基于语义分割和可见光谱图的作物叶部病斑分割方法

病害严重影响作物品质,并造成经济损失。病斑分割是病害定量诊断的重要过程,其分割结果可为后续的识别和严重度估算提供有效依据。由于病斑具有不规则性和复杂性,且自然环境下病斑可见光谱图像易受光照变化等影响,传统的图像处理方法对病斑图像分割存在准确率低、普适性低和鲁棒性不高等问题。该工作提出了基于语义分割和可见光谱图像的作物叶部病害病斑分割方法。首先,以花生褐斑病、烟草赤星病为研究对象,使用尼康D300s单反相机共采集到165张可见光谱图像。通过Matlab Image Labeler APP对病害可见光谱图像进行像素标记,分别标记出褐斑病病斑、赤星病病斑和背景区域。其次,对标记后的数据采用水平翻转、垂直翻转、改变亮度等图像扩充方式,获得1 850份增强后样本数据集。为了节约计算成本,将数据集的像素分辨率调整为300×300。最后,基于FCN, SegNet和U-Net 3种语义分割网络,构建4种作物叶部病害病斑分割模型,探索了数据增强、病害类别对病斑分割模型的影响,并采用4种分割指标评价模型效果。结果表明：仅对于病斑分割,图像增强能够提高模型的分割精度,增强后FCN模型的平均精度(MP)和平...     

可见光光谱和机器学习的温室黄瓜霜霉病严重度定量估算

温室黄瓜霜霉病严重度的准确估算是科学防治霜霉病的前提条件,对于减少农药使用量、提升温室黄瓜品质和农民经济效益具有重要意义。机器学习在植物病害诊断领域的应用越来越广泛,已经取得了丰富的研究成果,病害严重程度的估算萌发了新的思路。利用霜霉病可见光图像并结合机器学习方法,开展温室黄瓜霜霉病严重度快速准确定量估算研究。利用数码相机采集温室黄瓜霜霉病叶片图像并进行预处理,剔除病害图像的背景。以黄瓜霜霉病叶片图像为输入,构建基于卷积神经网络(CNN)的估算模型。利用可见光光谱颜色特征(CVCF)结合支持向量机进行温室黄瓜霜霉病病斑图像分割,采用SURF(speeded up robust features)特征及形态学操作对分割结果进行优化。在获取黄瓜霜霉病病斑分割图像后,提取病斑图像RGB, HSV, L~*a~*b~*, YCbCr和HSI共5个颜色空间15个颜色分量的平均值和标准差2个颜色特征,以及在此基础上结合灰度共生矩阵提取各颜色分量的对比度、相关性、熵和平稳度4个纹理特征,共计90个特征;利用Pearson相关性分析进行特征优选,采用与温室黄瓜霜霉病严重程度实际值相关性高的图像特征构建浅层机器学习估算模型,包括支持基于向量机回归(SVR)的估算模型和基于BP神经网络(BPNN)的估算模型。基于以上3种估算模型开展黄瓜霜霉病严重度定量估算,采用决定系数(R^2)和归一化均方根误差(NRMSE)对估算模型准确率进行定量评价。结果表明,模型估算的温室黄瓜霜霉病严重度与实际值之间具有良好的线性关系,其中,基于CNN的估算模型准确率最高,模型的R^2为0.919 0, NRMSE为23.33%,其次是基于BPNN的估算模型,其R^2为0.890 8, NRMSE为24.64%,基于SVR的估算模型的准确率最低,其R^2为0.8901, NRMSE为31.08%。研究结果表明,利用黄瓜霜霉病可见光图像数据,结合卷积神经网络估算模型,实现了温室黄瓜霜霉病严重度的准确估算,能够为温室黄瓜霜霉病的科学防治提供参考,提高病害防治效率,减少农药使用。     

补白4则

浙江省高师院校分析数学高级研讨班在宁波大学举行 本着为浙江省各高师院校培养年轻的科研、教学人员,营造良好的科研环境和合作条件,发挥主动创新精神和团队合作精神,形成一个在国际水平上处于领先的学术团体奠定基础的宗旨,受浙江省高师师资培训中心委托,由宁波大学数学研究所主办的省高师院校分析数学高级研讨班于2000年10月1 7～20日在宁波大学举行,来自浙江师范大学、宁波大学、湖州师范学院、杭州电子工业学院、绍兴文理学院、丽水师专、台州师专、宁波万里学院、宁波教育学院等单位共10余名分析数学的教师,参加了这次学术活动． 研讨班由宁波大学周颂平教授、浙江师范大学徐宪民教授、湖州师范学院胡璋剑教授主讲．还特邀了中国老一辈的著名数学家徐利治先生作了主题报告--如何写作数学论文、二十世纪至二十一世纪数学的回顾和展望;中国科学院计算数学研究所陈翰麟教授、南京大学郑维行教授、杭州电子工业学院裘松良教授也作了学术报告． 通过此次研讨活动,大家一致认为共同的合作研讨是非常必要的,希望能为浙江省数学发展作出实质性的贡献． 国家973项目"放射性核束物理和核天体物理"学术会议在我校举行 由宁波大学理学院院长沈文庆院士牵头的国家973项目"放射性核束物理和核天体物理"学术会议2000年11月4～6日在宁波大学举行．参加这次会议的有国家科技部、中科院上海原子核所、中国工程物理研究所、中科院兰州近代物理所、中科院上海原子能所、国家自然科学基金委数理学部、中科院基础局大科学工程处、北京大学、清华大学等单位的代表,杨福家、胡仁宇、沈文庆、张焕乔四位院士到会．沈文庆院士作为973项目"放射性核束物理和核天体物理"的首席科学家,主持了这次会议． 会议主要报告了973项目的总体和各子课题的科学目标、具体物理内容、预期成果和困难、安排国内外实验情况;对实现物理目标的不同技术路线、对束流要求、探测设备的要求进行了讨论．对国内外放射性核束物理和核天体物理的研究现状作了比较,要求理论和实验的相互联系,973项目课题和非973项目课题的联系,加强与世界其他国家的合作． 会上,四位院士对科学的发展、物理学的现状作了精彩的演讲,论述了核物理研究对国民经济的发展、国家安全以及其他领域的科学研究的意义和作用,对我国目前的核物理研究提出了建议,对年青一代科学家提出期望．其他学者也对973项目的组织工作提出了许多建议． 这次会议是国内"放射性核束物理和核天体物理"领域最高级别的学术会议,它在宁波大学的召开,对宁波大学提高科研水平、了解科学发展最新动态、开展对外学术交流有着积极的意义．会议期间,杰出年青科学家、长江计划学者、北京大学教授孟杰受聘为宁波大学兼职教授． (宁波大学理学院供稿) 《红楼梦》与医学--红楼文化散论之二十 《红楼梦》是我国惟一有资格称为"百科全书式"文化小说之作．"百科",自然包括医学,而且在书中所占比重颇大．它所涉及的医学知识和医疗技术不但比重颇大,而且颇有精湛、独特之处．全书120回,约有80回写及医药保健之学(写及两次以上者至少有30回)．80回书中有100余处写到药名方剂、丹膏丸散、医疗保健用具(200种以上),共约10万字． 《红楼梦》写的医学主要是中医(但也有几处涉及西医西药,如依弗哪、汪恰洋烟、鼻烟、玻璃眼镜等)．涉及的医学学科有内科、外科、妇科、儿科、伤科、眼科、五官科、皮肤科、针灸、推拿、按摩、法医、精神科、传染病和食疗、理疗、保健养身等等．小说家不但描写了种种医疗技术、药物、医疗器具,还写了医德在医疗中的作用和地位,更有多处涉及医药学之理论,从而表明小说家对医药学是颇有造诣的．这些医药学的知识、技术和理论,大部分又都是有古代医学名著作依据的．作者多次精辟地运用了中医学之精华--辨证论治原理,多次娴熟地运用了中医学的四诊八纲、阴阳虚实的理论体系．这在中国古今文学史上,可以说是极为罕见的．作为小说家,他们(包括曹雪芹和高鹗等人)能将医药学研究、医疗实践和医德评价紧密而又精妙地结合起来,在小说情节展开、人物活动中自然而然地展现出来,从而使读者在享受其艺术美之同时,又能习得多种医药知识,不能不令人惊叹、敬佩．为此,认为曹雪芹是一位值得研究的医学家,似乎并不为过． 自然,曹雪芹毕竟是生活于200余年前的文学家,受医学科学发展的限制,在有关的医学描写中是有失误之处的．比如第8回、62回写及以茶解酒,现代医学证明,这是不科学的．虽然大量饮茶可以促使酒中的乙醛从小便中排出,但乙醛的分解需很长时间;而且醉酒后大量饮茶损害肾脏,影响肾功能的正常发挥．故此解酒之法是不可取的．不过,我们是不能以现代科学苛求曹雪芹的． 酸梅汤与外伤治疗--红楼文化散论之二十一 《红楼梦》第33回描写贾宝玉遭到贾政的毒打致伤后,气血瘀结,伤重处发炎、肌肉腐败,因之贾宝玉既深感疼痛又觉得热如火烤,"只嚷干渴,要喝酸梅汤"。但袭人对前来探看宝玉的薛宝钗说："我想酸梅是个收敛东西,刚才挨打,又不许叫喊,自然急的热毒热血未免存在心里,倘或吃下这个去,积在心里,再弄出病来,哪可怎么样呢?因此,我劝半天才没吃。" 酸梅汤是消暑解渴的一种传统饮料,古人的著作中多所记述,如郝懿行的《证俗文》、富察敦崇的《燕京岁时记》、杨敬亭的《都门杂咏》、静香居主人的《都门竹枝词》等著作中,均有较为具体的记述,但曹雪芹却从医学角度写了酸梅汤。他通过人物对话让人们知道：有严重创伤的人,即使口渴干热,也是不能喝酸梅汤的。这是伤科治疗中不可忽视的一种禁忌。我曾为此请教一位中医,他告诉我：像贾宝玉这种情况,治疗原则是："宜行血不宜止血。除了外敷、内服化瘀药物之外,饮食方面也需要有所禁忌,确实不宜喝杨梅汤。杨梅汤具有收敛性,喝了不利于化解瘀血。"所以,细心的袭人"劝了半天",终于未让宝玉喝杨梅汤。这虽是小说中不易被读者注意的细节,但却是有其医学依据的。由此,可以窥见曹雪芹医疗知识渊博之一斑。 (斯迈)     

基于可见光光谱分析的黄瓜白粉病识别研究

白粉病是黄瓜常见病害之一,传播速度极快,严重时可造成黄瓜大量减产,对其进行快速准确识别,对黄瓜白粉病诊断和防治具有重要意义,应用可见光谱技术,结合主成分分析和支持向量机算法,实现对黄瓜白粉病的快速识别。配制白粉病菌孢子悬浮液,并人工接种于科研温室内的黄瓜叶片上,以诱发黄瓜白粉病,待白粉病有一定面积暴发后,利用海洋光学USB2000+型便携式光谱仪对黄瓜叶片光谱信息进行采集,利用五点取样法采集样本,在5个检查点,每点选取2株黄瓜进行调查,每株选取4枚感病叶片,每枚叶片随机选取5个感病区域进行光谱采集,共计采集200个感病叶片光谱样本,同样采集200个健康叶片样本作为对照。通过Ocean Optics Spectra-Suite软件采集漫反射标准白板信息和光谱仪暗电流实现光谱仪校正,调节积分时间、扫描次数以及平滑度等参数来实现光谱曲线平滑处理,以有效抑制光谱噪声,对光谱特征进行分类识别,去掉首尾噪声较大的波段,保留光谱的可见光波段进行研究,最终选取450~780 nm波段范围作为研究对象。利用主成分分析对所研究波段范围内的高维光谱数据（947维）进行降维处理,根据主成分的累计贡献率,选取前5个主成分作为分类模型的输入,以白粉病和健康叶片的判别结果作为输出,利用支持向量机算法,通过对样本的分类学习训练构建黄瓜白粉病和健康叶片的分类识别模型,随机选取120个样本作为训练集用于分类模型构建,其余80个样本作为测试集用于模型检验,并通过选取不同的核函数来获得最优模型。利用混淆矩阵对分类识别模型的准确率进行评价,当选取径向基核函数时,分类识别模型对黄瓜健康叶片和白粉病叶片的识别准确率最高,分别为100%和96.25%,总准确率为98.125%,具有较高的准确率。结果表明,利用可见光光谱信息并结合主成分分析和支持向量机算法,可以实现对黄瓜白粉病的快速准确识别,为黄瓜病害诊断提供了方法和参考依据。     

《高等学校化学学报》征稿简则

《高等学校化学学报》是中华人民共和国教育部主办的化学学科综合性学术期刊,除重点报道我国高等学校师生基础研究和应用研究方面具有创造性的研究成果外,还积极报道中国科学院及其他研究机构所属研究人员的最新成果。1　栏目设置1.1　学术论文　报道学术水平高、社会效益或经济效益大并具有创新性的研究成果。全文(包括图、表、参考文献、中英文摘要及关键词等)一般在6000字左右。1.2　研究快报　及时报道重要研究领域和学科发展前沿的领先成果(来稿时请附发表快报理由,刊登后仍可发表论文),全文限3000字以内,不列中文摘要,英文摘要内容应…     

初相确定浅谈

在理论力学和普通物理学习题中,有一类求解谐振动方程的题目。所谓求解振动方程,是要将决定振动的三个特征量振幅A、角频率　、初相　求出具体的数值来。其中求A和较易,而如何正确地确定初相　显得较难。经研究,一般求初相　的方法我认为可分为分析法、分析几何综合法、几何法三种。下面就逐一论述介绍。 (一)分析法:根据谐振动方程的余弦表达式不难得到解析式:共中　为初相;v0为初速度;x0为初位移;为角频率。原则上,根据(1)式可决定振动初相。但是,一般说来,在0与2之间的角度中,有两个值的正切函数相同,即由 (1)式可以得出两个　值,而共中…     

可见光光谱的冬小麦苗期地上生物量估算

地上生物量是表征冬小麦苗期长势的重要参数之一,对于监测冬小麦苗期长势,预测产量具有重要的实际意义。目前,通过计算光谱指数进行生物量估算是冬小麦苗期地上生物量无损测量的主要方法,但该方法需要一定的平台支撑,在便捷性方面存在一定的不足。为此,利用可见光图像数据获取方便、准确率高的特点,基于冬小麦苗期冠层可见光图像数据开展冬小麦苗期地上生物量估算研究。采用数码相机,采集冬小麦苗期冠层可见光图像并利用Canopeo进行冬小麦冠层与背景的分割。在获取冠层分割图像后,提取了CC（canopy cover）、ExG（excessg reen）、ExR（excess red）、ExGR（ExG-ExR）、NGRDI（normalized green-red difference index）、GLI（green leaf index）、RGRI（red-green ratio index）和RGBVI（RGB vegetation index）共8个可见光图像特征。利用相关性分析进行特征优选,选择与冬小麦苗期地上生物量实测数据相关性较高的图像特征构建估算模型。利用优选的图像特征,分别构建偏最小二乘回归（PLSR）、BP神经网络（BPNN）、支持向量机回归（SVR）和随机森林（RF）模型,开展冬小麦苗期地上生物量估算研究,并定量分析特征数量和播种密度对估算模型准确率的影响。结果表明,ExR,GLI和RGBVI与生物量实测数据相关性较低,因此,将这3个特征剔除。CC,ExG,ExGR,NGRDI和RGRI与生物量实测数据的相关性较高,其中CC,ExG和ExGR与生物量实测数据呈正相关,而NGRDI和RGRI与生物量实测数据呈负相关。利用优选的图像特征构建估算模型,研究结果表明,基于优选的5个图像特征,PLSR的估算准确率最高,模型R2为0.801 5,RMSE为0.0788 kg·m-2,表明PLSR能够实现冬小麦苗期地上生物量的准确估算。特征数量是影响估算模型准确率的因素之一,随着特征数量的减少,模型估算的准确率逐步下降。利用不同播种密度数据集对估算模型进行测试,结果表明,PLSR在不同的播种密度数据集上均取得了最高的估算准确率,模型R2分别为0.897,0.827 9和0.788 6,RMSE分别为0.062,0.072和0.079 1 kg·m-2,表明PLSR估算的冬小麦苗期地上生物量数据与实测生物量数据之间具有良好的相关关系。随着播种密度的增加,所有估算模型的准确率均出现下降,而PLSR的准确率下降程度最小。由此可见,基于可见光图像数据,能够实现冬小麦苗期地上生物量的准确估算,为冬小麦苗期田间管理提供参考。     

可见光谱图像联合区间的黄瓜白粉病分割与检测

黄瓜白粉病是黄瓜病害中爆发频率较高的一种,传播速度极快,常常导致产量降低,无法获得预期的经济效益。特别是在病害爆发严重的年份,黄瓜减产量高达20%。提出了一种基于可见光谱图像联合区间的偏最小二乘回归判别模型（SI-PLSR）,用于黄瓜白粉病无损检测。采用Canon EOS 800D和Ocean Optics USB2000+光纤光谱仪采集了200个黄瓜白粉病感病叶片的可见光谱图像和反射率曲线。首先,采用基于小波降噪和H分割的分水岭分割算法从实时采集的黄瓜白粉病感病叶片可见光谱图像中提取目标叶片;其次,通过高斯拟合优化的Otsu算法分割目标叶片的可见光谱图像,获取白粉病病斑;然后,对350~1 100 nm全波段光谱反射率曲线建立偏最小二乘回归模型并计算交叉验证均方根误差RMSE_CV,同时将全波段等分为20个子区间,分别建立偏最小二乘回归模型,选取RMSE_CV小于全波段反射率曲线建模RMSE_CV的子区间组成联合区间;最后,将光谱联合区间与白粉病病斑分割结果融合建立SI-PLSR模型。从实验结果可知,感病目标叶片的提取成功率高达94.00%,200幅感病叶片可见光谱图像中成功提取188幅,其中157幅目标叶片的完整性参数高于95%,31幅目标叶片完整性参数在90%~95%之间。188幅目标叶片的病斑分割结果显示,平均错分率为5.81%,其中平均False negative为1.55%,平均False positive为4.26%。对20个子区间分别建立偏最小二乘回归模型发现,第5,6,7,11,12,13和19子区间的RMSE_CV值小于全波段光谱反射率曲线建模的RMSE_CV值,说明这7个子区间的光谱信息对白粉病的判别有较大的贡献,这与呈现波峰的470~520,530~580和700~780 nm波段相对应,因此选取这7个子区间的光谱反射率曲线建立联合区间。对联合区间建立SI-PLSR模型,其主成分数为7,校正集和验证集的相关系数和标准误差分别是0.975 2,0.907 3和0.919 5,1.091。与全波段PLSR模型相比,SI-PLSR的相关系数更接近于1,且标准误差更小。结果表明,所提出的SI-PLSR模型有效去除了可见光谱数据中冗余信息,加强了模型的稳定性,可以实现对黄瓜白粉病的快速无损准确识别,为黄瓜病害诊断提供了方法和参考依据。     

基于可见光谱与轻量级卷积神经网络的冬小麦分蘖数估算

分蘖数是表征冬小麦生长的关键性参数,对于冬小麦苗情监测、产量预估具有重要意义。针对目前冬小麦分蘖数估算方法存在的数据获取繁复和估算模型体量大的问题,提出一种基于可见光图像和轻量级卷积神经网络的冬小麦分蘖数估算方法,以期实现冬小麦分蘖数无损快速估算,并且可嵌入移动终端设备。可见光图像具有获取便捷,处理简单的特点,利用数码相机连续采集2017年—2018年和2018年—2019年两个生长季的冬小麦冠层可见光图像。利用该数据图像,分别构建基于轻量级卷积神经网络MobileNetV2,SqueezeNett,ShuffleNet的冬小麦分蘖数估算模型进行比较试验,并与基于非轻量级卷积神经网络AlexNet和ResNet系列构建的估算模型进行对比试验。开展冬小麦分蘖数估算模型针对不同植株密度数据的鲁棒性以及针对不同生长季数据的泛化能力的验证试验。结果表明,基于MobileNetV2构建的冬小麦分蘖数估算模型的决定系数（R2）为0.7,归一化均方根误差（NRMSE）为0.2,在三个轻量级卷积神经网络中具有最优表现;基于非轻量级卷积神经网络构建的冬小麦分蘖数估算模型体积是基于MobileNetV2构建的冬小麦分蘖数估算模型的2.3~16.1倍。与非轻量级卷积神经网络相比较,基于MobileNetV2构建的估算模型在具有较好R2的同时有较小的体量,适宜嵌入移动终端设备;针对120,270和420 株·m-2三个不同植株密度的可见光图像数据集,基于MobileNetV2构建的冬小麦分蘖数估算模型的R2分别为0.8,0.8和0.7,表现鲁棒;针对两个生长季的可见光图像,基于MobileNetV2构建的冬小麦分蘖数估算模型通过迁移学习将R2提升了2倍,NRMSE下降了7.6%,表现出对数据季节性差异较好的适应性,体现了模型的泛化能力。利用可见光图像,基于MobileNetV2构建的估算模型能够满足冬小麦分蘖数估算需求,为冬小麦生长观测以及田间农艺措施管理决策提供了一个准确、鲁棒、可嵌入移动终端设备的工具。     

可见光光谱和支持向量机的温室黄瓜霜霉病图像分割

针对温室现场环境下采集的黄瓜霜霉病叶片图像中存在光照不均匀和背景复杂的问题,提出了一种基于可见光光谱和支持向量机的温室黄瓜霜霉病图像分割方法。首先,提出了一种基于可见光谱的颜色特征CVCF(combination of three visible color features)及其检测方法,该颜色特征将超红特征(excess red,ExR)、H分量和b*分量三种颜色特征结合,通过设置ExR参数,降低光照条件对ExR的影响,克服了光照不均匀对病斑分割的影响。在CVCF的基础上,结合基于径向基核函数的支持向量机分类器,通过优化分类器参数构建病斑分割模型,获得了温室黄瓜霜霉病图像初始分割结果。在初始分割结果基础上,采用SURF(speeded up robust features)特征及形态学操作,对分割结果进一步优化,消除背景噪声对分割结果的影响,从而获得最终病斑分割结果。为进一步验证方法的有效性,选择了OTSU算法、K均值聚类算法和决策树算法,作对比研究。结果表明,OTSU+H*0.2,K-means+H+b*,DT+H+b*和该研究算法的错分率分别为：19.44%,40.19%,16.27%和7.37%,该算法对温室现场环境下采集的黄瓜霜霉病图像的分割效果明显优于其他对比方法。该方法能够充分克服光照不均匀和复杂背景的影响准确地提取病斑,为病害识别提供了良好的数据来源。