用单层分化法进行胚胎干细胞神经分化的研究

用单层分化法研究了 ES细胞从 0～ 316 h(第 14天 )的神经分化过程。无饲养层培养的 ES细胞在无血清的N2 B2 7培养基中开始神经分化。从 72 h开始 ,神经外胚层的特异性转录因子 Sox1表达 ,在克隆的边缘逐渐出现向外迁移的细胞 ,形状呈圆形或椭圆形 ,有 1～ 2个细胞突起。在 191h(第 8天 )之后 ,细胞可迁移至克隆边缘的 2 0 0 μm之外 ,这些有细长突起的细胞表达神经元特异性蛋白 Tau。以后 ,迁移细胞的突起开始交叠成网状。 316 h(第 14天 )时 ,细长的纤维可跨越在不同的克隆之间 ,长达上千微米。此时 ,免疫染色的结果表明 ,在克隆的中央有较多的圆形 Nestin阳性细胞 ,而克隆的边缘有大量的 β- tubulin 阳性细胞 ,它们交织成复杂的网状图像。阶段性表达基因的表达时序研究表明 ,ES细胞的特异性转录因子 Oct4开始减弱时 ,Sox1表达开始 ,此时细胞由全能状态进入早期神经分化状态 ;Tau的表达是 Sox1表达的下游事件。这一时序与胚胎发育中神经发生的时序相符。单层分化法能直观地展示 ES细胞的神经分化过程 ,可作为研究细胞分化、胚胎发育及药物筛选的体外模型     

基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。     

理化复合参数和神经网络结合的冬小麦长势遥感监测

准确、及时地监测区域作物长势状况对农业规划和政策的制定与调整具有重要的意义。遥感技术作为一种收集大面积作物长势信息的有效手段,正日益受到关注。为提高冬小麦长势遥感监测的准确性和全面性,该研究基于田间实测的冬小麦拔节期地上鲜生物量（aboveground fresh biomass,AFB）、叶面积指数（leaf area index,LAI）、叶片叶绿素相对含量（soil and plant analyzer development,SPAD）和叶片氮含量（leaf nitrogen content,LNC）4种生长相关理化参数,利用熵值法获取各参数权重构建冬小麦理化复合参数（physico-chemical composite parameter,PCCP）。利用显著性检验和籽粒产量数据分析复合参数在量化冬小麦长势方面的性能。然后,以Sentinel-2A作为数据源,分析不同遥感指数与LAI、SPAD、AFB、LNC和PCCP的相关性。选取相关性较高的遥感指数作为反向传播（back propagation,BP）人工神经网络（artificial neural networks,ANN）的输入,建立冬小麦长势遥感监测模型,对PCCP进行估计。评价模型精度并用于监测研究区冬小麦长势分布特征。赋权结果表明,作物物理参数的权重大于生化参数,其中LAI的权重最大,为0.387,AFB和SPAD次之,LNC的权重最小,为0.105;PCCP性能评估结果表明,与单一理化参数相比,PCCP值能更好地揭示作物长势状况的差异,其与最终籽粒产量的相关性更好, 决定系数提高0.035～0.468,均方根误差减少46.2～520.0 kg/hm²;在遥感监测过程中,PCCP比单一理化参数有更好的应用潜力,BP-ANN长势遥感监测模型模拟PCCP精度较高,在测试集中决定系数为0.830,均方根误差为0.080;研究区冬小麦总体长势稳定且分布集中,呈现"中部差,南北好"的空间分布特征。因此,构建作物理化复合参数用于量化作物长势是提高长势监测可靠性和准确性的一种有效方式,可为冬小麦田间管理提供科学依据,服务于发展智慧农业和建设农业强国的战略需求。     

BP神经网络在储粮害虫分类中的应用研究

综合利用计算机视觉技术和BP神经网络技术,实现对粮仓害虫的无损检测.通过对粮仓害虫图像的CCD图像预处理,获取了几何特征和不变矩等15个特征参数,并通过优化选取其中七个参数输入神经网络进行训练.仿真结果表明训练网络对粮仓四类常见害虫的识别率达到了85%,得到了较好的识别结果.     

棕榈粕替代部分玉米对藏羊母羊小肠形态发育、消化酶活性及抗氧化功能的影响

试验旨在探究精料补充料中使用不同比例棕榈粕替代玉米对藏羊母羊肠道组织形态学、消化酶活性、pH、脂多糖以及抗氧化能力的影响。选取初始体重相近且健康的2～3月龄高原型藏羊母羊120只,随机分为4组,每组30只,每组6个重复,每个重复5只母羊,分别饲喂0%、15%、18%和21%水平的棕榈粕替代精料中玉米。试验期97d。结果显示：1)0%组与15%组间小肠各段的绒毛高度、绒毛宽度、隐窝深度、黏膜厚度以及绒毛高度/隐窝深度差异均不显著（P>0.05）;2)0%组空肠的α-淀粉酶、纤维素酶、脂肪酶及糜蛋白酶显著或极显著小于15%组（P<0.05或P<0.01）;3)0%组空肠的谷胱甘肽过氧化物酶、过氧化氢酶活性显著低于15%组与18%组（P<0.05）,相较于21%组差异不显著（P>0.05）;4)18%组与21%组空肠的脂多糖含量显著或极显著高于0%组（P<0.05或P<0.01）,与15%组相比差异不显著（P>0.05）。由此可见,棕榈粕可替代部分玉米饲喂藏羊母羊,推荐替代玉米的比例为15%。     

基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

FC-CNN:基于卷积神经网络的水果图像分类算法

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活...     

海湾泥碱渣和粉煤灰作为园林种植基质的氮素生理类群及生化作用研究

海湾泥、碱渣和粉煤灰是天津滨海地区大量存在的固体废弃物,通过前期室内配比筛选、盆栽试验、田间试验表明其混合基质可以用于园林绿化,并在防护林建设中获得成功.以滨海盐土、客土绿地为对照,对通过脱盐、培肥、种植毛白杨、刺槐、洋白蜡、金银木、紫花苜蓿等园林植物后基质的氨化细菌、好气性自身固氮菌、硝化细菌、反硝化细菌、纤维素分解菌等土壤氮素生理类群的数量进行了研究,同时对呼吸作用、氨化作用强度以及二者与土壤微生物数量、理化性质进行了相关性分析.结果表明,基质的氮素生理类群数量高于或与客土绿地相当,明显高于滨海盐土.呼吸作用高于客土绿地和滨海盐土,氨化作用强度与客土绿地相当,说明混合基质的氮素转化、有机物质的矿化能力以及基质整体的代谢水平好于客土绿地.土壤呼吸作用强度与土壤盐分呈极显著负相关,与细菌数量呈显著正相关.氨化作用强度与全氮、全磷、有机质含量、细菌和真菌数量呈极显著正相关,与放线菌呈显著正相关,与速效钾、盐分呈显著负相关.     

用基于遗传算法的BP神经网络识别牛肉肌肉与脂肪

利用遗传算法的全局搜索能力,改进标准BP算法随机选取初始权重的不足,并构建了3-12-1的三层遗传BP神经网络,进行了3次牛肉肌肉与脂肪像素的分类试验,研究用BP网络对牛肉肌肉与脂肪两类像素点进行识别的可行性。以像素点的RGB值作为BP网络输入向量,每次训练集样本数62,测试集样本数43。测试的最终结果为：训练集的样本识别率分别为100%、100%、98.3871%;对应测试集的样本识别率分别为97.6744%、97.6744%、100%。试验结果表明,尽管基于遗传算法的BP神经网络对训练样本集以及测试样本集的肌肉和脂肪的识别率均在97%以上,但由于牛肉图像像素值在颜色空间中比较分散,有利于聚类的规律性不明显,因而是否可用BP网络来完成肌肉与脂肪的识别,还需要在网络拓扑结构、训练样本集等方面进一步研究。     

基于简化脉冲耦合神经网络的蝗虫图像二值分割

采用参数简化的脉冲耦合神经网络（PCNN）分割图像,进行了蝗虫图像分割实验,区域正确识别率达94％,为蝗虫自动侦测系统中的数据处理提供了技术支持。计算机仿真表明,采用PCNN图像分割算法,图像中的目标（蝗虫）易于发现,分割效果明显好于采用开操作处理的图像。