简介:摘要 : 准确获取西兰花花球面积和新鲜度是确定其长势的关键步骤,本研究通过对深度残差网络 ResNet进行改进得到一种新型的西兰花花球分割模型,并通过花球部位黄绿颜色占比判断其新鲜度,实现低成本高效准确地西兰花表型信息提取。主要技术流程包括:( 1)基于地面自动影像获取平台拍摄西兰花花球正射影像并建立原始数据集;( 2)对训练图像进行预处理并输入模型进行分割;( 3)基于颜色信息用粒子群结构 PSO和大津法 Otsu对分割结果进一步进行阈值分割,获取其新鲜度指标。试验结果表明:本研究建立的分割模型精度优于传统深度学习模型和基于颜色空间变换和阈值分割模型, 4个评价指标结构相似性指数 (SSIM)、平均精度 (Precision)、平均召回率 (Recall)、 F-度量 (F-measure)结果分别为 0.911、 0.897、 0.908和 0.907,相比于传统方法提升了 10%-15%,且对土壤反射率波动、冠层阴影、辐射强度变化等干扰具有一定的鲁棒性。同时,在分割结果的基础上采用 PSO-Otsu法可以实现花球新鲜度快速分析,其精度超过了 0.8。本研究结果实现了西兰花田间多表型参数的高通量获取,可以为作物田间长势监测研究提供重要参考。
简介:对比分析我国与国际食品法典委员会(CAC)关于食品中污染物限量标准的异同。从标准涉及的污染物种类、具体食品种类和限量值3个层面逐级对比。结果表明,我国标准涉及的污染物种类为42种,CAC标准为29种,二者相同的污染物种类为12种;我国标准涉及的食品种类和具体数量多于CAC,其中有7类食品为我国单独规定限量,我国污染物限量指标的总数为748个,远远多于CAC的174个;在可比指标范围内,我国有61个限量指标值与CAC相同,26个限量指标值严于CAC,64个限量指标值宽于CAC。我国污染物限量标准中有57%的可比指标值已达到或超过CAC标准的要求,与CAC的一致性程度较低。