基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法

【目的】探究深度学习在草地贪夜蛾Spodoptera frugiperda成虫自动识别计数上的可行性,并评估模型的识别计数准确率,为害虫机器智能监测提供图像识别与计数方法。【方法】设计一种基于性诱的害虫图像监测装置,定时自动采集诱捕到的草地贪夜蛾成虫图像,结合采集船形诱捕器粘虫板上草地贪夜蛾成虫图像,构建数据集;应用YOLOv5深度学习目标检测模型进行特征学习,通过草地贪夜蛾原始图像、清除边缘残缺目标、增加相似检测目标(斜纹夜蛾成虫)、无检测目标负样本等不同处理的数据集进行模型训练,得到Yolov5s-A1, Yolov5s-A2, Yolov5s-AB, Yolov5s-ABC 4个模型,对比在不同遮挡程度梯度下的测试样本不同模型检测结果,用准确率(P)、召回率(R)、F1值、平均准确率(average precision, AP)和计数准确率(counting accuracy, CA)评估各模型的差异。【结果】通过原始图像集训练的模型Yolov5s-A1的识别准确率为87.37%,召回率为90.24%,F1值为88.78;清除边缘残缺目标图像集训练得到的模型Yolov5s-A2的识别准确率为93.15%,召回率为84.77%,F1值为88.76;增加斜纹夜蛾成虫样本图像训练的模型Yolov5s-AB的识别准确率为96.23%,召回率为91.85%,F1值为93.99;增加斜纹夜蛾成虫和无检测对象负样本训练的模型Yolov5s-ABC的识别准确率为94.76%,召回率为88.23%,F1值为91.38。4个模型的AP值从高到低排列如下：Yolov5s-AB>Yolov5s-ABC> Yolov5s-A2>Yolov5s-A1,其中Yolov5s-AB与Yolov5s-ABC结果相近;CA值从高到低排列如下：Yolov5s-AB>Yolov5s-ABC>Yolov5s-A2>Yolov5s-A1。【结论】结果表明本文提出的方法应用于控制条件下害虫图像监测设备及诱捕器粘虫板上草地贪夜蛾成虫的识别计数是可行的,深度学习技术对于草地贪夜蛾成虫的识别和计数是有效的。基于深度学习的草地贪夜蛾成虫自动识别与计数方法对虫体姿态变化、杂物干扰等有较好的鲁棒性,可从各种虫体姿态及破损虫体中自动统计出草地贪夜蛾成虫的数量,在害虫种群监测中具有广阔的应用前景。     

Adaboost算法研究土壤微量元素含量与白血病的关系

目的：本文使用数据挖掘方法研究土壤中微量元素和白血病的相关性。方法：使用CFS-Adaboost算法研究我国29个省、市、自治区白血病死亡率的统计数据和土壤中微量元素含量的对应关系。结果：从29种微量元素中发现了13种微量元素与白血病相关,其中砷（As）的相关性较为明显。基于该13种微量元素,建立了土壤中微量元素和白血病致死率的数学模型,该模型的预报准确率可达到89.7%。结论：土壤中微量元素的含量与白血病有一定关系,其中砷（As）元素含量与白血病死亡率较为密切,这与近年文献报导的少量氧化砷治疗白血病效果显著相符合。以上研究发现,可以为研究土壤中微量元素和白血病的关系提供参考,对白血病的防治工作具有一定意义。     

Adaboost算法研究土壤微量元素含量与白血病的关系(英文)

目的:本文使用数据挖掘方法研究土壤中微量元素和白血病的相关性。方法:使用CFS-Adaboost算法研究我国29个省、市、自治区白血病死亡率的统计数据和土壤中微量元素含量的对应关系。结果:从29种微量元素中发现了13种微量元素与白血病相关,其中砷(As)的相关性较为明显。基于该13种微量元素,建立了土壤中微量元素和白血病致死率的数学模型,该模型的预报准确率可达到89.7%。结论:土壤中微量元素的含量与白血病有一定关系,其中砷(As)元素含量与白血病死亡率较为密切,这与近年文献报导的少量氧化砷治疗白血病效果显著相符合。以上研究发现,可以为研究土壤中微量元素和白血病的关系提供参考,对白血病的防治工作具有一定意义。     

拟结晶投料环氧黄体酮犁头霉羟化过程研究

环氧黄体酮羟化产物是多种甾体激素药物的中间体,其11-羟化过程利用犁头霉(Absidiacoerulea)所得转化率远高于其他菌株。采用拟结晶投料方式,将环氧黄体酮颗粒细化后加一定量水,β-环糊精,吐温-80,超声波乳化后投入发酵液中。这种投料方式可避免传统投料中使用有机溶剂毒害细胞的缺点,更利于底物转化。采用多层前传神经网络建立培养基和投料成分配比与转化率关系模型,并将具有全局寻优性能的粒子群优化算法(PSO)应用于培养基和投料成分配比的优化,收敛速度快,效果好。在优化的操作条件下,摇瓶中投料浓度为10g/L时底物转化率达到87.5%,在3.7L发酵罐中投料浓度提高到20g/L时底物转化率仍高达86.6%。     

基于量子进化算法的RNA序列-结构比对

多序列比对是计算分子生物学的经典问题,也是许多生物学研究的重要基础步骤．RNA作为生物大分子的一种,不同于蛋白质和DNA,其二级结构在进化过程中比初级序列更保守,因此要求在RNA序列比对中不仅要考虑序列信息,更要着重考虑二级结构信息．提出了一种基于量子进化算法的RNA多序列-结构比对程序,对RNA序列进行了量子编码,设计了考虑进结构信息的全交叉算子,提出了适合于进行RNA序列-结构比对的适应度函数,克服了传统进化算法收敛速度慢和早熟问题．在标准数据库上的测试,证实了方法的有效性．     

多需求鱼池定价问题

本文考虑了多需求下的鱼池定价问题．假设有m个鱼池可供投放鱼类种群,n个顾客需要使用鱼池,每个顾客有多个鱼类种群需要投放到至多m个鱼池中去．鱼池所有者根据顾客的需求和报价进行重新定价和最终分配,在满足部分顾客的全部需求下最大化其收益．文中考虑了两种定价机制-单一定价和按比例定价．并结合背包算法,在按比例定价情形下设计了具有对数竞争比的算法,最大化鱼池所有者的收益．     

基于模拟退火法由脑磁图推测电流偶极子参数

利用模拟退火（Ｓｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ） 算法,由脑磁图（ ＭＥＧ） 数据反演脑内作为磁源的单电流偶极子参数,可以得到理想的结果。在上述工作的基础上,对脑内多电流偶极子参数的反演,则呈现如下状况：即以少于实际源数目的偶极子为源假设反演,目标函数得不到极小优化。反之,目标函数可以得到极小优化, 但出现多余的伪偶极子, 且这些伪偶极子在多次不同条件的反演结果中,处于不稳定状态。若将多次反演结果中处于不稳定状态的偶极子作为伪偶极子的判据而将其排除,则可以得到一种判断磁源偶极子数目的方法     

基于启发式A^＊算法的超声图像颈动脉内膜提取

从超声图像准确提取颈动脉内膜,为基于颈动脉超声图像判断动脉粥样硬化服务。方法提出一种基于启发式A*算法从超声图像中提取颈动脉内膜边缘的方法。先使用图像分割法区分血管腔和血管壁,再采用结合图像灰度值特点的A*算法准确地提取颈动脉内膜边缘。结果通过对临床采集的32幅颈动脉超声图像的分析研究,表明本方法自动提取的结果与医生手工描绘的结果基本吻合。结论本方法有望应用于超声图像颈动脉内膜的自动提取。     

动态规划算法对GenoCAD设计结果的优化

GenoCAD(www.genocad.com)是一种基于Web的免费合成生物学设计软件,用它可以进行表达载体及人工基因网络设计。持续点击代表各种合成生物学标准“零件”的图标,以一种语法进行设计,最后就可以得到由数十个功能片段组成的复杂质粒载体。但是在GenoCAD中,每一类的合成生物学标准“零件”数量众多。随着这些标准“零件”的不断开发,其数量也在进一步增加,目前选择合适的“零件”组装成功能性的质粒载体费时费力并且容易发生错误。在进行载体设计的最后阶段,从众多的“零件”中选择合适的往往比较困难。为解决这一问题,本文采用了自然语言处理的统计语言模型,它最初用于自然语言识别,用来估算一组词串成为一个正确语句的概率的大小。本文最后以该模型为基础应用动态规划算法优化质粒载体设计,从众多的选项中找出最优者。利用这一方法可以减少进行生物学实验的冗余操作,从而减少载体构建过程中的花费。