机器学习视角下风味分子研究及其在茉莉花茶中的应用

旨在探讨机器学习在风味分子研究领域的应用,尤其是其在茉莉花茶风味分析中的实践。风味分子的研究是理解和优化食品、特别是茶类饮品味道和品质的基础。机器学习技术的引入为风味分子的识别和分析打开了新的视野。概述了风味分子的基本概念和研究方法,详细讨论了机器学习在解析分子结构与风味特性关系、茉莉花茶品质预测与控制、风味分析、预测与优化、智能化加工等方面的应用,并提出了研究展望,以期为提升茉莉花茶的品质和茶产业发展提供技术支持。

融合超分辨率重建的YOLOv5松枯死木识别模型

为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题,该研究提出了一种在特征层级进行超分辨率重建的YOLOv5松枯死木识别算法。在YOLOv5网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图,自适应改变感受野的机制分配权重,将更多注意力集中在纹理细节,提升了小目标和模糊目标的识别精度。同时,使用前景背景平衡损失函数抑制背景噪声干扰,增加正样本的梯度贡献,改善正负样本分布不平衡问题。试验结果表明,改进后算法在交并比(intersection over union,IoU)阈值取0.5时的平均精度均值(mean average precision,mAP50)为92.7%,mAP50~95(以步长0.05从0.5到0.95间取IoU阈值下的平均mAP)为62.1%,APsmall(小目标平均精度值)为53.2%,相比于原算法mAP50提高了3.2个百分点,mAP50~95提升了8.3个百分点,APsmall提升了15.8个百分点。不同算法对比分析表明,该方法优于Faster R-CNN、YOLOv4、YOLOX、MT-YOLOv6,QueryDet、DDYOLOv5等深度学习算法,mAP50分别提高了16.7、15.3、2.5、2.8、12.3和1.2个百分点。改进后松枯死木识别算法具有较高精度,有效缓解了小目标与纹理模糊目标识别困难问题,为后续疫木清零提供技术支持。

基于多色彩空间的YOLOv5松枯死树检测方法

【目的】针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5松枯死树高精度自动识别新方法。【方法】利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等6种基于深度学习的目标检测算法对数据集进行训练和测试,以精确率、召回率、平均准确率以及F 1分数作为评价指标筛选出最优目标检测算法;然后将采集的RGB图像转换成LAB和HSV色彩空间图像,再将这3个色彩空间的图像分别用最优目标检测算法进行训练,得到目标在每个色彩空间的边界框,使用非极大值抑制算法对这些边界框进行处理,得到最优边界框实现松枯死树自动识别。【结果】6种算法均取得良好效果,其中YOLOv5模型为最优算法,其精准率、平均查准率和F 1分数在6种算法中均最高,分别达到97.58%、82.40%和0.85。通过3个色彩空间融合后,反映漏检情况的召回率由74.54%提高到98.99%,平均准确率提升至98.39%。【结论】基于多色彩空间的YOLOv5模型能够显著提高从无人机航拍RGB影像中检测松枯死树的精度,为松枯死树监测提供了有力工具,也有助于松材线虫病的防治。

不同生境中杉阔混交林物种多样性特征初步研究

根据生境因子应用主分量分析和动态聚类方法进行生境的划分 ,在此基础上分析不同生境中杉阔混交林群落数量特征。结果表明 :不同生境中植物群落的主要优势种组成不一 ,其重要值也不同。不同生境中植物群落乔木层的物种数目、物种多样性、群落均匀度均有较大差异。海拔对不同生境中植物群落乔木层的物种数目、物种多样性和群落均匀度有很大影响 ,坡向则对个体总数和种类数量的影响较大。海拔和坡向对不同生境中植物群落乔木层生态优势度则无明显影响。

一种角度无关的Gabor-SVM昆虫识别

传统的昆虫识别方法费时费力,应用图像处理技术提取昆虫图像视觉特征,实现昆虫机器自动识别,可以解决传统方法的不足.本研究依据纹理是昆虫分类的重要特征,应用角度无关的Gabor滤波器提取昆虫图像的纹理特征,然后用SVM算法分类,实验结果表明:角度无关Gabor-SVM昆虫识别方法正确率为80%,是比传统Gabor和灰值游程矩阵更好的识别算法,该方法能较准确识别昆虫,省时省力.

武夷山杉阔混交林种群生态位特征

对武夷山保护区杉阔混交林中 1 1个主要乔木种群的生态位特征进行分析 .结果表明 :在杉阔混交林中 ,不同公式计算出的生态位宽度值之间存在着显著正相关关系 .主要种群的生态位宽度和重要值之间也存在着显著正相关关系 .重要值较大的种群对生境的适应性也较强 ,其生态位宽度较大 .杉木、木荷、丝栗栲、马尾松种群属宽生态位种 .大多数种对的生态位重叠较大 ,对资源的共享趋势明显 ,群落稳定性较好 .宽生态位种与其它种群的生态位重叠机会大 ;反之 。

快速几何可变形彩色昆虫图像分割算法

为了解决大部分现有几何可变形方法无法用于彩色图像分割的问题,给出了快速几何可变形彩色图像分割算法,并应用于昆虫图像。实验结果表明:该算法能够很好地分割出昆虫对象,而基于通道-通道的几何可变形算法在不同通道上得到不同的昆虫对象边缘。

集对分析在伴生树种选择上的应用

集对分析是对系统作同异反定量分析研究时的一种方法 ,将该方法用于伴生树种选择 。

圆盘式磁流变离合器特性分析

磁流变离合器是通过磁流变液的剪切应力传递转矩的器件。介绍了一种园盘式磁流变离合器的工作原理,用Bingham模型描述了磁流变液随外加磁场变化的流变特性,基于Navior-Stokes方程,分析了磁流变液在两圆盘间的流动,得到了离合器传递的转矩和输出角速度的方程,为离合器的设计奠定了理论基础。研究结果表明:离合器传递的转矩和输出角速度可由外加磁场连续控制。

Apriori算法在杉木伴生树种选择中的应用

合适的伴生树种是杉木混交林营造成功的关键,本研究应用Apriori算法从杉木混交林野外调查数据中挖掘出杉木与其伴生树种之间的关联关系,得到合适的伴生树种,提供杉木伴生树种选择的新途径.

一种前后向复扩散图像增强算法

传统的图像增强算法无法在去除噪声的同时保留图像的纹理.为此,本文从线性前向复扩散的原理出发,研究了线性后向复扩散的图像增强功能,将前向复扩散和后向复扩散相结合,给出了一种前后向复扩散图像增强算法.实验结果表明:该算法抑制了图像中的微弱噪声,有效地增强了图像,保留了图像的细节纹理,没有产生错误的图像增强效果,可以获得很好的图像增强效果.

珩架型构造物损伤检测的研究

对大型机械设备的机械结构进行快速诊断和损伤检测,经济价值和效益明显。在对珩架型构造物的机械结构的阻抗进行实验测试的同时,对检测材料的固有频率进行了理论推导,对分辨率的选择及分辨率对测试结果的影响进行了深入分析。这为珩架型构造物的机械结构损伤评价,打下了坚实的科学基础。

竹粉/不饱和聚酯复合材料力学性能与断面图像特征

为探明粒径对竹粉/不饱和聚酯复合材料力学性能的影响以及力学性能与拉伸断面图像特征之间的关系,采用平板模压法制备了竹粉/不饱和聚酯复合材料并测试了其力学性能,应用局部二元模式直方图的傅立叶特征算法提取复合材料拉伸断面电子显微镜图像特征。结果表明:与20～30目竹粉比较,>30～40目竹粉/不饱和聚酯复合材料的拉伸强度、弯曲强度与弯曲模量分别提高32.9%、34.4%、25.4%;>100～120目的复合材料拉伸强度、弯曲强度与弯曲模量则比>30～40目的分别降低10.6%、20.8%、12.9%;200目竹粉/不饱和聚酯复合材料的拉伸强度与弯曲强度比>100～120目的分别提高11.7%与18.3%。不同粒径竹粉复合材料拉伸断面图像特征存在差异,具有相似力学性能的复合材料断面图像纹理特征有一定相似性。本文通过拉伸断面图像特征来表征复合材料微观形貌与力学性能的差异,为建立复合材料断面微观形貌与力学性能之间的定量关系提供参考。

建筑施工安全综合评价体系的研究与应用

建筑施工安全一直是企业管理中的重点和难点,安全综合评价是企业进行安全管理的基础和依据,针对目前建筑施工评价指标反应的内容不全面不准确,安全综合评价分析方法的配合性差,综合评判的科学性不强等问题,从人—机—环境的系统角度出发,提出了较为科学全面的建筑施工安全综合评价指标体系,结合工程实例,对基于模糊层次分析的安全评价方法进行了深入研究,该评价体系对促进建筑施工安全管理工作的科学化、规范化、程序化有积极的现实意义.

基于F^(3)Net显著性目标检测的蝴蝶图像前背景自动分割

【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F^(3)Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割。在此基础上,采用迁移学习方法,保持ResNet骨架不变,利用蝴蝶图像及其前景蒙板数据,使用交叉特征模块、级联反馈解码器和像素感知损失方法重新训练优化模型参数,得到更优的自动分割模型。同时,将其他5种基于深度学习显著性检测算法也用于自动分割,并比较了这些算法和F^(3)Net算法的性能。【结果】所有算法均获得了很好的蝴蝶图像前背景分割效果,其中,F^(3)Net是更优的算法,其7个指标S测度、E测度、F测度、平均绝对误差(MAE)、精度、召回率和平均IoU值分别为0.940,0.945,0.938,0.024,0.929,0.978和0.909。迁移学习则进一步提升了F^(3)Net的上述指标值,分别为0.961,0.964,0.963,0.013,0.965,0.967和0.938。【结论】研究结果证明结合迁移学习的F^(3)Net算法是其中最优的分割方法。本研究提出的方法可用于野外调查中拍摄的昆虫图像的自动分割,并拓展了显著性目标检测方法的应用范围。

可持续发展的生态校园规划思考——以重庆工学院花溪校区为例

本文通过分析生态校园规划的思想、内涵及目标,结合具体实际工程,在校园规划中引入生态规划的内容,试图探索建立可持续发展的生态校园规划的有效途径。

三次样条插值的逆扩散图像增强算法

提出了非线性逆扩散图像增强算法的原则,应用三次样条插值方法构造了该算法的扩散系数,得到了较好的图像增强效果。说明该算法能够对有微弱噪声的图像进行图像增强并保持细节纹理,其扩散系数既满足了逆扩散图像增强的原则,又容易构造。

高校物业管理发展对策研究

分析了高校物业管理存在的问题 ,提出了高校物业管理的发展对策 ,论述了高校物业管理发展模式 。

语义相似性测度方法研究综述

语义相似性测度是信息检索中的关键技术。回顾了基于距离的、基于信息内容的、综合了距离和信息内容的、基于图的语义相似性测度算法,认为基于图的语义相似性测度算法是今后研究的方向。

基于PDCA循环的建筑施工安全管理研究

介绍了建筑施工安全的特点,探讨了建筑施工安全管理PDCA循环的全新方法及操作过程,以期降低建筑安全事故率,提高建筑业生产力及经济效益。