结合色彩特征和空域特征的成捆原木轮廓识别

成捆原木检尺自动化不仅能够提高生产效率, 而且是林木资源管理的需要. 通过图像处理得原木检尺直径和统计根数, 这是实现检尺自动化中的重要环节. 由于原木生产作业现场获取的成捆原木图像背景多样, 拍照时自然光照条件不一, 成捆原木轮廓识别需要较多的人工交互. 通过研究成捆原木端面彩色图像中原木的色彩特征, 利用它滤除大量的不相关背景, 留下原木色彩近似的像素点; 并结合拉普拉斯滤波器, 获得原木边缘, 实现成捆原木轮廓的分离, 从而获得原木轮廓.     

基于粒子群优化的生物网络布局

基本粒子群算法（Particle Swarm Optimization,PSO）用于生物网络布局优化存在以下不足：存在影响布局优化的边界效应（boundary effects）,并且仅适用于小规模网络.针对边界效应提出了无边界限制的PSO算法（FPSO算法）.该算法一定程度上减少了边界效应对布局的影响.针对较大规模生物网络布局,提出了具有免疫反向学习特性的PSO算法（IO_FPSO算法）.采用主观评价、目标函数评价和布局准则定量评价进行算法比较,实验结果表明FPSO算法明显优于基本PSO算法,而IO_FPSO则进一步改善了较大规模生物网络布局效果.     

《程序设计基础》课程形象化教学方法初探

程序设计基础课程是农林院校所有专业都要修读的一门公共基础课,对培养农林院校学生的信息素养和计算思维具有重要的作用。因为程序设计课程中有些概念较为抽象,不易理解,学生们在学习时常常感到不好理解,进而失去了学习的兴趣,不能理解和掌握相关的概念。利用形象化的教学方法将美学的基本原理与程序设计基础的课程特点相结合,引导学生由美入真,从而达到愉快学习的效果。     

生物二代测序数据的压缩算法研究进展

二代测序技术亦称为下一代测序,它具有高通量、价格低廉、测序准确性高的特点,在现代生物学研究中具有重要的应用,但是二代测序生成的序列数据量较大,在存储和传输上效率较低。利用数据压缩技术对二代测序的数据进行处理,可以降低数据文件所占的外存空间,并在可以减少网络传输的时间。本文对生物二代测序数据中有代表性的压缩算法进行了介绍。     

基于高光谱与纹理融合的烤烟分类方法研究

  目的  为提高烤烟的分类正确率。  方法  利用高光谱成像系统采集烤烟样本,采用Savitzky-Golay卷积平滑法（SG）、多元散射校正（MSC）、一阶导数法（FD）的组合方法对数据进行预处理。通过连续投影算法（SPA）选择特征波长,利用灰度共生矩阵（GLCM）选择烤烟的纹理特征,将纹理特征与光谱特征归一化处理后进行融合,利用邻近算法(KNN)、随机森林(RF)、支持向量机(SVM)、朴素贝叶斯（NB）验证烤烟分类效果。  结果  预处理后的全波长数据分类正确率较预处理前有所提升;利用SPA选择特征波段进行分类,正确率下降;高光谱融合纹理特征后进行分类,分类效果显著提升。  结论  基于高光谱与纹理融合可准确、有效地对烤烟进行无损分类,为量化烤烟分类提供了可行方法。