排序方式: 共有74条查询结果,搜索用时 15 毫秒
21.
为快速测量红枣的体积和表面积,给红枣三维信息的分级装备开发提供依据。该文搭建图像采集装置,由工业相机连续拍摄旋转圆盘上物体的二维图像,编写图像处理软件提取图像的二维轮廓特征,再由二维图像的轮廓构建三维多轮廓模型,测量模型的体积和表面积。探讨不同轮廓间角(4°~15°),不同投影高度(0.1~0.5cm)和不同直径(24~42 mm)对多轮廓模型测量体积和表面积的影响。试验结果表明,多轮廓球体模型的直径为固定值,体积的相对误差随轮廓间角和投影高度的增大而增大,表面积的相对误差随轮廓间角和投影高度的增大而减小,最小相对误差分别为6.0%和1.0%;多轮廓球体模型的轮廓间角和投影高度为确定值,模型的体积和表面积的相对误差随直径的变化不明显,但直径越小误差越大,体积和表面积相对误差的均值分别为9.1%和4.34%;多轮廓红枣模型的轮廓间角和投影高度为确定值,模型体积的平均相对误差随等级的增大而增大,表面积随等级变化不明显,其中体积的均方根误差和平均相对误差的均值为2.45 cm3和10.2%;表面积的均方根误差和平均相对误差的均值为3.65 cm2和7.09%。红枣多轮廓模型测量方法为红枣分级装备的开发提供技术参考。 相似文献
22.
23.
本研究克隆了羊口疮病毒安徽分离株的F1L基因,融合Fe蛋白编码基因后,插入载体pET-32a中,构建了重组质粒pET-F1L-Fe。将pET-F1L-Fe转化BL21(DE3)感受态细胞,用IPTG诱导表达重组蛋白F1L-Fe。SDS-PAGE分析结果显示,羊口疮病毒F1L-Fe基因在BL21(DE3)获得了正确表达。将大量表达的F1L-Fe蛋白进行纯化,然后免疫BALB/c鼠,制备了抗F1L蛋白的多克隆抗体。最后,以制备的多克隆抗体对F1L-Fe融合蛋白进行Western-blot检测和分析,结果表明F1L-Fe蛋白能与制备的多克隆抗体发生特异性反应,具有良好的反应原性。本研究结果为进一步研发羊口疮病毒亚单位疫苗提供了物质基础。 相似文献
24.
为查清引起滁州地区某养殖场雏番鸭死亡原因,本研究通过对分离细菌的鉴定和动物致病性试验,确定奇异变形杆菌是引起此次雏番鸭发病的病原体,并将分离的奇异变形杆菌命名为AHcz-1株.根据其16S rRNA基因序列,建立其遗传进化树;根据已报道的8个毒力基因ureC、zapA、mrpA、ucaA、rsbA、pmfA、atfA、atfC序列,设计引物进行PCR扩增,并对毒力基因进行序列分析.结果显示:AHcz-1株与日本株(AB932526.1)亲缘关系最近,同源性高达100%;毒力基因pmfA、atfA、ureC均未发生变异;AHcz-1株具有较强的致病性;致病菌对丁胺卡那高度敏感,对庆大霉素、恩诺沙星中度敏感,对其它17种抗生素不敏感,表明AHcz-1株具有多重耐药性.本研究为番鸭源奇异变形杆菌临床诊断、临床用药及遗传变异研究奠定了基础. 相似文献
25.
为研究A型鸭肝炎病毒(DHAV)非编码区的结构和功能,笔者拟构建该病毒的微基因组并对其进行初步鉴定。采用酶切的方法将萤火虫荧光素酶报告基因(fLuc)与A型鸭肝炎病毒的ORF进行替换;并在5′UTR上游插入海肾荧光素酶报告基因Rluc作为内参基因;同时还在Rluc上游引入锤头状核酶,3′UTR下游引入丁型肝炎核酶,至此得到了含有双报告基因的A型鸭肝炎病毒微基因组(pRluc-fLuc)。将pRluc-fLuc转染DF-1细胞,8h便可以检测到报告基因的表达,24h表达量达到峰值。上述结果表明,已经成功构建了A型鸭肝炎病毒微基因组,这为进一步研究病毒非编码区的结构和功能以及病毒的翻译或复制的调控机理提供了良好的技术平台。 相似文献
26.
27.
2NCB-120型小麦免耕播种机的设计 总被引:1,自引:0,他引:1
介绍 了 2NCB-6型 小 麦 免 耕播 种 机 的 主要 技 术 参 数,主 要 工作 部 件 的 选择 、设计 及 参 数 确定 。 实 验结 果 表明:机具 结构 简单,重 量轻 ,调整 使用方 便,能 够满足 小麦 免耕播 种的 农艺要 求。 相似文献
28.
近期 ,面对我国通货紧缩的压力 ,一些经济学家纷纷提出 ,应当实行减税政策 ,其理由有以下三点 :一、对我国税收收入持续超常增长的质疑西方市场经济国家实施扩张性财政政策 ,一般包括增加支出和减轻税负两个方面。增加支出即通过增发国债 ,增加政府购买能力的支出 ,以促进投资需求和消费需求。减轻税负则通过运用税费杠杆 ,将购买力留于民间 ,以促进民间的投资需求和消费需求。增支和减税 ,对促进需求、刺激经济发展的效果是相似的 ,都是增加需求方面的政策。但减税措施使企业降低成本 ,更能直接启动民间需求 ,提高企业供给的积极性 ,所以供… 相似文献
29.
30.
基于圆形模型的骏枣果梗检测方法 总被引:1,自引:0,他引:1
果梗有无的判别是骏枣分级系统中的一项重要指标,针对传统的膨胀与腐蚀操作不能达到果梗识别的要求,为此提出了基于圆形模型的骏枣果梗检测方法。通过图像预处理获取二值图像;构建一圆形模型,以目标图像的形心为圆心,以等效椭圆长半轴乘1个调整系数为半径,该圆形模型可以覆盖骏枣果肉部分图像,剩下图像部分主要为果梗;由于图像可能还含有噪声,为此进行中值滤波处理,最后即可提取果梗图像部分。对120帧图像进行检测试验,结果表明:每个图像的平均处理时间小于500ms,本次试验果梗识别准确率93%,基本满足红枣分级系统精度的要求。 相似文献