共查询到20条相似文献，搜索用时 15 毫秒
1.
《科技视界》2016,(7)
应用EMD-Hilbert和M-RVM相融合的故障诊断方法,对信号进行时域局部特性分析以及快速地对信号进行故障诊断和分类。该方法先对采集到的信号进行经验模态分解(Empirical Mode Decomposition,EMD),进而对分解后的每个内蕴模式函数分量(Intrinsic mode function,IMF)进行Hilbert变换,计算出每个IMF的瞬时频率。通过对瞬时频率的分析确定主要的IMF分量,提取主要IMF的特征矢量,最后通过多分类相关向量机(Multiclass Relevance Vector Machine,M-RVM)对输入的特征矢量进行故障诊断和分类。 相似文献
2.
试验旨在研究植物乳杆菌对云南楚雄市干热气候环境下生长的辣木(Moringa oleifera Lam.)青贮饲料品质的影响,确定植物乳杆菌在辣木茎叶青贮中的最适添加量。以PKM1品种辣木茎叶为试验材料进行青贮,试验共设5组,分别为CK组(不添加植物乳杆菌)、M1组(添加0.12 g/kg植物乳杆菌)、M2组(添加0.24 g/kg植物乳杆菌)、M3组(添加0.48 g/kg植物乳杆菌)、M4组(添加0.96 g/kg植物乳杆菌)。青贮45 d评价青贮饲料质量。结果显示：各组辣木茎叶青贮饲料发酵品质均较好,M3组和M4组辣木茎叶青贮的感官评价均达一级优良,CK组、M1组、M2组辣木茎叶青贮的感官评价达到二级尚好;M3组、M4组辣木茎叶青贮pH值显著低于其他组(P<0.05);M3组辣木茎叶青贮粗蛋白(CP)含量显著高于CK组、M1 相似文献
3.
作为城市绿地生态系统中的主要景观类型，城市草坪频繁受到人为管理措施的强烈干扰。本研究以沟叶结缕草(Zoysia matrella)为对象，通过控制3个灌溉水平(I1:4.00 L·m-2、I2:5.71 L·m-2、I3:7.43 L·m-2)和3个修剪水平(M1：不修剪、M2：留茬2 cm、M3：留茬6 cm)的盆栽试验，探究不同灌溉和修剪水平对草坪草生长、土壤无机氮及氮素表观平衡的影响。结果表明：相同灌溉水平下，M2处理草坪草地上生物量显著低于M1和M3处理，但M2处理草坪草地上部分和地下部分氮含量均显著高于M1处理(P <0.05)。在草坪草生长末期，相同灌溉水平下M2处理土壤无机氮(Nmin)含量较M1、M3 相似文献
4.
不同颜色地膜覆盖下春玉米主要生长性状对耕层积温的响应 总被引：3，自引：0，他引：3
为了探讨东北雨养区不同颜色地膜覆盖下春玉米主要生长性状和产量对耕层积温的响应规律,设置了无色透明膜(M1) 、黑膜(M2) 和露地对照(M0)田间试验。根据2016和2017两年数据,应用Slogistic方程拟合了不同颜色地膜覆盖下玉米株高、成熟期之前叶面积指数以及干物质累积随耕层积温变化动态,通过逐步回归分析探讨了玉米干物质累积的Slogistic曲线特征量与产量关系。研究表明:1)玉米株高渐增期的平均生长速率大小表现为M2>M1>M0,在快增期表现为M2>M0>M1,缓增期表现为M0>M2>M1;2)玉米叶面积指数渐增期和缓增期平均增长速率表现与株高一致,快增期则表现为M2>M1>M0,黑膜处理下叶面积指数和最大增加速率最高,无色透明膜处理次之;3)黑膜处理显著增加了快增期干物质累积持续时间,并且较无色透明地膜和露地处理率先进入干物质累积快增期,这有助于提高玉米产量;4)干物质累积最大速率、干物质累积曲线拐点等特征量与产量密切相关,达到极显著水平(P<0.01)。研究认为,地膜覆盖对玉米生长渐增期影响较大,其中无色透明膜加速玉米衰老;黑膜处理下干物质累积最大,产量最高,玉米生长更稳定。对玉米生长性状和产量的研究,可用于玉米生产管理决策中作物生长路线的设计,能够为提高玉米生产管理水平提供决策依据。 相似文献
5.
6.
以大型哺乳动物东北虎(Panthera tigris altaica)为例,通过使用圈养东北虎监测影像数据集(ATRW),采用YOLOX算法对东北虎进行目标检测研究,检测速度为87.59张/s,0.50阈值准确率(mAP0.50)为97.32%,0.75阈值准确率(mAP0.75)为75.10%,模型总参数量为8.938×106。通过筛选无锚框算法,对选出的YOLOX算法进行轻量化、添加注意力机制及网络损失函数的优化,优化后的算法检测速度提升1.74张/s,mAP0.50准确率提升1.02个百分点,mAP0.75准确率提升1.53个百分点,模型的总参数量减少18.47%。算法改进后,在提升识别准确率的同时,有效降低了检测算法依托硬件的需求,为东北虎的野外行为研究、保护生物多样性及东北虎的野外相关数据收集提供了检测算法。 相似文献
7.
翻压紫云英对稻田土壤还原物质变化特征及温室气体排放的影响 总被引：1，自引：0，他引：1
采用室内培养试验监测紫云英翻压后土壤还原物质和温室气体的动态变化,旨在为紫云英还田造成水稻僵苗及带来的环境效应提供理论依据。结果表明,翻压紫云英显著增加土壤还原性物质总量、活性还原性物质含量、Fe2+和Mn2+含量,显著降低土壤氧化还原电位(Eh)。与对照(CK)相比,翻压紫云英15000(M1)、30000(M2)、45000 kg·hm-2(M3)处理土壤还原性物质总量平均值分别增加0.34、0.80、1.16 cmol·kg-1,土壤活性还原性物质含量平均值分别增加0.14、0.35、0.52 cmol·kg-1,Fe2+含量平均值分别增加87.91、182.91、280.61 mg·kg-1,Mn2+含量平均值分别增加10.12、12.77、15.73 mg·kg-1,Eh平均值分别降低32.88、47.98、57.26 mV。还原性物质均在培养近15 d时达到高峰,M3处理Fe2+含量最高超过400 mg·kg-1,已达到水稻幼苗中毒浓度。翻压紫云英显著增加CO2、CH4排放,降低N2O排放,增加了全球增温潜势(GWP)。与CK相比,M1、M2、M3的CO2排放速率平均值分别增加7.67、12.48、20.54 mg·kg-1·d-1,CO2累计排放量分别增加171.63、293.42、498.45 mg·kg-1,CH4排放速率平均值分别增加0.04、0.09、0.21 mg·kg-1·d-1,CH4累计排放量分别增加0.36、0.69、1.77 mg·kg-1,N2O排放速率平均值分别降低0.46、0.64、0.72 μg·kg-1·d-1,N2O累计排放量分别降低10.00、13.02、14.36 μg·kg-1,M1、M2、M3的GWP平均值分别是CK的1.59、2.04、2.91倍。CO2、N2O排放主要集中在培养前期,CH4排放主要集中在培养后期。还原性物质含量与CO2、CH4的排放呈显著正相关,与N2O排放呈显著负相关。综上,翻压紫云英增加还原性物质含量,促使CO2、CH4排放,抑制N2O排放,增加GWP。实践中翻压紫云英可增加水稻产量,探索适宜紫云英翻压量确保单位水稻产量下的GWP不增加实现增产和环境效应的双赢具有重要实践意义,但这需要通过盆栽和大田试验验证。 相似文献
8.
紫花苜蓿EMS突变体库的构建和形态学性状鉴定 总被引：2，自引：0，他引：2
通过不同浓度的EMS(甲基磺酸乙酯)溶液诱变处理紫花苜蓿种子,系统分析了EMS对M1代种子萌发和生长的影响,对M1代突变植株的形态学性状进行了初步鉴定。结果表明,EMS处理抑制了M1代种子的最终发芽率、发芽指数和胚根胚芽长度。初步鉴定了M1代1039个单株的形态学性状,共获得378份叶(不含叶形和叶数)、株高、分枝数、株型以及其他性状发生变异的突变株,其中叶色、分枝数、株型和其他性状突变体依次为215,40,95和28株,突变率依次为20.69%,3.85%,9.14%,2.69%。本研究初步构建的紫花苜蓿EMS突变群体为苜蓿功能基因组研究、遗传改良及育种奠定了基础。 相似文献
9.
三份偃麦草种质的染色体核型分析 总被引：2，自引：0，他引：2
选用产地来源不同的3份偃麦草的种子为试验材料,采用根尖压片法进行细胞染色体核型分析,旨在为其细胞学特性和演化趋势的研究奠定科学基础。结果表明,来源于俄罗斯列宁格勒的偃麦草种质ER044染色体数目为2n=6X=42,染色体相对长度组成为:4L+14M2+20M1+4S,核型公式为:K(2n)=6X=42=2M+32m+8sm。来源于阿富汗喀布尔的偃麦草种质ER058染色体数目为2n=6X=42,染色体相对长度组成为: 2L+20M2+16M1+4S,核型公式K(2n)=6X=42=30m+12sm(2sat)。采自于中国新疆的偃麦草种质ER132染色体数目为2n=6X=42,染色体相对长度组成为:4L+16M2+16M1+6S,核型公式为:K(2n)=6X=42=32m+8sm(4sat)+2st。3份偃麦草种质的染色体核型均属于“2B”类型。 相似文献
10.
传统的灰度图像处理方式会降低数据集的复杂性,进而降低模型识别相似种子的准确率。因此,将卷积神经网络中传统的图像灰质化处理方法改进为归一化典型判别分析(nCDA)算法与卷积神经网络(CNN)相结合的方法(CNN-nCDA),该方法基于多光谱仪采集的种子图像信息,以深度学习框架TensorFlow为基础,利用卷积神经网络构建种子识别算法,可区分高相似度牧草种子。结果表明,仅依靠传统灰度图难以区分形态相似的种子(62.11%～72.5%),而采用CNN-nCDA策略对不同类别种子分类的准确率可达100.0%,优于单独使用nCDA (90.0%～100.0%)、线性判别分析(LDA)(97.3%～100.0%)、支持向量机(SVM)(92.4%～97.5%)的准确率。综上所述,多光谱成像技术中的nCDA算法与卷积神经网络相结合技术,具有较高的校准和验证能力,对现场快速筛选种子具有良好的应用前景。 相似文献
11.
建立了QuEChERS结合高效液相色谱-串联质谱测定乳粉中黄曲霉毒素B1(aflatoxin B1,AFB1)和黄曲霉毒素M1(aflatoxin M1,AFM1)的检测方法。乳粉用水复溶,乙腈提取,十八烷基键合硅胶和无水硫酸镁净化,在InertSustain-C18柱(2.1 mm×150 mm, 3μm)上分离,乙酸铵溶液-甲醇为流动相,梯度洗脱,电喷雾正离子模式扫描,多反应监测,基质添加外标曲线定量。乳粉中AFB1和AFM1在0.08～20μg/kg范围内线性关系良好,r>0.999。检出限为AFM10.02μg/kg, AFB10.03μg/kg,定量限均为0.05μg/kg。在定量限的1、5和10倍添加浓度下,平均回收率为91.5%～100.7%。本方法便捷高效、重现性好、结果准确,可以为日常检测乳粉中黄曲霉毒素提供技术参考。 相似文献
12.
为了系统深入地对单板出材率和价值的影响因素进行研究,以11个6年生桉树无性系为材料,使用无损检测仪器Pilodyn和Fakopp测定立木的外部密度和应力波传输速度,用轴向生长应变仪器CIRAD-ForestMethod测定立木生长应力,结合对原木外观形质的检测和单板质量等级的划分,运用差异性分析、相关分析及多元逐步回归分析。结果表明,无性系间立木的材性性状,原木形质中的小头最小直径、弯曲度和端裂指数存在显著差异。节疤,尤其死节(孔洞)、裂缝是降低单板等级的主要因素。无性系间单板出材率和价值存在显著差异,其中出材率(%)从大到小排序为:GL9(48.27),EC34(47.17),LH1(44.00),DH32-22(42.00),GL4(37.56),SH7(34.88),UC184-1(34.38),LH5(31.06),M1(29.74),DH201-2(25.41),SG1(16.28),最大是最小的2.97倍;单段原木价值(RMB/log)从高到低排序为:EC34(13.37),GL9(13.12),GL4(12.36),LH1(12.02),DH32-22(11.55),LH5(10.72),SH7(9.22),UC184-1(7.95),M1(7.55),DH201-2(5.97),SG1(4.88),最高是最低的2.74倍;单位材积价值(RMB/m3)从高到低排序为:EC34(856.49),LH1(794.55),GL9(788.68),DH32-22(763.02),GL4(681.44),SH7(629.35),UC184-1(597.66),LH5(559.08),M1(538.39),DH201-2(450.49),SG1(294.53),最高是最低的2.91倍。5个品种的无性系作为胶合板用材,尾巨桉无性系价值最高。原木弯曲度是影响单板出材率和价值的主要因素,木材密度、小头直径、应力波传输速度及端裂指数等对其也有显著影响。无损检测仪器Pilodyn和Fakopp可对单板出材率和单位材积价值进行粗略预测。 相似文献
13.
【目的】探究白藜芦醇(resveratrol, Res)对黄曲霉毒素B1(aflatoxin B1,AFB1)致兔肾脏损伤的保护作用。【方法】将21只40日龄的家兔随机分为3组，每组7只，分别为对照组、AFB1组和AFB1+Res组，其中对照组饲喂基础饲粮，AFB1组饲喂含0.3 mg/kg BW AFB1的基础饲粮、AFB1+Res组饲喂含0.3 mg/kg BW AFB1和30 mg/kg BW Res的基础饲粮，试验期21 d。试验结束后观察家兔肾脏组织病理变化，检测血清中肌酐(creatinine, CRE)、尿素氮(urea nitrogen, BUN)和尿酸(uric acid, UA)含量，检测肾脏组织中谷胱甘肽过氧化物酶(glutathione peroxidase, GSH-Px)、超氧化物歧化酶(superoxide dismutase, SOD)、总抗氧化能力(tota... 相似文献
14.
本文以狗牙根草坪及其伴生杂草毛花雀稗、白三叶以及莎草为研究对象,提出了一种基于深度学习的草坪杂草识别及除草剂喷施区域检测方法。通过将原图划分为若干格子区域,利用神经网络模型对格子图片进行杂草识别,实现杂草定位并进而确定除草剂喷施区域。为探究不同神经网络模型对杂草识别的效果,选取VGGNet模型、GoogLeNet模型和ShuffleNet模型,分别以F1值、准确率和识别速度进行对比分析。验证集下所有模型的F1值都高于0.97,表明本研究中的三个模型对于杂草都有较好的识别效果。其中,GoogLeNet模型为杂草识别最优模型,拥有最为均衡的识别率和识别速度。其在测试集的平均准确率和识别速度分别为98.75%和36.9 fps,能够用于草坪实时杂草识别应用。结果表明,本研究提出的草坪杂草识别与除草剂喷施区域检测方法具有高度的可行性和较优的应用效果,可用于基于除草剂精准喷施的草坪杂草防控。 相似文献
15.
《蚕业科学》2020,(2)
蚕蛹雌雄识别的准确率直接影响到蚕种杂交率。现有的蚕蛹识别算法多数是以高光谱或近红外相机拍摄的图片作为输入,所需成像设备价格相对昂贵,且高光谱算法的高数据量与高计算量进一步导致其具有较高的应用成本。以普通数码相机拍摄的蚕蛹图片作为识别输入,提出了基于梯度特征的深度卷积神经网络(CNN)的蚕蛹雌雄自动识别算法。设计了包含4层卷积层的CNN,首先提取蚕蛹灰度图像的高级抽象特征,同时提取蚕蛹梯度图像的梯度直方图(HOG)特征,接着将高级抽象特征和HOG特征通过级联的方式进行融合,最后在现有数据训练集上最高达到100%的识别率,测试集的识别率平均可达95%左右,最高达到97.21%。试验数据表明蚕蛹图像的梯度特征也是蚕蛹雌雄识别的重要特征。提出的算法不需要红外或高光谱图片作为输入,降低了数据采集的设备成本和识别计算量。 相似文献
16.
凋落物分解作为生态系统重要功能之一,在生物地球化学循环过程中发挥着重要作用。为了明确荒漠草原凋落物分解对氮(N)、磷(P)添加及二者交互作用的响应,以宁夏荒漠草原短花针茅和赖草的凋落物为研究对象,使用凋落物网袋分解法,采用随机区组设计。设置N、P添加各4个梯度,均为纯N、P含量,N1、N2、N3、N4添加量分别为0 g/(m2·a)、5 g/(m2·a)、10 g/(m2·a)、20 g/(m2·a);P1、P2、P3、P4添加量分别为：0 g/(m2·a)、4 g/(m2·a)、8 g/(m2·a)、16 g/(m2·a)。结果表明：(1)短花针茅和赖草凋落物分解过程分为快速分解和缓慢分解两个阶段,两个物种的分解速率存在差异性,短花针茅和... 相似文献
17.
氮素添加对贝加尔针茅草原凋落物分解的影响 总被引：2，自引：0，他引：2
对内蒙古贝加尔针茅草原群落开展氮素添加实验,设置6个氮素添加水平,氮素类型为硝酸铵(NH4NO3):对照(N0),1.5 g N/m2(N15)、3.0 g N/m2(N30)、5.0 g N/m2(N50)、10.0 g N/m2(N100)和15.0 g N/m2(N150)。利用凋落物网袋分解法,研究贝加尔针茅、羊草和冷蒿3种植物不同器官凋落物分解对氮素添加的响应。结果表明:1) 3种植物不同器官凋落物C残留率的季节变化与植物残留率的变化趋势相同,呈释放模式。2)贝加尔针茅各器官凋落物分解95%所需时间为3.79~5.75年。羊草各器官凋落物分解95%所需时间为3.12~6.34年。冷蒿各器官凋落物分解95%所需时间为2.69~6.82年。3)不同植物、不同器官凋落物分解速率对氮素添加响应不同,初始化学组成不是控制凋落物分解的主要影响因子。4)凋落物分解速率与土壤铵态氮、硝态氮和土壤含水量无显著相关性,冷蒿凋落物与土壤微生物量碳氮显著相关。5)本试验进行期间,氮素添加对各器官凋落物分解无一致影响,仅个别施氮水平对不同器官凋落物分解速率及养分释放有促进或抑制作用。在氮素添加背景下,凋落物分解受到时间、分解底物类型及氮素输入水平的共同影响。 相似文献
18.
本试验旨在研究不同精粗比对牦牛粪便菌群结构的影响。选取24头体重相近、健康的3岁公牦牛，随机分成2组，分别饲喂低精粗比饲粮(35∶65,C35组)和高精粗比饲粮(65∶35,C65组)。预试期为15 d，试验期为90 d。运用16S rDNA高通量测序技术对粪便菌群结构变化进行分析。结果表明：1)2组共检测出1702个操作分类单元(OTU)，其中两组共有的OTU数目为1273个，占总OTU数目的74.79%;C35组的物种数、Chao1指数与Shannon指数显著高于C65组(P<0.05)。2)在门水平下，C35组牦牛粪便中髌细菌门和蓝藻菌门极显著高于C65组(P<0.01)，放线菌门显著高于C65组(P<0.05);C65组牦牛粪便中拟杆菌门、螺旋体门显著高于C35组(P<0.05)。3) C35组牦牛粪便中瘤胃球菌属极显著高于C6... 相似文献
19.
20.
植被地上生物量可作为评价矿山生态修复地生态功能的重要指标,为实现对修复地地上植被生物量快速、准确的预测,以安徽省铜陵市铜官山矿区草本植物地上生物量为研究对象,将无人机高分辨率多光谱影像作为数据源,提取了单波段光谱反射率、植被指数两种光谱特征以及各波段纹理特征变量,并利用高精度DEM (digital elevation model)生成地形特征,再先后使用灰色关联法和熵权法对光谱特征和纹理特征分别进行筛选,进而将筛选出的特征变量和地形特征变量分为光谱特征组和多特征组。采用反向传播神经网络(back propagation neural network,BPNN)、卷积神经网络(convolutional neural network, CNN)以及Elman神经网络3种机器学习算法分别构建基于光谱特征组和多特征组的生物量预测模型,比选精度较高的矿区草本植物地上生物量反演模型。结果表明,在光谱特征基础上引入纹理特征和地形特征后3种反演模型精度都有相应程度提高,其中,基于多特征组构建的BPNN模型表现出最优性能,其决定系数(R2)为0.841,均方根误差为11.813 g·m-2,并同时对... 相似文献