排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
采用热水提取法从海蒿子中提取粗多糖,再用Q-Sepharose Fast Flow和Sepharose 4B Fast Flow纯化得到一种硫酸化岩藻聚糖,命名为SF0。通过逐步部分酸水解,该岩藻聚糖SF0被进一步分为3种次级多糖SF1、SF2和SF3,硫酸基团的含量和相对分子质量依次降低。通过单糖组成、傅里叶红外光谱(FT-IR)和13C-NMR谱分析了4种多糖的结构特征,并探究了其抗甲型流感(H1N1)病毒的活性。结果表明,SF0主要由甘露糖、葡萄糖醛酸、葡萄糖、半乳糖、木糖和岩藻糖组成,摩尔比为10.8∶8.3∶3.0∶21.1∶21.2∶35.6,相对分子质量为628.1 ku,由α-D-1,2-Manp和β-D-1,4-GlcAp双糖重复单元构成核心骨架。抗甲型流感(H1N1)病毒检测表明,4种多糖都可以抑制MDCK细胞中的H1N1病毒复制。低分子量组分SF3比未降解岩藻聚糖抗病毒活性更好。初步认为该岩藻聚糖的抗H1N1病毒活性与其精细结构和分子量有关。 相似文献
3.
为提高梨叶片病害发生程度诊断的效率和准确性,本文提出基于全局上下文级联R-CNN网络(Global context Cascade R-CNN,GC-Cascade R-CNN)的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块(Global context feature model, GC-Model),建立有效的长距离和通道依赖,增强目标特征信息。引入特征金字塔网络(Feature pyramid network, FPN)融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集,增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类,完成病斑计数任务。在梨叶病斑图像测试中,模型的各类病斑平均精确率均值(Mean average precision, mAP)达89.4%,检测单幅图像平均耗时为0.347 s。结果表明,模型能够有效地从梨叶片病害图像中检测出多类病斑目标,尤其对叶片炭疽病斑检测效果提升显著;不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R2均大于0.92,表明模型病斑计数... 相似文献
4.
针对花粉、孢子图像特征复杂,样本稀缺及种类繁多制约图像检测识别效果的问题,建立基于自适应阈值分割的pix2pix图像增广模型.首先基于卷积评价改进自适应阈值分割算法,择优选取语义分割图像;其次构建pix2pix图像增广模型,将语义分割图像和原始图像建立标签映射用于模型训练,根据语义分割图像生成仿真图像,扩充样本数据集.结果表明,以149种花粉、孢子图像为样本,通过图像增广模型生成的花粉、孢子图像整体相似度达到85.40%;图像增广前Faster RCNN、YOLOv3检测模型的检测精准率分别为86.18%、85.64%,使用增广后的样本训练模型,检测精准率分别达到92.16%、90.57%,提升5.98个百分点和4.93个百分点. 相似文献
5.
基于显著性检测的黄瓜叶部病害图像分割算法 总被引:1,自引:0,他引:1
针对复杂背景下黄瓜叶部病害分割精度不高的问题,提出了一种基于显著性检测的黄瓜叶部病害图像分割算法。首先利用超像素将黄瓜图像分块,获取黄瓜叶片的边缘,并提出了一种超像素间权重计算方法和显著种子选取方法;然后通过流形排序计算显著图,对得到的显著图进行阈值分割,得到二值图像;再将二值图像与原图像进行掩码运算,得到黄瓜病害叶片;最后利用超绿特征和数学形态学对病害叶片进行分割得到病斑。对常见的黄瓜病害(白粉病、褐斑病、霜霉病、炭疽病)图像进行测试,结果表明该算法与Otsu算法和k-means算法相比,有效解决了冗余分割问题,错分率均在5%以内,算法平均执行时间均小于4 000 ms,分割效果更加精确,为后续构建黄瓜病害自动识别系统奠定了基础。 相似文献
6.
7.
基于CFD的温室气温时空变化预测模型及通风调控措施 总被引:1,自引:6,他引:1
夏季温室高温湿热,对作物生长产生重大危害,制定合理的夏季温室气温调控方案,是提高温室生产效益,降低温室气温调控能耗的关键问题。该文基于计算流体力学(computational fluid dynamics,CFD)方法,结合气象预报信息,针对苏南地区大型连栋温室,建立了夏季温室气温时空变化预测模型,通过设置边界参数,对不同通风条件下温室气温的时空变化进行了预测,并通过试验验证了模型的有效性。试验结果表明,预测值与实测值吻合良好,均方根误差在1.2℃以内,最大相对误差在6%以内,平均相对误差在4%以内。不同通风降温条件下的试验结果显示,温室气温空间分布存在明显差异,湿帘-风机系统较自然通风降温效果显著,降温幅度在5℃左右,持续的湿帘-风机降温措施可将温室高温控制在较低水平。基于该文模型的预测结果和温室调控目标,选取合适的时间点、时间长度和不同类型的通风降温措施,可有效提高温室气温调控效率和效益。同时,该研究还可为优化传感器布局提供依据。 相似文献
8.
反卷积引导的番茄叶部病害识别及病斑分割模型 总被引:12,自引:9,他引:3
针对当前植物叶部病害识别模型易受阴影、遮挡物及光线强度干扰,特征提取具有盲目和不确定性的问题,该研究构建一种基于反卷积引导的VGG网络(Deconvolution-GuidedVGGNet,DGVGGNet)模型,同时实现植物叶部病害种类识别与病斑分割。首先使用VGGNet计算多分类交叉熵损失进行病害分类训练,得到病害分类结果;其次设计反向全连接层,将分类结果恢复为特征图形式;然后采用上采样与卷积操作相结合的方法实现反卷积,利用跳跃连接融合多种特征恢复图像细节;最后使用少量病斑监督,对每个像素点使用二分类交叉熵损失进行训练,引导编码器关注真实的病斑部位。试验结果表明,该研究模型的病害种类识别精度达99.19%,病斑分割的像素准确率和平均交并比分别达94.66%和75.36%,在遮挡、弱光等环境下具有良好的鲁棒性。 相似文献
9.
随着信息化技术的发展,物联网技术和以无人机为代表的低空遥感技术被广泛应用于生产实践和环境监测等领域.在现代农业病虫害监测中,物联网和低空遥感技术可以分别从地面微观和空中宏观角度监测农作物病虫害情况以及分析其致病环境因素.农场通常位于远离基础设施的偏远地区,农业物联网应用面临能量供应受限问题.无人机收集农场病虫害信息具有灵活度高、成本低以及可以保证数据及时性等优势,但无人机面临滞空时间短、电池更换频繁等问题.本文通过建立一种光照模型,实现太阳能板与太阳光之间夹角自动调整,使得太阳能电池板始终确保与太阳光线垂直,有效提高太阳能的利用率.在无人机应用方面,通过调整无人机机翼在航拍时与农场风向之间的角度,可以使得无人机充分利用农场风能,减少能量消耗,延长飞行时间,用以满足农场病虫害监测需求.另外,结合无人机监测结果与物联网获取的农场环境信息进行分析,可得出农场病虫害的发生与环境之间的关系,研究分析病虫害发病环境机理. 相似文献
10.
[目的]由于人工数据收集成本高和传统无线网络数据连通性解决方案有限,现代农业病虫害监测技术面临极大挑战。采用物联网和大数据驱动技术可以降低农业投入成本、减少损失、提高产量,从而提高农业生产效率。[方法]基于物联网和大数据驱动的现代农业技术平台,是一种用于生产端到端服务的物联网技术集成框架,它借助于最新通信技术可以通过传感器、摄像机和无人机收集数据。该集成框架主要解决能量供应、通信限制、低空遥感滞空时间和病虫害环境致病分析。在能量供应方面,在系统中设计一种基于天气感知的太阳能基站,系统根据能量获取状况实时改变数据采集率来减少能量损耗。在通信方面,系统采用Lora(long range)与TVWS(TV white space)相结合的技术来满足农场远距离和高宽带数据传输的需求。在无人机设计方面,为减少无人机能源消耗,通过调整无人机四旋翼的角度以及对无人机飞行路线的优化,使无人机能够充分借助风能。[结果]采用上述方案,平台能够长时间持续稳定工作,而且即使在偏远的大型户外农场也可保证网络连接不会中断。通过该农业技术平台,建立农场环境与病虫害发生关系模型,结果显示当温度为15℃且相对湿度达60%以上时,小麦白粉病大面积爆发概率显著增加。[结论]通过对农作物病虫害无人机遥感结果与物联网大数据分析,建立一套农业病虫害监测系统,从环境因素方面分析病虫害发生机制。 相似文献
1