针对土壤染色图像色度不一致、染色/非染色区域对比度低的特点,以及现有土壤染色图像分割方法自动化程度弱的问题,该研究提出一种土壤优先流自动分割与量化系统。该系统采用基于H分量改进的模糊C均值方法(Fuzzy C-Means Based on H Comp...
详细信息
针对土壤染色图像色度不一致、染色/非染色区域对比度低的特点,以及现有土壤染色图像分割方法自动化程度弱的问题,该研究提出一种土壤优先流自动分割与量化系统。该系统采用基于H分量改进的模糊C均值方法(Fuzzy C-Means Based on H Component and Morphology,HM-FCM)实现染色区域的自动分割,运用数学统计法提取总染色面积比、基质流深度、优先流比等特征参数,实现对土壤染色区域的量化分析,以揭示优先流的发育程度。并基于2种林地染色图像验证了系统性能。试验结果表明:1)HM-FCM法对于天然次生林和榛子林图像均具有最佳分割效果,其分割准确率为87.9%和83.3%,调和平均值为90.5%和80.3%;2)2种林地土壤染色区域总体集中于0~50 cm土层,优先流具有不同发育程度(P<0.05)。该系统可为优先流路径的空间演变提供技术支持和理论依据。
酶功能的识别对理解生命活动的机制、推进生命科学的发展有重要作用。然而现有的酶EC编号预测方法,并未充分利用蛋白质序列信息,在识别精度上仍有所不足。针对上述问题,本研究提出一种基于层级特征和全局特征的EC编号预测网络(EC number prediction network using hierarchical features and global features,ECPN-HFGF)。该方法首先通过残差网络提取蛋白质序列通用特征,并通过层级特征提取模块和全局特征提取模块进一步提取蛋白质序列的层级特征和全局特征,之后结合两种特征信息的预测结果,采用多任务学习框架,实现酶EC编号的精确预测。计算实验结果表明,ECPN-HFGF方法在蛋白质序列EC编号预测任务上性能最佳,宏观F1值和微观F1值分别达到95.5%和99.0%。ECPN-HFGF方法能有效结合蛋白质序列的层级特征和全局特征,快速准确预测蛋白质序列EC编号,比当前常用方法预测精确度更高,能够为酶学研究和酶工程应用的发展提供一种高效的思路和方法。
准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3(You Only Loo...
详细信息
准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3(You Only Look Once v3,YOLOv3)和SORT(Simple Online and Realtime Tracking,SORT)的云杉数量统计方法。主要内容包括数据采集、YOLOv3检测模型构建、SORT跟踪算法和越线计数算法设计。以平均计数准确率(Mean Counting Accuracy,MCA)、平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)和帧率(Frame Rate,FR)为评价指标,该方法对测试集中对应6个不同试验地块的视频内云杉进行数量统计的平均计数准确率MCA为92.30%,平均绝对误差MAE为72,均方根误差RMSE为98.85,帧率FR 11.5帧/s。试验结果表明该方法能够快速准确统计完整地块的云杉数量。相比SSD+SORT算法,该方法在4项评价指标中优势显著,平均计数准确率MCA高12.36个百分点,帧率FR高7.8帧/s,平均绝对误差MAE和均方根误差RMSE分别降低125.83和173.78。对比Faster R-CNN+SORT算法,该方法在保证准确率的基础上更加快速,平均计数准确率MCA仅降低1.33个百分点,但帧率FR提高了10.1帧/s。该研究从无人机航拍视频的角度为解决完整地块的苗木数量统计问题做出了有效探索。
暂无评论