粳稻新品种通院331选育与栽培技术

通院331系由通化市农业科学研究院以通35为母本、通06-88为父本杂交选育而成的常规粳稻新品种,具有高产稳产、结实率高、适应性广等特点,于2017年通过吉林省农作物品种审定委员会审定。本文总结了通院331的选育经过,以及在吉林省水稻区域试验、生产试验以及大面积示范中的种植表现,并小结了其高产栽培技术。

粳稻新品种通院332选育与栽培技术

通院332是吉林省通化市农业科学研究院以农大30为母本、07-151为父本杂交育成的常规粳稻品种,具有优质、高产、稳产、结实率高、抗倒伏、适应性广等特点,在吉林省水稻区域试验、生产试验以及大面积示范中表现优异,2018年通过吉林省农作物品种审定委员会审定。

基于深度调节方法的集成成像畸变消除

为了消除集成成像系统中景深范围外目标的畸变现象,提高重构图像的整体观察效果,本文通过逆向光线追迹分析集成成像系统中弥散斑直径关系。参考人眼视觉特性,首先推导出系统的目标采集景深范围;然后根据此范围模型,在采集装置固定的情况下,得到集成成像系统所能重构出的真实深度范围;以此真实深度值为参考值做深度调整,基于查找表法得到元素图像,最终在重构阶段得到无畸变的三维重构图像。实验结果表明,采集景深范围内的目标可以清晰重构,验证了此采集景深模型的合理性;与其他方法得到的元素图像相比,根据此模型做深度调节得到的元素图像,其三维重构图与目标平面图的颜色直方图相似度从67.057%提升到94.507%,结构相似性从54.002%提升到84.510%,峰值信噪比从16.902提升到19.740,明显消除了深度范围外目标的重构畸变,适用于分辨率优先的集成成像显示技术。

复合残差网络在低照度图像增强中的技术研究

成像设备在暗光照环境下会出现对比度不高、图像细节信息丢失、颜色失真等问题,这会对视频监控、智能交通、人脸识别等应用场景产生巨大干扰。为了解决这一问题,本文提出了一种融合了注意力机制的的复合残差网络来实现对低照度图像的增强。该算法首先通过色彩空间上的转换(RGB-HSV)将亮度分量V放入构造的神经网络中,然后神经网络通过融合了注意力机制的多分支结构进行图像浅层特征的提取,接着经过复合残差网络提取深层特征,再经过图像重建得到增强后的V分量,最后通过分量融合实现图像增强。实验结果表明,对比目前国内外主流低照度图像增强算法,所提算法在主观视觉上对图像亮度与对比度有显著提升,在PSNR、SSIM指标上与传统算法的对比结果分别提升了约20%和15%,与深度学习算法的对比结果分别提升约9%和3%,不论是在人工合成的低照度图像还是真实、自然低照度图像中均有良好表现,基本满足图像增强的颜色自然、对比度和鲁棒性高等要求。

基于密集模块与特征融合的SSD目标检测算法

通过对原SSD(Single Shot Multibox Detector)模型的研究与分析,针对其对小目标检测能力较弱的问题,提出了一种基于密集模块与特征融合操作的改进模型。该模型以Inception-ResNet-V2与DenseNet为基础,吸取了inception模块中稀疏连接与密集网络中密集连接的研究思路,将两种方法融合在一起,提出了Inception-Dense特征提取结构。在多尺度检测的部分,借鉴并改进了特征金字塔的特征融合模块来加强对中小目标的检测能力。根据改进模型及实验数据集的相关特性,对默认框的映射机制也进行了重新设定。结果表明:该方法在Kitti数据集上的平均测试精确度(mAP)为83.8%;识别率相比于原SSD模型的72.8%,提升了11个百分点。FPS方面也有接近38%的提升,从原来的39提升到了54。

非线性反馈和二次型调节器在两栖机器人中的应用

球形两栖机器人具有对称的结构和多自由度的运动状态特性,在环境适应性和运动稳定性上具有优势。本文介绍一种可以用于深海水下探测与救援的新型水陆两栖机器人控制系统的结构和建模方法,根据机器人的运动控制模式,推导出具有6个自由度的动态数学模型,并在动态模型的基础上,建立并评估了两种控制模型。第一种是基于二次型调节器(LQR)的控制器模型,第二种是基于非线性状态反馈(FL)的控制器模型。最后对两种控制模型进行水下实验验证及评估,从而证明两种控制器的有效性和优劣性。实验表明非线性状态反馈系统在响应时间(LQR=67.5 s,FL=46.5 s)方面都优于有限时域LQR控制器,而LQR控制器在上升时间(LQR=24.5 s,FL=39.8 s)方面更加具有优势。

基于网络药理学探讨水红花子抗肝硬化机制

为进一步研究水红花子的药用物质基础,利用网络药理学和分子对接技术探讨了水红花子治疗肝硬化的作用机制.首先利用中药系统药理学数据库与分析平台(TCMSP)、人类基因数据库(GeneCards)、蛋白质-蛋白质相互作用网络功能富集分析平台(STRING)建立了水红花子有效成分-肝硬化的靶点基因网络,然后利用基因本体(gene ontology,GO)、京都基因和基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)富集分析和分子对接手段研究了水红花子的抗肝硬化机制.研究结果显示:水红花子治疗肝硬化的成分可能是具有保肝功能的β-谷甾醇、山奈酚、儿茶素、圣草酚、槲皮素,作用靶点可能为IL-6、VEGFA、AKT1、TP53、CXCL8、TNF;水红花子参与抗肝硬化的生物学过程可能有凋亡负调控、程序性细胞死亡负调控、细胞增殖调控等,相关信号通路可能包括癌症通路、细胞因子-细胞因子受体相互作用、Toll样受体信号通路等;槲皮素、山奈酚与AKT1的结合能和呋塞米与AKT1的结合能相似.该研究结果可为后续研究水红花子抗肝硬化的机制提供理论依据.

基于卷积神经网络和PCA的低分辨率人脸识别

针对真实场景下采集的人脸图像受环境、设备影响导致分辨率低且图像识别率较低的问题,应用深度学习技术,提出一种基于卷积神经网络(CNN)和主成分分析(PCA)的低分辨率人脸识别算法。首先利用图像超分辨率重构将低分辨率图像重建为高分辨率图像;其次利用CNN提取重建后人脸图像特征,对损失函数进行优化;再利用PCA对特征进行降维,得到更优的分类特征;最后利用支持向量机(SVM)、向量间距离等算法筛选出最优人脸分类并计算准确率。实验表明,该算法在LFW和FERET上均取得更好的识别效果,当人脸图像分辨率下降到8×8时,准确率仍能到达94.5%,优于其他算法并且降低了运算时间。

基于改进的YOLOv3算法在目标识别与抓取中的应用

针对目标识别与抓取领域中CNN、Faster-RCNN等传统神经网络系列算法的识别准确率不高,实时性较差的问题,提出一种基于YOLOv3的改进神经网络算法。改进的YOLOv3算法主要是引用Inception网络思想,通过不同尺度的卷积核对目标进行多尺度特征提取,在增加网络宽度的同时减少YOLOv3网络的循环次数。同时,YOLOv3算法对于anchor box的选取方式使用Meanshift(均值漂移)聚类算法与K-means聚类算法相结合的方式进行改进,解决了K值需要人为测定的问题。改进的YOLOv3算法在自制数据集进行对比实验,实验结果表明:改进YOLOv3算法的mAP(Mean Average Precision)值要高于YOLOv3算法10%,在识别速度上提高了9%,在充分满足实时识别的同时提高了对中小目标识别的准确率。

基于光线追迹的LED裸眼三维显示技术准直性研究

在LED集成成像裸眼三维显示中,LED大屏幕的单个像素点的发散角很大,使用平凸及双凸透镜,图像的重构光线发散且相邻透镜单元间的像素串扰大,导致立体场景再现的过程中图像不清晰,影响重构三维图像的质量。根据光线追迹原理,分析了LED集成成像的成像过程,研究不同形状透镜阵列与LED集成成像相邻透镜单元间像素点间串扰的关系,仅使用单个凹凸透镜有效地控制了重构光线的发散问题,使通过透镜的重构光线更加汇聚准直,光线平行出射,有效地减小了相邻透镜间的像素串扰,提高了成像质量。通过比较字母模型成像的仿真结果,凹凸透镜非常适用于LED集成成像,成像的效果优于其他形状透镜。

基于时空正则化的视频序列中行人的再识别

由于现实复杂情况中各种因素的干扰,行人再识别的过程中可能出现识别错误等问题。为了提高行人再识别的准确性,提出了一种基于时空正则化的行人再识别算法。首先,利用ResNet-50网络对输入的视频序列逐帧进行特征提取,将一系列帧级特征输入到时空正则化网络并产生对应的权重分数;然后,对帧级特征使用加权平均得到视频序列级特征,为避免权重分数聚集在一帧,使用帧级正则化来限制帧间差异;最后,通过最小化损失得到最优结果。在DukeMTMC-ReID和MARS数据集中做了大量的测试,实验结果表明,所提方法与Triplet算法相比能够有效提高行人再识别的平均精度(mAP)和准确率,并且对于人体姿势变化、视角变化和相似外观目标的干扰具有出色的性能表现。

基于多尺度特征融合的水果图像识别算法研究

水果图像识别是智能采摘系统中最重要的组成部分。针对现阶段水果图像识别过程中存在的漏检和误检现象,为进一步提高识别准确率,研究了基于多尺度特征融合的水果图像识别算法。首先,为避免训练过程中出现欠拟合现象,对Fruits-360中的水果图像进行数据扩充,并进一步灰度归一化处理以减少计算量。随后采用ResNet-50作为骨干网络,并在骨干网络的基础上建立多尺度采样层,使用1×1、3×3和5×5的卷积核在拓宽网络宽度的同时进行特征提取,多尺度网络层整体增加BN层,即在每个卷积层之后都增加BN层。使在ResNet-50提取的原始特征基础上获取语义信息更加丰富的特征图。最后采用梯度下降法优化网络,得到最终的识别模型。实验结果表明,所提算法识别精度高,可准确的对水果图像经识别,识别精度高达99.4%,在相同数据集的情况下,优于目前主流算法,可为水果自动采摘技术提供帮助。

长白瑞香挥发性成分的GC- MS分析

[目的]分析长白瑞香的挥发性成分并测定各成分的相对百分含量.[方法]采用水蒸气蒸馏法提取长白瑞香中的挥发性成分并计算收率,以GC-MS结合NIST质谱库、保留指数和文献资料共同分析鉴定挥发性化学成分及种类,用峰面积归一化法计算各成分的相对百分含量.[结果]长白瑞香挥发性成分的提取率为0.56%,从分离出的76个色谱峰中共鉴定出51个成分,占挥发性成分总量的95.22%.挥发性成分相对百分含量由高到低依次为β-谷甾醇(32.63%)、β-香树素(7.11%)、十六烷酸(5.98%)、亚麻酸甲酯(5.40%)、亚油酸甲酯(4.90%)、维生素E(4.25%)、亚油酸(3.24%)和二十四烷(3.09%)等.[结论]长白瑞香挥发性成分中相对百分含量最高的为β-谷甾醇,占32.63%.

基于改进R-FCN与语义分割相结合的人体姿态估计

随着深度学习的广泛应用,人体姿态估计成为动作识别领域的重要研究方向。为了解决人体姿态估计的准确率低以及目标的多尺度问题,提出了一种基于改进R-FCN(Region-based Fully Convolutional Networks)与语义分割相结合的人体姿态估计模型。首先针对模型的主体网络部分,采用ResNeXt-101深度学习网络替换R-FCN原有的ResNet-101基础网络,使得减少超参数的数量,从而提高准确率。然后针对候选区域结构,结合了一种多尺度RPN(Region Proposals Network)结构,处理候选区域中出现的多尺度问题。最后针对姿态估计部分,以目标检测框架R-FCN为基础,添加了Mask R-CNN中并行的mask分支作为语义分割网络,并且对人体的关键点进行提取,从而实现多任务的姿态识别。实验结果显示,模型在2017 MS COCO数据集上平均检测精度比Mask R-CNN模型提升了12.1%,比RMPE模型提升了2%。

牡丹皮中丹皮酚提取工艺的研究

[目的]探讨中药牡丹皮中丹皮酚的最佳提取工艺.[方法]采用乙醇回流法提取牡丹皮中丹皮酚并进行含量测定.[结果]乙醇回流法提取丹皮酚的最优提取条件为乙醇体积分数75%,提取温度80℃,提取时间2.0 h.[结论]在上述工艺下提取的丹皮酚含量最高,且操作简单,成本较低,适用于大规模提取.

基于ROS与三维点云图像的室内物体精准定位

考虑到ROSSLAM构建的地图只能描述环境的二维信息,三维点云图像只能描述物体独立的三维信息等特点,本文融合了ROSSLAM的Gmapping算法构建的室内二维地图与物体的三维点云图像信息,提出了一种复合坐标定位系统。首先对不同室内进行分类,进行一维坐标的标定,其次通过对Gmapping算法构建好的地图等进行二三维坐标标定,再结合空间信息构成外部坐标系φ,最后通过对采集到的物体三维点云坐标进行仿射运算获得物体基于外部坐标三维坐标,结合一维坐标,对物体进行复合四维坐标定位。整个定位实验数据表明,物体室内的位置平均测量误差只有4.2cm,其定位精度比起常见的超声波与红外线定位系统提高6.7%,比基于蓝牙角度测量的定位系统定位精度提高20%,比超宽带定位系统提高72%。物体定位误差小,定位精准。

基于车道信息融合的车辆行为识别

在车辆的自动驾驶和辅助驾驶中,实时分析车辆的运动状态具有重要的实际应用价值。为了实现对车辆行为的判断,提出一种基于车道信息融合的车辆行为识别算法。首先提出一种基于改进Robinson与LSD的模型,运用改进的Robinson算子获取最佳梯度幅值实现对车道的边缘提取,再通过LSD算法实现车道的检测。然后采用一种基于滑动窗口的三次样条插值法对车道进行拟合,最后根据车道参数信息分析车辆的运动状态,结合车辆的中心位置得到车辆的偏离信息。在BDD100K数据集的测试中,本文算法的车道检测准确率为95.61%,车辆行为识别准确率为93.04%,每秒传输帧数达到42.37。实验结果表明,本文算法在不同场景下可以有效地区分车辆的运动状态并给出车辆的偏离信息,具有更高的准确性和鲁棒性。

基于图像拼接的大视场集成成像技术

集成成像技术是一种立体显示技术,凭借其全视差、全真色彩、不需要眼镜等设备辅助观看等优点受到诸多国内外研究人员的关注。针对目前三维集成成像采集端设备落后、观看视野有限、图像分辨率低等问题,提出将图像拼接引入集成成像技术,增大了三维图像的观看视场。采用D435i深度传感器平行拍摄两组深度图像和RGB图像,将采集的两组深度图像和RGB图像拼接融合处理,再对拼接融合后的深度图边缘填充优化,对于优化后的深度图空洞问题进行背景填充和临近均值填充,以达到提高图像质量的目的。处理后的图像通过像素映射方法生成元素图像阵列用于集成成像显示。实验结果表明,所提出的方法在集成成像采集过程中能够较好地减少单幅深度图像边缘处产生的噪声,可以有效减少原始图像视野处的遮挡,显示出宽视野的图像,结果较原图像观看视场增大了10.24°。

短梗五加乙酸乙酯提取物对败血症并发急性肝损伤模型小鼠的保护作用

[目的]探讨短梗五加乙酸乙酯提取物对败血症并发急性肝损伤模型小鼠的保护作用.[方法]取雄性ICR小鼠随机分为正常对照组、模型对照组、阳性对照组和短梗五加乙酸乙酯提取物低、高剂量组.短梗五加乙酸乙酯提取物低、高剂量组分别腹腔注射给予100,200 mg/kg短梗五加乙酸乙酯提取物,阳性对照组腹腔注射给予30 mg/kg地塞米松,正常对照组和模型对照组灌胃给予等体积生理盐水.30 min后,除正常对照组外其余各组均腹腔注射给予脂多糖(LPS,20μg/kg)和D-氨基半乳糖(D-GalN,700 mg/kg),比较各组小鼠肝组织中MDA含量和SOD活性、血清中AST,ALT活性及NO,TNF-α水平,并观察48 h内的生存率.[结果]短梗五加乙酸乙酯提取物低剂量组生存率为60%,高剂量组为80%;与模型对照组比较,短梗五加乙酸乙酯提取物低、高剂量组肝组织中MDA含量显著降低(P<0.01),SOD活性显著升高(P<0.05,P<0.01),血清中AST,ALT活性及NO,TNF-α水平均显著降低(P<0.01).[结论]短梗五加乙酸乙酯提取物对D-GalN和LPS诱导的败血症并发急性肝损伤模型小鼠具有保护作用,其机制认为可能与抑制炎症介质NO和TNF-α有关系.

长白鱼鳞云杉挥发性成分的气相色谱-质谱分析

采用水蒸气蒸馏法提取长白鱼鳞云杉中的挥发性成分,利用气相色谱-质谱联用(Gas chromatographymass spectrometry,GC-MS)技术对提取的挥发性成分进行了分离和检测,并用峰面积归一化法计算了各成分的相对百分含量.实验结果显示:长白鱼鳞云杉挥发性成分的提取率为0.86%,在检测出的76个峰中共鉴定出butyl-2-ethylhexyl phthalate(相对百分含量为25.32%)、油酸(相对百分含量为14.28%)、十六酸(相对百分含量为10.44%)、4十八烷基吗啉(相对百分含量为7.67%)、十八烷基二甲基叔胺(相对百分含量为5.87%)、硬脂酸(相对百分含量为5.67%)、8十六烷烯(相对百分含量为5.17%)和左旋乙酸冰片酯(相对百分含量为3.04%)等43个成分,且这些成分主要为脂肪族类化合物,而同属植物鱼鳞云杉的挥发性成分主要为烯萜类化合物.该结果可为长白鱼鳞云杉的开发利用提供参考.