白花夏枯草对高原家兔骨髓各级幼红细胞Feret直径的研究

本文应用透射电镜技术对平原移居高原 (海拔 390 0米 )实验家兔骨髓内各级红系细胞电镜照片的费莱特直径 (Feret)进行了研究 ,实验分平原对照组 ,高原给药及高原对照三个组 ,实验结果 :高原给药组骨髓原红 ,早、中 ,晚幼红细胞Feret直径均低于高原对照组 ,差别有显著性 ,结果提示白花夏枯草可降低由低氧引起的各级幼红细胞胞体增大 ,从而降低血液的粘滞性 。

基于片烟图像处理面积及feret直径的分形分析

为解决传统工艺法检测片烟结构时存在时效性差、准确性低及对片烟损伤度大等问题,采用图像处理技术并结合分形理论的方法,运用计盒维数法计算片烟分形维数,分析了片烟分形维数与片烟面积、feret直径的分形特性。结果表明:(1)IPP图像处理软件测量结果与正方形标准面积的T检验p=0.227>0.05,片烟参数的测量值与真实值无显著差异。(2)利用计盒维数法测定片烟分形维数,其拟合回归方程的决定系数均超过0.81,且方差分析结果P值均小于0.05。(3)片烟面积、feret直径与片烟分形维数均呈极显著正相关关系,且分形维数D与ln S、lnφ所拟合方程的R^2分别为0.994和0.960,即片烟面积及feret直径对片烟分形维数影响程度不同。(4)建立的片烟分形维数模型的拟合方程均方根误差RMSE为0.016、误差平方和SSE为0.025、决定系数R^2达0.996,且模型检验绝对误差均值为0.014、相对误差均值为1.130%,拟合度良好且精确度高。(5)小片片烟分形维数范围0.664<D≤0.829;中短片片烟分形维数范围0.829<D≤1.000;中长片片烟分形维数范围1.000<D≤1.201;大片片烟分形维数范围1.201<D≤1.615。

基于深度学习的金属矿物镜下嵌布粒度检测方法

目标矿物嵌布粒度是指目标矿物在矿石中的粒度大小和分布情况,直接影响着选矿工艺的设计和效果。因此,目标矿物嵌布粒度测量是工艺矿物学研究中的重要任务之一。在传统工艺矿物学研究中,主要利用偏光显微镜对矿石样品进行观察分析的方法,普遍存在处理时间长、结果易受人为主观影响、难以实现自动化和大规模应用等问题。为克服传统方法的局限性,提出一种基于深度学习的金属矿物镜下嵌布粒度检测方法。以河北省唐山市水厂磁铁矿矿石标本为对象,在偏光显微镜的反射光条件下进行拍摄,制作数据集,利用Deeplabv3+网络设计了矿物识别网络模型,实现对目标金属矿物的自动化特征提取和智能识别,并生成目的金属矿物的二值化图像,从而实现对目的金属矿物的分割;最后,结合最大Feret直径完成目的金属矿物嵌布粒度分析测量工作。相较于传统的人工镜下测量方法,基于深度学习的图像测量在矿物颗粒分析中的应用,在测量相同矿物颗粒的情境下,处理速度提高了约119.8倍,同时测量精度提升了约169.5倍,揭示了其在处理效率和测量精度上的显著优势。基于深度学习的金属矿物镜下嵌布粒度检测方法显著缩短了矿物镜下嵌布粒度的检测时间并提升了检测精度,同时可消除人为主观因素的影响,对于促进工艺矿物学智能化发展有重要意义。

基于图像处理的木粉目数检测与分析

为了解决生产中木粉目数传统检测方法存在的问题,结合先进的数字图像处理技术,在分析木粉颗粒形态特征的基础上,提出了一种基于形态学边缘检测和最大Feret直径的目数检测方法。该方法首先进行图像HIS颜色空间转换,基于S分量进行目标提取,应用多尺度形态学边缘检测算子提取边缘,然后根据颗粒形态特征只保留Feret最大方向上的直径,最后通过单位换算实现目数检测。实验结果表明,该方法具有较高的检测精度,可在生产中推广应用。

动态图像法在果粒饮料粒度分析中的应用

目的提高果粒饮料的质量监控,改进产品配方,提升饮料的口感。方法采用动态图像法对果粒样品的最大FERET直径进行分析,建立一个粒度粒形与果粒型橙汁饮料口感的关系。结果最大FERET直径大于9 mm的颗粒基本为原始橙粒果肉原料,适当增加该成分对口感的提升有极大帮助。结论对于果粒饮料,动态图像分析法可以给出果粒的原始图形信息,且统计量大,代表性强,对其配方改进及生产质控具有密切的指导意义。