的重点内容为基因组学(genomics)和蛋白质组学(proteomics)。目前生物信息数据库服务已实现高度的计算机化和网络化。生物信息学与传统育种方法相结合来提高选育效率,将是育种的发展趋势。     

联合收割机喂入量与收获过程损失模型

为了研究联合收割机喂入量与收获过程损失率之间的关系,该文对联合收割机喂入量和收获损失的影响因素进行了详细分析,采用3种模型试验研究了喂入量与收获过程损失的关系,基于新疆-2A型联合收割机的试验样本建立了基于幂函数、指数函数和二次函数的关系模型,其中二次函数模型具有较高准确性,其决定系数R2=0.826,并利用喂入量控制试验装置进行验证。试验表明,当喂入量在0.3～4.1?kg/s的范围内时,收获过程损失率实测值与二次函数模型计算值的绝对偏差范围为0.04%～0.91%,吻合较好,说明所建立的二次函数模型具有良好的准确性。该模型可作为预测试验用样机收获过程损失的有效工具。     

基于激光点云的三维虚拟果园构建方法

针对果园管理数字化程度低、构建方法较为单一等问题,本研究提出了一种基于激光点云的三维虚拟果园构建方法。首先采用手持式三维点云采集设备（3D-BOX）结合即时定位与地图构建-激光测距与测绘（Simultaneous Localization and Mapping-Lidar Odometry and Mapping,SLAM-LOAM）算法获取果园点云数据集;然后通过统计滤波算法完成点云数据离群点与噪声点的去除,并结合布料模拟算法（Cloth Simulation Filtering,CSF）与DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法,实现地面去除与果树聚类分割,进而使用VoxelGrid滤波器降采样;最后利用Unity3D引擎,构建虚拟果园漫游场景,将作业机械的实时GPS（Global Positioning System）数据从WGS-84坐标系转换为高斯投影平面坐标系,并通过LineRenderer显示实时轨迹,实现作业机械运动轨迹控制与作业轨迹的可视化展示。为验证虚拟果园构建方法的有效性,在海棠果园与芒果园开展果园构建方法测试。结果表明,所提出的点云数据处理方法对海棠果树与芒果树聚类分割的准确率分别达到了95.3%与98.2%;通过与实际芒果园的果树行距、株距对比,虚拟芒果园的平均行间误差约为3.5%,平均株间误差约为6.6%。并且将Unity3D构建出的虚拟果园与实际果园相比,该方法能够有效复现果园三维实际情况,得到了较好的可视化效果,为果园的数字化建模与管理提供了一种技术方案。