排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
射阳属粮、棉、特经蔬菜三元夹作地区,常年种植大蒜6 700hm2,主要集中在临海、耦耕、合德、千秋等乡镇,667 m2效益3000元以上,远超其他作物,大蒜种植面积逐年增加. 相似文献
2.
一、试验目的与地点为研究复合有机肥在水稻上的施用效果,进而为商品有机肥在农业生产上推广应用提供科学依据。我们在国营东坝头农场进行了大田试验。二、材料与方法1.材料来源“润丰特”复合有机肥Ⅱ号(氮 五氧化磷 氧化钾=20%,有机质=80%)由扬中市润丰特生物肥有限公司提供,对照肥为碳铵。2.试验方法试验地土地肥力中等,前茬为小麦,处理基肥每亩用“润丰特”复合有机肥Ⅱ号50公斤,对照基肥亩施碳铵80公斤。将有机肥或碳按在耙地前均匀撒施,整平后移栽。三、实验情况供试品种为9520,于5月11日落谷。6月17日移栽,6月23日施分蘖肥碳按25公斤… 相似文献
3.
畜肉品质光谱检测过程中，不同样品之间的厚度差异导致肉品表面到光纤探头的检测距离存在差异，对预测结果影响较大。针对这一问题，设计了一种用于肉品无损检测的光学传感器，并间隔玻璃从下至上对畜肉品质进行检测，消除了样品厚度对检测距离的影响，并分析了光谱曲线随检测距离变化的变化规律。为探究所设计方案的可行性，搭建了试验平台，包括光谱仪、距离调节机构、光源、石英玻璃、光学传感器和计算机，其中石英玻璃可透过220~2500nm波长范围的光而无吸收，光学传感器可以帮助采集更多的肉品漫反射光。选择了18个猪肉样品贮藏在4℃环境中，并在不同的冷藏时间取出进行光谱采集（400～1100nm），采用不同的检测距离（8～22mm，间隔2mm），最后测量样品的挥发性盐基氮（TVB N）含量。在获得样品光谱数据后，分别用1阶导数、多元散射校正（MSC）、标准正态变换（SNV）和1阶导数+SNV等方法进行预处理，并建立猪肉的TVB N含量的偏最小二乘回归（PLSR）预测模型。结果表明：当检测距离为16mm，采用1阶导数+ SNV预处理时，建立的TVB N含量预测模型效果最好，校正集相关系数和均方根误差分别为0.98和0.92mg/(100g)，预测集相关系数和预测均方根误差分别为0.97和1.56mg/(100g)。因此，利用所设计光学传感器对猪肉新鲜度进行检测是可行的。 相似文献
4.
为了快速准确检测苹果的农药残留,该研究基于表面增强拉曼光谱技术,以新烟碱类农药啶虫脒作为研究对象,建立了一种快速准确检测苹果农药残留含量的方法。为了改善表面增强剂对定量检测的检测精度和稳定性,在pH值为6.5的弱酸性条件下向银溶胶中加入稳定剂聚丙烯酸钠和团聚剂NaCl。采用了卡尔曼平滑(Rauch-Tung-Striebel,RTS)与非对称重加权惩罚最小二乘法(asymmetrically reweighted Penalized Least Squares,arPLS)结合扩展乘性散射校正(Extended Multiplicative Signal Correction,EMSC)来消除噪声和荧光信号对模型的影响。为了检测方法的重复性,对30个相同啶虫脒含量(20 mg/kg)的苹果进行了拉曼信号采集,并对627 cm~(-1),835 cm~(-1)和1 107 cm~(-1) 3个特征峰强度进行分析,其相对标准偏差(r Relative s Standard d Deviation,RSD)分别为6.14%,6.83%,6.99%,说明该方法具有较好的重复性。采集含有梯度浓度啶虫脒的苹果(0.012 mg/kg～10.830 mg/kg)的信号时,最低检测限为0.035 mg/kg,远低于国家规定的标准0.8 mg/kg。建立的苹果中啶虫脒农药残留偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型效果较好,检测范围在0.082～3.830 mg/kg,预测相关系数(Rrediction coefficient,R_p)为0.974,预测集均方根误差(Root Mean Square Errors of prediction,RMSEp)为0.044 1 mg/kg,校正相关系数(Correlation coefficient,R_c)为0.986,校正集均方根误差(Root Mean Square Errors of calibration,RMSEc)为0.036 9 mg/kg。研究表明,该方法可以对苹果中残留的啶虫脒农药进行准确的定量预测。 相似文献
5.
6.
基于可见/近红外光谱技术设计了手机联用的苹果糖度便携式检测装置，旨在通过优选特征波段确定适合苹果糖度检测的波段范围及光学传感器，并通过与手机的联用完成苹果糖度的高效、便携、低成本的无损检测。选择STS-NIR微型光纤光谱仪（波长范围650~1100nm），利用实验室自行搭建的光谱采集平台对120个苹果进行光谱采集，通过偏最小二乘（PLS）算法对全波长数据进行建模，并采用连续投影法（SPA）、遗传算法（GA）和竞争自适应重加权抽样法（CARS）等变量选择方法对全波长进行特征波段的识别来选择有效波长。变量选择结果显示，所得3组特征波段含有重合项，且均包含与苹果糖度有关的变量。利用偏最小二乘（PLS）算法建立关于苹果糖度基于3组特征波段的预测模型，并对3组结果进行分析，包括对预测相关系数、预测均方根误差比较等，来评估所建模型的准确性。试验结果表明，利用3组特征波段所得建模结果均比较良好，预测相关系数都在0.93以上，其中GA-PLS模型对苹果糖度的预测效果最优，预测相关系数可达0.9447。根据上述所得特征波段的高度重合项，确定了检测苹果糖度的特征波段及其对应的光学传感器，并基于所设计的苹果糖度便携式检测装置对另取的40个苹果进行试验验证，苹果糖度的预测相关系数可达0.8822。结果表明，本文所设计的基于特征波段的手机联用的苹果糖度便携式检测装置，成本低、便于携带、检测准确率高，具有实现苹果糖度的实时无损检测的可行性。 相似文献
7.
1