简介:目的探索应用机器学习技术开展病媒生物的种属鉴定并基于Python语言开发病媒生物机器鉴定系统。方法采用专家会商法提取宁波口岸常见蝇类的鉴别特征规则,构建特征与不同蝇种一一对应的训练样本数据集。应用k-近邻分类算法进行机器学习,并开发图形用户界面将整个机器学习运算及鉴定过程内嵌其中。结果抽提出复眼大小、颜色等7个特征,建立95×8维向量矩阵的训练样本数据集;开发病媒生物机器学习与鉴定系统,将80%的数据用于训练,20%的数据用于测试,正确率达到100%。由一名新手借助该信息系统对口岸新采集到的10只蝇进行种属鉴定,准确率达到90%。这些新的鉴定数据导入训练数据集再次进行自我学习、提升经验值。如此往复,逐步将该系统培育成长为病媒生物鉴定专家系统。结论以机器学习为特征的人工智能在病媒生物鉴定工作中的推广应用,将极大地提升工作效率,为我国的病媒生物防控工作奠定坚实基础。
简介:由公安部第二研究所承担的“乌头属植物中毒检验”项目于2005年3月31日.通过了公安部科技局主持召开的项目验收及科技成果鉴定。乌头属植物在我国广泛作为药用。但因其安全系数小.治疗剂量与中毒剂量接近,加之个体差异以及炮制不当、民间滥用、误服等原因.使服用该类中药引起的中毒案例频发。由于乌头类生物碱种类繁多、结构复杂、分子量较大、难以气化、性质不稳定,尤其是该类生物碱毒性剧烈。中毒剂量和致死量极低,而且在生物体内代谢迅速.生物检材中含量极微,常规的薄层色谱、气相色谱、气质联用等方法都无法检验.因此乌头属植物中毒检验一直是毒物分析领域的难题。