米象、玉米象生物学的研究(初报)

米象、玉米象是毁灭性的仓库害虫。在我国,普遍发生的仓库害虫是玉米象。近年来,米象由国外传入我国后,也有逐渐扩大危害范围的趋势。这些害虫常发生在粮食、中药材、外贸、食品、农副土特产品仓库及其加工厂和购销站(店)内。 由于这两种象虫的形态特征极相近似,非用解剖学进行比较分类,否则是很难区分的。现对成虫和幼虫不同的形态特征,加以简要地阐述。     

岩心三维模型形状分布刻画（研究生论坛）

针对形状分布算法和统计特征函数不能有效刻画岩心三维模型的问题,提出了一种岩心形状分布算法。根据边界点对连线与目标相的穿透关系,将形状分布D2距离直方图分类为内嵌、外接、联合三种状态,分别刻画孔隙骨架结构,并利用分类发生频率刻画孔隙骨架分布情况,提取岩心形态特征描述符。在统计足量随机边界点对之后,生成概率分布函数。最后,给出了量化比较岩心三维模型形态相似性的方法。对多组岩样进行了实验,结果表明该算法能够有效提取岩心形态特征,比较各岩心之间的形态相似性,具有比原有形状分布和统计特征函数更为准确的刻画能力。     

带形状参数的四次Ball曲线

为了明确形状参数对三次Ball曲线形状的影响,给出一个含有参数λ、u的四次多项式基函数,分析了此基函数的性质。同时定义基于该组基函数带有形状参数的多项式曲线,讨论了两段曲线连续拼接的条件。在保持控制多边形不变的情况下,可以通过改变形状参数来调整曲线形状,使得曲线具有更强的表达能力。曲线不仅具有三次Ball曲线的特性,而且具有形状的可调性和更好的逼近性。计算实例表明:该方法是有效的,可以广泛地应用于计算机辅助设计中对曲线形状调整。     

中国薪甲科仓虫6种新记录

对６种新记录的薪甲科仓库害虫麻腹薪甲,稀毛鞘薪甲,元宝薪甲,长翅薪甲,密齿毛薪甲和印薪甲成虫的形态特征和分布进行了描述。     

带双参数六次Wang-Ball曲线的扩展

为了更好地满足曲线在造型设计上的需要,构造了一组六次Wang-Ball扩展基函数。此扩展基函数中含有两个形状参数α、β,详细地讨论了这组扩展基函数的性质,由此定义了六次Wang-Ball扩展曲线,该曲线带有两个形状参数,可以改变曲线的形状;讨论了该扩展曲线拼接应具备的条件,可以通过调整两个形状参数来调整曲线的形状,增强了曲线表达能力。应用例子进一步说明该方法是实用的,应用前景非常广泛。     

一类双参数拟均匀三次B样条曲线

利用三次均匀B样条曲线的性质,扩展其调配函数,构造出四次多项式调配函数,生成一种带双参数的四次多项式曲线,它保留了三次均匀B样条曲线的重要特征,且具有形状可调性和对控制多边形更好的逼近性.它是均匀三次B样条曲线的扩展,称为拟三次均匀B样条曲线,可选取不同的形状参数,实现曲线形状更大范围的灵活调整,最后给出一些图形实例.     

我国已发现的蛾类仓库害虫的成虫

我国在粮食、油料仓库和加工厂以及中药材、食品、烟草、干果、皮毛、土产仓库中,已陆续发现了不少种蛾类仓库害虫。作者曾按其成虫外生殖器的鉴定列成《蛾类贮粮害虫脉序、外生殖器检索表》,作了报道(见本刊1980年第一期)。为了能在现场从新鲜标本的形态来识别鉴定虫种,特根据外生殖器鉴定的结果,将调查中已发现的27种成虫有关翅形、色泽、花斑特征,绘制成图,列成检索表,加以介绍,供仓贮工作者参考。     

基于非对称函数的离散混沌序列长期预测算法

离散混沌信号的迭代长期预测是一个困难问题。根据混沌信号概率密度函数的分布特性和分形特征,提出一种使用形状可自适应变化的基函数的预测算法。通过自适应算法改变基函数的形状参数,使函数波形发生任意改变,以模拟混沌信号密度函数的非对称特性,从而使基函数能够反映出混沌信号的更多特征。通过该算法对离散超混沌信号的长期预测的仿真结果表明,本算法能够有效提高预测精度和预测长度。     

拟三次Bezier曲线

给出了一组含有2个参数的多项式基函数,它是三次Bernstein基函数的扩展;基于该组基定义了带形状参数的多项式曲线,称之为拟三次Bezier（Q-Bezier）曲线。Q-Bezier曲线不仅具有三次Bezier曲线的特征,而且在控制多边形保持不变的条件下,具有形状可调性和对控制多边形更好的逼近性。形状参数具有明显的几何意义：控制曲线端点的性质。最后,给出了一些图形实例。     

基于BA-RBFNN控制图模式识别的气化过程参数失稳监控模型

为识别固体燃料气化过程参数出现的异常模式(失稳),构建一种基于蜜蜂算法-径向基函数神经网络(BA-RBFNN)控制图模式识别的气化过程参数失稳监控模型,对气化过程参数进行监控.该监控模型主要包括特征描述、特征选择、分类器和训练方法4个模块.选择形状特征和统计特征对气化过程参数进行描述,运用关联规则算法(AR)选择最佳特...     

应用于番茄病虫害检测的HOG特征与LBP特征的结合

植物病虫害是农业部门面临的主要挑战,准确和快速地检测植物病虫害有助于发现早期治疗方法,同时大幅减少经济损失. 基于机器学习的目标检测方法能够很大程度地提高物体检测和识别系统的准确性. 提出了一种基于机器学习的番茄病虫害检测方法,通过提取有病虫害和无病虫害的番茄样本的HOG特征和LBP特征,然后结合SVM分类器训练样本得到检测模型. HOG特征能够较好地描述番茄叶的边缘特征,LBP特征能够较好地描述番茄叶的纹理特征,两个特征在一定程度上互补. 实验结果表明,基于HOG与LBP特征结合检测有病虫害的番茄叶取得了较好的效果,该方法在全球AI挑战赛中农作物病害的番茄数据集取得了99.49%的检测率.     

基于FastBert的水稻病虫害实体关系抽取研究

针对水稻病虫害知识图谱构建所需实体和关系,提出了一种基于FastBert模型的中文实体关系抽取方法. 首先,在中文语料收集的基础上,使用Hanlp工具和农业词典提取了与水稻病虫害相关的领域实体,并依据实体间关系的特点定义了病虫害别名、为害部位、为害地区、防治方法等7种类型. 然后,在词嵌入和句子嵌入的基础上通过FastBert模型实现水稻病虫害关系的抽取. 该模型与Robert、Electra、Distilbert等其它Bert相关模型的关系抽取结果比较显示,基于FastBert模型的中文水稻病虫害关系抽取效果更好,模型获得的实体间关系F1值达0.72,模型精度达0.69. 该方法为中文农业病虫害知识图谱的自动化构建提供了参考.     

磷化氢(PH_3)作用机制的研究进展

本文讨论了磷化氢进入害虫体内的方式和途径,并从害虫有机体的不同结构水平,讨论了磷化氢杀虫的可能机制,以及增效剂对它的增效作用、害虫对磷化氢产生抗性的机制和磷化氢对人的毒理学间的关系。     

鞘翅目仓虫成虫分科检索表

对储藏物危害最大的害虫是仓库甲虫,对其进行正确的分类鉴定十分重要。本文介绍一个新的鞘翅目仓虫成虫分科检索表以供仓储工作者参考。     

储粮害虫生物防治技术研究与应用进展

对近年来国际上储粮害虫生物防治技术研究与应用的进展进行了综述.主要包括捕食性和寄生性天敌昆虫及螨类防治储粮害虫,细菌、真菌、病毒及原生动物等病原体防治储粮害虫的研究.     

我国首次发现的玉米尖翅蛾

玉米尖翅蛾是国内尚未见报道的一种蛾类仓库害虫。本文较为详尽地叙述了此虫成、幼虫的形态特征及初步观察的生活习性。     

蝎蝽(Arma chinensis)生物学特性研究

蠋蝽(Arma chinensis)可捕食多种农林害虫,是一种颇具应用前景的天敌昆虫.利用实验室饲养观察、对比分析和野外设样地调查等方法,对蠋蝽生物学特性进行了深入研究.研究结果表明:蠋蝽在哈尔滨地区1 a发生2代,以成虫越冬.蠋蝽1龄若虫只吸食水分,2龄至成虫以捕食昆虫为生.捕食量随虫龄的增长而增加.成虫平均产卵量约400粒,孵化率可达90％,一般在40～50 d即可完成一代.不同温度对蠋蝽的繁殖、发育影响显著,在20℃条件下若虫发育期约42.3d,而在30℃条件下仅需29 d;20℃时成虫寿命为43 d,而在30℃条件下仅有28.4 d.     

基于复杂网络的癫痫脑电分类与分析

为提取癫痫发作与间歇期脑电信号的特征,提出利用构建癫痫EEG(electroencephalogram)网络的方法来刻画脑电信号。研究各变量均可测情况下的Lorenz和Rössler混沌系统,利用其各变量的输出混沌时间序列构建复杂网络,发现构建的复杂网络拓扑图与其混沌吸引子存在形态相似性,说明由时间序列构建的复杂网络能刻画其原信号特征。对于多维系统中仅有一维可测时,多维时间序列由相空间重构得到。利用相空间重构方法对癫痫发作和间歇期脑电信号构建复杂网络进行分析。研究结果表明,癫痫发作时其网络拓扑较间歇期存在明显不同,且其平均路径长度显著增加,而递归率及其波动范围都显著降低,这些网络特性可以用来刻画脑电信号的特征,从而为癫痫疾病的自动辨识与预测提供基础。     

基于主成份分析的模糊聚类虫害预测模型研究

针对虫害预测的模糊性、相关性、多变量等特点,采用数据挖掘技术建立了基于主成分分析的模糊聚类虫害预测模型,并以玉米螟为例,对虫害进行了合理分类及预测.结果表明,在虫害预测指标多、数据间存在一定相关性的情况下,使用该模型对虫害进行预测能取得比较好的效果.     

粮食品质近红外光谱无损检测研究进展

介绍了粮食品质近红外光谱( NIRS)评价的原理,对NIRS检测中常用化学计量学方法的特点和作用进行了归纳,着重阐述了小麦、谷物和玉米3种主要粮食的定量成分检测以及品种、病虫害等定性判别的国内外研究进展,列举了NIRS技术在粮食品质检测方面的在线应用实例,最后对NIRS技术在粮食领域的应用前景进行了展望.