八种鼠类头骨自动分科识别模型研究

本研究借助计算机技术,初步探讨鼠类头骨自动分科的识别模型。研究选择4个科的8种鼠的成年组作为研究对象,用Bugshape V1.0提取数学形态特征。对这些特征进行比值化处理后分析建模,用于鼠类的分科识别。从交叉判别结果来看,利用数学形态比值化特征建立的模型可以进行很好地识别,但要提高识别率或再增加鼠种时,需要进一步提取新特征并优化。

静态异速生长对布氏田鼠和棕色田鼠头骨识别模型的影响

目前异速生长定律多应用于植物的生长和动物的代谢,但在鼠类分类领域尚未有报道,为了研究静态异速生长对头骨识别模型的影响,选取成年组的布氏田鼠和棕色田鼠的头骨,用BugshapeV 1.0获取44个数学形态特征,对其中的变量特征进行比值化处理,非变量特征不做处理,共得到40个数学形态比值特征,对原始特征和比值特征及进行分析建模,用于鼠种的分类识别。通过对比两类模型的判别率可以看出,两类模型的判别率一致。这说明静态异速生长对建立的模型判别率影响很小,可直接用原始数据进行分析建模,这可能是因为分析软件会筛选出更具分辨能力的特征进行建模。

山西省娄烦县中华鼢鼠种群年龄结构研究

采用头骨干重作为划分中华鼢鼠(Eospalax fontanierii)种群年龄的指标,对2010年3月至2011年11月在山西省吕梁山中部娄烦县农田捕获的中华鼢鼠进行研究。结果表明,中华鼢鼠的种群年龄结构具有明显的季节和年间变化。

基于随机森林的鼠类头骨自动识别系统开发

目的以实现鼠类头骨自动鉴定为目的,设计并开发了基于随机森林的鼠类自动识别系统。方法系统应用计算机图像识别技术,使用计算机视觉库OpenCV和随机森林算法,设计鼠类头骨识别的训练和识别程序,训练模块包括图像输入、图像预处理、特征提取、训练分类器和分类器数据储存5个部分,识别模块的流程又包括图像输入、图像预处理、特征提取、模式识别和返回识别结果5个部分。通过自动提取鼠类头骨上颌正面图像的32个数学形态学特征(如偏心率、叶状性等),对啮齿目4科13种鼠进行自动识别。结果实际运行结果显示,系统的平均识别率>80%,且每鼠种的识别正确率均在70%以上,说明该系统操作性强,鉴定结果比较可靠。结论借助计算机技术可以实现鼠类的自动识别,但目前该系统还处于研究的初步阶段,如何进一步提高识别率尚需更多的研究。

牛血发酵菌株的初筛

畜类血液是一种富含营养的蛋白质资源,蛋白含量十分丰富,具有很高的经济利用价值。实验证明,新鲜血液经过微生物发酵既能提高消化率和营养吸收率,又去除了血腥味,提高了适口性。动物血是一种宝贵的资源。