基于自适应特征融合的水稻氮素营养诊断

为了快速准确地对水稻进行氮素营养诊断,提出一种基于自适应特征融合的水稻氮素营养诊断方法。该方法通过对杂交稻两优培九进行田间试验,设置4组不同的氮肥梯度(施氮量分别为0、210、300、390 kg/hm^(2)),扫描获取水稻叶片图像并进行数据预处理,构建基于自适应特征融合的水稻氮素营养诊断模型ResNet34-AFF-SE。使用构建的ResNet34-AFF-SE模型对水稻叶片进行氮素营养诊断,结果表明,在水稻生长的幼穗分化期、齐穗期,ResNet34-AFF-SE的识别准确率为97.5%、97.2%,模型大小为87.9 MB。ResNet34-AFF-SE模型在准确率和训练时间上优于AlexNet、VGG16、MobilNet v3-small等网络模型。基于自适应特征融合的水稻氮素营养诊断方法所建立的ResNet34-AFF-SE模型具有较高的识别准确率,可以精准地识别水稻叶片的氮素营养状况,为水稻作物的氮素营养诊断提供了新的思路。

水稻主茎三维形态建模与计算机模拟

探讨水稻主茎器官形态结构变化动态建模的方法,通过对对水稻主茎器官形态结构参数进行分析,构建出水稻主茎地面各器官的形态模型,并利用图形学技术重建出水稻主茎和水稻植株的三维可视化模型。模型具有较高的真实感效果,可控性强,为水稻虚拟生长提供可靠和普适的植株形态几何特征确定方法。

基于高光谱的水稻叶片氮素营养诊断研究

为快速、准确地实现水稻氮素营养诊断,以中嘉早17水稻为试验对象,设置4种施氮水平的水稻栽培试验,利用便携式地物波谱仪获取240组水稻分蘖期顶三叶在350~2500nm的光谱数据。随机将样本划分为训练集(160个样本)和测试集(80个样本)。首先,通过多元散射校正(MSC)、变量标准化校正(SNV)、平滑算法(SG)3种方法分别对原始光谱进行预处理;然后,采用主成分分析(PCA)和连续投影算法(SPA)对预处理后的光谱进行特征降维,选取累积贡献率超过99.98%的前24个主成分作为模型的输入变量,对于经过MSC、SNV和SG处理后的光谱数据,还分别筛选出12、15、19个特征波长;最后,应用支持向量机(SVM)基于上述处理分别建立水稻氮素营养诊断模型。结果表明,采用MSC-PCA-SVM模型进行水稻氮素营养诊断的识别准确率最高,其在训练集和预测集上的准确率分别达99.38%和97.50%。

水稻稻穗可视化模拟研究及其实现

通过对水稻稻穗形态结构的观测分析,提出了基于稻穗形态特征参数的三维形态数学模型及其实现方法。水稻稻穗模型的建立过程包括穗轴造型、枝梗造型及小穗造型3个阶段,该模型具有较高的真实感,可控性强,能满足虚拟水稻数字化设计的需要。

骨质疏松症中医辨证分型与治疗

骨质疏松症（OP）是一种以骨量减少,骨密度下降,骨质微观结构退化,导致骨脆性增加,骨强度减低,易发生骨折为特征的全身性骨病。早期可无任何症状,或伴自发性骨痛、无力、腰膝及周身酸痛、脊柱变形等。一旦发生骨折,对患者的工作或生活会带来极大的影响,甚则危及生命。

“双导师制”软件工程专业实践教学模式研究

为适应科技进步和社会经济发展,特别是适应IT业对软件高素质人才的需求,江西农业大学软件学院在多年的校企合作"3+1"办学人才培养实践经验中,建立了以"双导师制"为模式的软件工程专业实践教学体系。通过校内导师指导的课程实验、暑期项目实训和兴趣小组等实践教学活动,实现了与企业导师指导的上岗实践教学的"无缝对接",提高了学生的软件项目开发实践能力,为培养实用型软件人才打下了坚实的基础。

国内外翻转课堂研究的文献计量分析

翻转课堂教学模式已经成为近年来教育界关注的热点,各类有关翻转课堂的文献大量涌现。为了更加清楚地掌握该模式的研究现状,本文以翻转课堂的文献为研究对象,以国内的学术期刊数据库CNKI和国外的"ISI Web of Science"两个大型数据库作为数据来源,利用文献计量方法对翻转课堂相关文献的年载文量和年增长、文献来源、研究内容、著者分布、文献被引频次等进行分析,以期为翻转课堂的深入研究与广泛应用提供借鉴和参考。

水稻叶片形态日变化过程可视化模拟研究

在实验测定的基础上,分析了水稻叶片几何形态随逐日生长时间动态变化的规律,分别构建了叶长变化模型、叶长与叶宽关系模型、茎叶夹角变化模型、以及不同叶位最终叶长模型和叶片出叶时间模型。结合水稻叶片的三维形态模型,在计算机上编程实现了水稻叶片器官形态逐日动态生长变化过程的可视化模拟,具有较强的真实感,为构建虚拟水稻生长系统奠定了基础。

水稻叶片形态三维建模与计算机模拟

根据水稻叶片的三维形态特征,应用Bezier曲线描述水稻叶片的边缘信息和一元二次曲线方程描述叶脉曲线,构建一种符合生物学规律的水稻叶片弯曲三维模型,并通过对叶片边缘点绕叶脉的旋转构建了叶片的扭曲模型,较真实地反应了自然条件下水稻叶片的三维空间形态。

多媒体学习中视觉情绪设计对学习效果的影响——基于31项实验与准实验研究的元分析

随着信息技术的发展,多媒体与网络化教学成为现代教育的主流。多媒体教学中学习材料的情绪因素受到研究者越来越多的关注。国内外学者已开展了大量实验与准实验研究,探索在使用颜色、形状、拟人化等多种视觉元素设计的学习材料中,视觉情绪因素对学习者学习效果的影响,结论尚存争议。研究采用元分析方法,对二十年来国内外有关视觉情绪设计影响学习效果的31篇文献进行梳理与分析,并进一步从学习材料呈现步调、学习者学段和实验时长三个调节变量的影响维度进行深入探讨。研究发现:整体而言,视觉情绪设计能够促进反映学习者学习效果的保持成绩、理解成绩和迁移成绩的提高;不同呈现步调、学习者学段和实验时长对学习者学习效果的调节作用组间差异不显著。研究得到的启示:多媒体学习材料中使用饱和、高亮暖色、图片及拟人化设计,对于多媒体学习认知过程和学习效果有益。最后,在深入阅读文献的基础上,指出多媒体学习情绪设计研究中存在的问题及进一步研究的方向。

基于卷积神经网络和支持向量机的水稻种子图像分类识别

针对外形相似的水稻种子间分类难、识别正确率低等问题,提出一种卷积神经网络与支持向量机相结合的方法(CNN_SVM)对8类水稻种子进行分类识别。首先对图像进行切割、旋转等预处理后建立水稻种子图像数据库,其次通过提取图像的方向梯度直方图(HOG)、LBP纹理、SIFT描述子和CNN特征,分别建立SVM、KNN和Softmax分类模型对水稻种子图像进行分类识别比较。最后采用随机加入噪声点方法模拟噪声干扰稻种和调整色彩饱和度方法模拟不同年份稻种后进行分类识别。结果表明CNN_SVM模型对正常、噪声干扰和不同年份的水稻种子图像识别正确率分别为96.2%、95.8%和96.1%,识别单张图像时间为4.57 ms,明显优于CNN、SVM的传统模型。模型的抗噪和泛化能力强,能满足实际生活中水稻种子分类识别需求。

血栓通及单体成分人参皂苷Rd对内毒素激活小胶质细胞的影响

[目的]研究血栓通及其单体成分对小胶质细胞（BV-2）的影响及其作用机制。[方法]实验分为对照组、脂多糖刺激组、加药组和阳性药米诺环素组,CCK-8检测血栓通（不同稀释倍数的血栓通及其单体成分）对小胶质细胞活力的影响;Greiss法检测脂多糖（LPS）诱导小胶质细胞一氧化氮（NO）产生的影响,实时定量聚合酶链反应（PCR）检测炎性基因的表达。[结果]血栓通在0.5~50 mg/L范围内对LPS诱导的小胶质细胞NO的产生没有抑制作用;在血栓通5种单体成分中,人参皂苷Rg1、Rb1、Re、三七皂苷对小胶质细胞NO的产生没有抑制作用;人参皂苷Rd在不影响细胞活力的情况下能明显抑制NO产生,并且能抑制炎症基因诱导型一氧化氮合酶（iNOS）及白介素-1β（IL-1β）、白介素-6（IL-6）mRNA的表达。[结论]血栓通单体成分人参皂苷Rd抑制激活的小胶质细胞产生NO和iNOS、IL-1β、IL-6 mRNA的表达可能是血栓通发挥神经保护作用的物质基础。

水稻叶片颜色可视化模拟方法研究

提出了一种基于SPAD数据分布图像的水稻叶片颜色渲染方法。通过大田水稻样本试验采集水稻叶片图像并测定叶片SPAD值,分析并构建了SPAD值与叶片图像的R、G、B分量值之间关系模型,模型判定系数分别为0.932 8,0.833 1,0.562 3,表明SPAD与叶片图像R、G颜色分量之间存在相关性。通过SPAD数据分布图像表征SPAD值在叶片表面的空间分布状况,对叶片表面的颜色差异以及随生长时间变化过程进行可视化模拟,并通过微软的Direct3D9.0图形函数库和vc++编程,在前期水稻叶片三维模型的基础上,实现了水稻叶片颜色变化过程的可视化模拟,实现方法具有很好的推广性。

水稻叶片几何参数图像视觉测量方法研究

提出了一种基于图像视觉原理的水稻叶片几何形态参数测量计算方法,通过图像分割处理,统计参考物与目标叶片面积的像素数,计算叶片面积;通过求取参考物和目标叶片的最小外接矩形方法,计算叶片的长度和宽度值;利用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,利用Hough变换对提取的骨架信息进行直线检测,并进行茎叶夹角计算。结果表明,该方法能够精确、快捷地对水稻叶片几何形态参数进行测量计算,与手工测量比较,叶片面积计算误差小于5%,长宽误差小于0.67%,茎叶夹角误差小于2%,能满足农学研究的要求。

水稻叶片几何参数无损测量方法研究

【目的】提出实现自然生长状态下的水稻叶片几何形态参数视觉无损测量,为实时监控水稻的生长状况提供准确的数据,也为农学研究者提供新的技术手段。【方法】类似曲线长度细线测量方法,在叶脉上通过手势交互绘制确定一组控制点,插值生成过控制点的3次B样条曲线,调整控制点使得B样条曲线逼近叶脉方式实现水稻叶片长度测量。在叶片最大叶宽处绘制1次B样条曲线实现水稻叶片最大叶宽测量。采用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,并利用Hough变换对提取的骨架信息进行直线检测实现茎叶夹角计算。应用BP神经网络、支持向量机回归和随机森林回归算法对样本数据进行训练,以水稻叶片长度、叶片最大宽度作为输入变量对水稻叶面积进行估测。【结果】B样条曲线逼近方式计算的水稻叶长的平均绝对误差和平均相对误差分别为0.523 3 cm和2.33%,叶宽的平均绝对误差和平均相对误差分别为0.055 2 cm和6.66%。Hough变换计算的茎叶夹角平均绝对误差和平均相对误差分别为1.27°和2.46%;通过对金优458和中早35两个不同品种结果对比,相较于其他模型,发现BP神经网络模型对叶面积估测结果的均方根误差、平均绝对误差和平均相对误差分均为最低,其中JY458品种的均方根误差、平均绝对误差及平均相对误差分别为1.189 2 cm^2、1.061 cm2和4.95%,ZZ35品种的均方根误差、平均绝对误差及平均相对误差分别为1.143 1 cm^2、0.959 5 cm2和4.85%。【结论】从图像采集到测量操作过程都不与被测叶片器官进行接触,真正意义上实现了对水稻叶片几何形态参数的无损测量,且操作便捷,测量精度高,误差小,完全能够满足农学研究的需求,为其他植物器官的几何形态参数无损测量提供了一种新的普适方法。

基于图像特征的水稻叶片全氮含量估测模型研究

探究水稻叶片生长外部颜色、几何形态特征与其全含氮量之间的定量描述关系,可以快速且准确地诊断水稻氮素营养状况。研究筛选了全氮含量估测敏感叶位,并比较了基于多元线性回归和机器学习方法的水稻敏感叶位全氮含量估测模型,为构建高性能的氮素营养定量诊断模型提供思路和方法。水稻田间试验于2017—2018年在江西省南昌市成新农场进行,供试水稻品种为两优培九,设置4个施氮水平(施氮水平从低到高为0、210、300和390 kg·hm^-2)。在水稻幼穗分化期和齐穗期,分别扫描获取水稻顶部第一完全展开叶叶片(顶1叶)、顶部第二完全展开叶叶片(顶2叶)以及顶部第三完全展开叶叶片(顶3叶)图像,共4800张图像。通过图像处理技术获取25项水稻扫描叶颜色和几何形态特征,采用多元线性回归进行全氮含量估测,筛选出两个时期的敏感叶位,并应用机器学习方法建立水稻敏感叶位的全氮含量估测模型。与人工测量相比,通过图像处理方法获取的水稻叶片长宽平均相对误差分别为0.328%、3.404%;幼穗分化期顶3叶和齐穗期顶2叶较其他同期叶位更为敏感,且以幼穗分化期顶3叶最为敏感;应用机器学习建立的水稻敏感叶位全氮含量估测模型略优于多元线性回归模型,且采用BP神经网络建模最佳,幼穗分化期顶3叶模型验证集的RMSEv=0.089、MREv=0.034、R^2v=0.887,齐穗期顶2叶模型验证集的RMSEv=0.132、MREv=0.046、R^2v=0.820。幼穗分化期顶3叶和齐穗期顶2叶的叶片图像特征最具有代表性,进行全氮含量估测更具可行性,可作为水稻氮素营养诊断的有效叶位。

基于图像视觉的水稻茎叶夹角测量研究

提出了一种基于图像视觉原理的水稻茎叶夹角测量计算方法,利用基于四个方向模板运算的距离变换算法对预处理后的茎叶夹角图像进行骨架信息提取,利用Hough变换对提取的骨架信息进行直线检测,通过检测到的直线间的夹角进行茎叶夹角计算。实验结果表明,该方法能够精确、快捷的对水稻茎叶夹角进行测量计算,误差仅为2.0%,能满足农学研究的要求。

基于Web3D的交互式虚拟水稻主茎可视化研究

在已建立的水稻主茎结构器官数学模型的基础上,采用Java3D和Web开发技术实现了水稻主茎的三维Web显示和交互控制,构建了基于Web的水稻主茎器官模型三维可视化研究平台,使得虚拟水稻作物的研究得以在IE浏览器上进行,也为其他作物的虚拟研究提出了一个新的研究思路。

水稻氮素营养诊断方法研究进展

目前水稻氮素营养诊断方法主要有外观诊断、化学诊断与现代氮素营养诊断。外观诊断包括颜色诊断和长势长相诊断;化学诊断包括全氮诊断和硝酸盐诊断;现代氮素营养诊断包括叶绿素仪测量、机器视觉和高光谱遥感。本文对各诊断方法及近来年相关应用成果进行阐述,同时分析了各技术方法的优缺点,以为研究学者提供参考与思路。

1例反复试戴义眼片致严重眼心反射报道

眼球在摘除、受压或眼肌牵拉时受机械性刺激，引起迷走神经过度兴奋，导致心律失常、脉搏变慢，称为眼心反射。在眼科手术、检查和治疗操作中，由于眼和眶组织受到压力和牵张，常导致眼心反射的发生，轻度的眼心反射较为常见，