太行山片麻岩基岩裂隙富水性的金属因素特征——以易县为例

为研究金属矿化效应对太行山片麻岩基岩裂隙地下水勘查时的影响,依据区域地质资料,分析了易县某研究区的水文地质特征,总结了该研究区片麻岩基岩裂隙水的赋存规律。利用激发极化法获取了金属因素和极化率,分析了研究区金属因素的特征,讨论了金属因素与基岩裂隙水富水性的关系,并布置地质钻孔验证了基岩裂隙水富水性与金属因素特征之间的对应关系。结果表明:在无金属矿化效应影响的地区,金属因素曲线和极化率曲线大体上呈现水平轴对称形态;在有金属矿化效应影响的地区,金属因素曲线和极化率曲线形态基本相同;金属因素全曲线和极化率全曲线均同时快速增加,意味着研究区存在金属矿化效应影响的可能性急剧加大;金属因素大于1×102/(Ω·m),极化率大于3%,研究区存在较为明显的金属矿化效应影响;相比极化率,金属因素对地下水勘查时金属矿化效应影响的分辨能力有较大程度的提高,效果可靠,在条件类似的存在金属矿化效应影响的太行山片麻岩基岩裂隙水分布区具有推广性。     

香蕉中噻唑膦残留分析方法研究

建立香蕉中噻唑膦的超高效液相色谱串联质谱法(UPLC-MS/MS)残留测定方法。香蕉样品采用乙腈提取和PSA+C18分散固相萃取,采用UPLC-MS/MS多反应模式(MRM)进行分析测定。噻唑膦在添加水平0.01~1.0 mg/kg范围内,平均回收率为94.3%~107.5%,相对标准偏差为7.9%~11.0%。采用外标法定量,方法的检出限为0.001μg/m L,定量限为0.005 mg/kg。该方法简单、准确、重复性较好且节省溶剂,适用于香蕉中噻唑膦的残留检测。     

基于图像处理的茶叶智能识别与检测技术研究进展分析

作为茶叶智能化生产的关键难题之一,基于图像处理的茶叶智能识别与检测技术受到广泛关注。通过综述图像处理技术在茶叶嫩芽识别定位、茶叶病虫害检测、茶叶品种识别与品质检测等方面的研究应用,分析比较各方法的优缺点,总结现有研究存在的主要问题有嫩芽分割受光照影响较大、难以分割含与嫩芽颜色相近背景的图像、枝叶遮挡情况识别效果不理想、缺乏真实背景下茶叶病斑识别算法等。指出基于图像处理的茶叶智能识别与检测技术未来的研究重点:增加不同地域茶叶及品种的样本数据以提高算法普适性;采取多信息融合的方法以求获得更全面的茶叶嫩芽信息;枝叶遮挡严重情况下的识别策略可考虑借助机械装置或风机拨开枝叶,从而避免因枝叶遮挡而导致识别率低的现象发生。     

母猪饲养管理要点

养猪业是否赚钱,关键在于对母猪的饲养管理。要想提高养猪生产水平,在相同条件下获得最佳经济效益,就必须做好母猪饲养管理的相关工作。母猪是养殖场经济效益的"发动机",做好母猪的体况管理有助于维持母猪群的健康,提高母猪群饲料利用率,延长母猪群使用年限,充分发挥母猪的遗传潜力和提高母猪终生的繁殖性能。     

果蔬型甜玉米新品种京科甜191的选育

京科甜191是以超甜玉米自交系T68为母本,自交系T6302为父本,通过杂交选育而成的果蔬型甜玉米品种。果穗筒型,穗长19.0 cm,穗粗5.3 cm,穗行数16~18行,行粒数36~38粒,粒行整齐。籽粒亮黄色,外观漂亮。平均每667 m2鲜果穗产量900 kg左右,出籽率约67.4%。鲜籽粒含粗蛋白2.98%,粗脂肪1.37%,总糖6.7%,口感甜脆清爽,皮薄无渣。播种至采收平均85.4 d(天),适宜京津冀及类似生态区种植。     

哺乳动物热休克蛋白研究进展

应激是动物对影响其正常生理机能的一切内外环境因素所作出的非特异性适应反应,而应激诱导产生的热休克蛋白能保护机体免受应激原所造成的伤害。随着热休克蛋白研究的不断深入,揭示其复杂的生物学效应对提高动物的抗逆性和更好地激发动物潜在的经济性能具有重要的意义。本文综述了近年来哺乳动物热休克蛋白的研究成果及目前的研究现状,以期为热休克蛋白的进一步研究提供一定的参考。     

QuEChERS-超高效液相色谱串联质谱法测定玉米中的17种真菌毒素

为改进我国食品安全监测的方法,采用QuEChERS净化方法结合超高效液相色谱-串联质谱(UPLC-MS/MS)对玉米中的真菌毒素进行检测,建立了玉米中共17种真菌毒素的测定方法。结果表明:17种毒素的线性相关系数(R~2)均不小于0.994,检出限为0.1～20.0μg·kg~(-1),加标回收率为70.76%～115.14%,相对标准偏差为2.21%～11.34%。该方法具有快速、准确、提取效率高、净化效果好、回收率高、准确灵敏等优点,此方法可适用于玉米和食品中17种真菌毒素的快速检测。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

新型果园宽幅联合仿形修剪机设计与研究

针对目前修剪机修剪形状单一,适应性差,修剪机械通用性能低的问题,通过理论分析、三维模型设计、性能试验相结合的方法,设计针对新型果园的宽幅联合仿形修剪机。主要对该整机的机架结构、切割装置、传动系统、液压系统进行了设计,并分别对机架结构和切割装置的机构进行运动分析。试验结果表明:该修剪机切割高度范围为500～4 000 mm,向左最大移动幅度为1 530 mm,向右最大移动幅度为740 mm,左右最大摆角幅度为±25°,最大切割直径为60 mm,修剪漏割率为7.3%,修剪合格率为90.9%,切割断面质量和修剪形状符合农艺学的要求。该机适应性强,通用性能高,能满足多种修剪树形的需要。