基于改进MobileNetV2的玉米籽粒图像品种的快速鉴别研究

为实现玉米籽粒品种的快速鉴别与保护,本文提出了基于改进MobileNetV2的玉米籽粒品种识别方法。采集了11种玉米籽粒图像共3938张,建立胚面与非胚面的双面混合数据集。按照7：2：1的比例随机划分训练集、验证集和测试集。对MobileNetV2网络模型进行微调改进,探讨全连接层数量与维度以及dropout的取值对模型性能的影响,并在此基础上解冻部分骨干网络,最终模型准确率达到0.9795,相较于基准模型准确率（0.9487）提高0.0308。试验结果表明,迁移学习时对基准模型微调是十分有必要的,可以有效提高模型准确率。本研究为玉米籽粒图像识别提供了新的建模方法,基于迁移学习,结合微调改进能够有效提升玉米籽粒图像分类的准确率。     

基于多尺度特征融合注意力机制的纸病分类方法研究

针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。     

基于高光谱图像的玉米种子产地与年份鉴别

提出了一种利用高光谱图像技术对玉米种子产地和年份的鉴别方法。首先采用高光谱成像系统采集不同产地和年份的玉米种子高光谱图像,利用主动轮廓模型对玉米种子高光谱图像进行轮廓提取,得到每粒玉米在400~1 000 nm共233个波段范围内的4个光谱特征,利用不同的特征及预处理方式结合偏最小二乘判别分析建立玉米种子的产地和年份鉴别模型。结果显示,利用最佳特征及预处理方式建立的玉米种子产地和年份鉴别模型中,训练集和测试集精度分别为99.11%和98.39%。研究结果表明,利用高光谱图像技术对玉米种子的产地和年份进行无损鉴别是可行的。     

玉米种子发芽率快速测定方法的研究

利用酶学原理检测玉米种子中过氧化氢酶(CAT)的活性,研究玉米种子中CAT活性与发芽率的相关性.相关分析表明,不同发芽程度以及不同性状的玉米种子中CAT的活性与发芽率之间存在极显著的正相关关系,相关系数r达到0.926以上.由此建立玉米种子中CAT活性与发芽率的关系表,该表揭示了两者之间的内在联系,可在实际应用中通过测定玉米种子中CAT的活性从而快速、方便、准确地估测种子发芽率,并在玉米种子储藏过程中对种子的质量进行监控.     

基于GoogLeNet的秦绣纹样的识别与分类研究

秦绣作品具有极强的地域特征和文化风格,其表现出的独特的艺术色彩相比于其他绣种更加强烈与鲜明。但是秦绣纹样的分类仍然依赖人工,这不利于秦绣文化的研究。针对这一问题,本文提出了一种基于GoogLeNet的秦绣纹样的识别与分类算法。首先,采用展览收集和走访个人收藏家收集到的大量秦绣作品照片进行处理所得到的数据集作为研究对象,基于神经网络算法对秦绣纹样的识别与分类进行研究。其次,选取GoogLeNet作为分类网络,提取丰富的秦绣图像特征信息,用于秦绣纹样分类。通过对神经网络的多次训练,降低了秦绣纹样分辨错误率。最后,构建了便捷的秦绣纹样分类系统,可以根据用户上传的图片实时输出识别出的秦绣纹样种类。本研究简化了秦绣纹样分类流程,对秦绣纹样的学术研究与秦绣文化的社会推广有着重要意义。     

基于深度学习的白酒酒花实时分类方法

目的:解决白酒传统摘酒方法“看花摘酒”的主观性和不稳定性,以及现有机器视觉酒花分类方法难以满足实时分类的问题。方法:轻量型YOLOv5以YOLOv5s作为初始模型,使用K-mean聚类的锚框取代默认锚框,以提高模型检测精度和稳定性,使用ShuffleNetV2网络替换YOLOv5s主干网络进行特征提取,以达到轻量化模型的目的,并增加CBAM注意力机制使模型更加关注酒花特征。结果:与YOLOv5s初始模型相比,轻量型YOLOv5模型占用内存减少92.5%,参数量减少93.7%,计算量降低63.4%,检测精度提升2.8%,FPS高达526。结论:轻量型YOLOv5降低了对硬件配置的要求,可以很好地实现酒花实时检测分类。     

基于特征融合的玉米品种识别

为了充分利用图像的多级尺度特征,同时发挥深度学习与传统特征各自在提取玉米图像深度特征和底层特征方面的优势,进一步提升玉米品种识别的准确率,提出一种基于特征融合的玉米品种图像识别方法。以苏玉10、京科968和正大619三个玉米品种为研究对象,制作数据集并标记类别标签,分别记为1、2、3。通过VGG16和ResNet50两种预训练网络来获取图像的深度特征,并与人工提取的特征进行融合得到新的玉米图像特征,输入到不同的分类器对玉米图像进行分类。实验结果表明,对特征进行融合相较于单一使用深度特征或传统特征具有更高的识别准确率,在三个玉米品种上分别达到99.58%、98.75%、99.17%,平均准确率为99.17%。     

基于Attention机制的图像应用

计算机视觉的进一步发展更多得益于人工智能的迅速崛起,引入Attention机制进行图像信息处理,使得模型具有可辨别的能力,同时Attention机制本身可视为一种对齐关系,用来解释句子以及句子的输入输出之间的对齐关系、图像间相互关联的部分,还可以用来解释句子和图像间学到的知识,为打开深度学习的黑箱提供了一个窗口,文章主要讲述了Attention机制的分类、原理及其在计算机视觉领域的应用。     

基于CBAM-InceptionV3迁移学习的食品图像分类

为提高食品图像自动识别分类的准确率,提出一种嵌入通道注意力机制和空间注意力机制的卷积块注意力模块(CBAM)的“开端”第三版(Inception V3)分类模型。将带有图像网络(ImageNet)预训练权重参数的InceptionV3模型拆分后,在每个Inception块后嵌入CBAM模块,再重新组装成新模型,共嵌入11个CBAM模块。将此模型用于经过填充和缩放到299×299像素的Food-101食品图像数据集进行迁移学习,最高准确率达到82.01%。与原始的InceptionV3模型相比,CBAM模块能够有效提升模型的特征提取和分类能力;同时迁移学习与从头开始训练相比也可以大幅提高准确率、缩短训练时间。与其它几类主流卷积神经网络模型进行对比实验,结果表明该模型具有较高的识别准确率,可为食品图像分类识别提供有力支撑。     

基于注意力机制的细粒度棉花颜色级检验方法研究

颜色是评价棉花质量的一项重要的外在指标。在现行标准GB 1103.1—2012《棉花第1部分：锯齿细绒棉》中,棉花颜色级检验分感官检验和HVI纤维快速测定仪逐样检验。但这两种方法都存在弊端,随着人工智能技术特别是基于深度学习的视觉检测技术的发展,基于注意机制的细粒度棉花颜色级智能检测方法受到重视,该方法的研究具有重要的理论和现实意义。     

基于网络药理学和分子对接探讨紫苏籽抗癌抗肿瘤的分子机制

采用网络药理学和分子对接的方法对紫苏籽成分、靶点、通路与癌症肿瘤的治疗进行系统研究。借助TCMSP、Genecards、Uniprot数据库收集紫苏籽成分、靶点以及癌症和肿瘤的靶点,使用Cytoscape软件构建紫苏籽成分、靶点与癌症肿瘤之间的网络图;通过STRING数据库进行蛋白互作网络分析,并借助DAVID平台进行GO功能和KEGG富集,采用Auto Dock将紫苏籽的活性成分和抗癌抗肿瘤靶点进行分子对接。结果表明：共筛选出紫苏籽抗癌抗肿瘤作用的靶点72个,对应17种有效成分。KEGG信号通路涉及的癌种包括膀胱癌、甲状腺癌、胰腺癌等。分子对接结果显示木犀草素和TP53对接活性最好。结论：该研究通过构建紫苏籽成分—靶点—疾病网络,挖掘紫苏籽抗癌抗肿瘤的关键靶点,并模拟靶点蛋白和活性成分的分子对接,为紫苏籽在临床应用及机制研究等方面提供了方向和思路。     

香樟籽油的响应面优化提取及体外抗氧化研究

以香樟籽为原料,研究香樟籽油的超临界CO2提取工艺及体外抗氧化活性。采用超临界CO2提取香樟籽油,利用响应面分析法优化其提取工艺,并对香樟籽油还原能力和DPPH·清除能力进行分析。香樟籽油超临界CO2萃取最佳工艺条件为CO2流量为36.1 kg/h,萃取压力为29.9 MPa,萃取时间为2.6 h,温度为49.3℃;香樟籽油具有较好的还原能力,明显高于对照组VC,而且对DPPH有较强清除能力,随着香樟籽油浓度的增加,其清除能力逐渐增强,明显高于对照组VC。超临界CO2萃取香樟籽油工艺稳定,可靠,而且香樟籽油具有抗氧化活性。     

The Effect of Wheat and Maize Flours Properties on the Expansion Mechanism During Extrusion Cooking

The expansion mechanism in the extrusion cooking process was investigated during maize and wheat flours processing in a twin-screw extruder. An experimental study of extrusion process was carried out at constant moisture and specific mechanical energy. The expansion phenomenon which consists in a growth phase followed by a shrinkage phase was observed through an image processing method and analyzed by use of classical expansion indices: sectional, longitudinal and volumetric expansion indices. It was found that the maximum expansion is obtained with maize flour and that the difference in composition between maize and wheat flours has an impact on the expansion mechanism. Image analysis method enabled to obtain an instantaneous measurement of the growth and shrinkage parameters and appeared as useful tool to characterise expansion in function of extrusion conditions. A model based on the bubble growth in a viscous medium was proposed to analyze this expansion phenomenon. It enabled to study the evolution of expansion rates in function of the characteristic times of the problem: the bubble formation characteristic time and the maximum expansion time in both radial and longitudinal directions.     

葡萄籽预处理方式对葡萄籽油SCF-CO_2萃取率的影响

利用SCF-CO2萃取技术萃取葡萄籽油,主要研究了葡萄籽预处理方式对葡萄籽油萃取率的影响。试验结果表明,在本实验条件下最佳预处理条件为葡萄籽粒度40目,水分含量4.5%左右,而且湿蒸处理可以显著提高萃取率和油脂品质。     

基于梳理机纺制植生纱的研究与开发

在FNT-18梳理机上设计开发了一种新型纱线———可植入草种的粗纱的生产装置,该装置可以将草种加入到纱线中从而生产出新型草坪种植材料即植生纱。实际生产证明,该装置生产的植生纱性能良好,生产方法稳定可靠,具有创新性。     

基于改进Hough变换的指针式仪表自动识别方法研究

在对指针式仪表进行识别的过程中,Hough变换被广泛应用于检测指针的位置,但其存储空间大、计算时间长的缺点让识别的过程效率降低很多。针对传统Hough变换的缺点提出了一种改进的Hough变换,通过减小Hough变换的搜索范围来减小其存储空间和计算量,利用指针与表盘圆心之间的关系限定了Hough变换的累加量,从而大大减少了计算时间。将改进的Hough变换应用于指针式仪表的识别中,与传统的Hough变换识别速度进行了比较。实验结果表明:改进后的Hough变换可有效减少计算时间,提高识别效率。     

南瓜子油的超临界CO_2流体萃取研究

应用超临界CO2 萃取技术 ,研究了南瓜子油的提取工艺 ,着重探讨了原料预处理、萃取压力、温度、萃取时间、CO2 流量对油脂萃取率的影响 ,优化了工艺条件 :压力 3 0MPa ,温度 45℃ ,时间 2 .5h ,CO2 流量 2 5kg/h。利用GC/MS分析了南瓜子油的成分组成 ,比较了超临界CO2 萃取的油样和乙醚萃取油样的理化性质。     

超临界CO-2萃取茶叶籽油

采用微波加热茶叶籽仁粉,用超临界CO2萃取茶叶籽油,探讨了超临界CO2萃取茶叶籽油适宜工艺参数。实验结果表明:在萃取温度60℃、萃取压力30 MPa,萃取时间100 min,CO2流量45～55 kg/h条件下,油脂提取率为94.1%,并测定了茶叶籽油的理化性质及脂肪酸组成。