首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  免费   1篇
  国内免费   1篇
农学   2篇
  3篇
  2023年   1篇
  2022年   1篇
  2019年   1篇
  2017年   1篇
  2015年   1篇
排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
选择淮南典型煤矿复垦区不同土地利用方式下(菜地、玉米—小麦地、林地和荒地)的土壤作为研究对象,运用单因素方差分析和内梅罗综合污染指数调查了其腐殖质组成特征与重金属污染状况并探究两者间关系,为修复矿区复垦土壤提供依据。结果表明:土壤腐殖质含量、腐殖化程度和稳定性依菜地玉米—小麦地林地荒地的次序从最佳向最差过渡。不同土地利用方式下土壤胡敏素(HM)的组成不同,HM各组分有机碳含量为HMrHMiHMc;且施用有机肥土壤较不施肥土壤中HM各组分的含量明显增加。复垦区土壤中Cu和Cd含量均高于土壤背景值,Zn含量低于土壤背景值,土壤处于轻度污染状态。施用有机肥提高复垦土壤肥力的同时,需控制有机肥中重金属含量,以降低土壤重金属污染风险。  相似文献   
2.
针对葡萄园害虫识别过程中害虫种类繁多、形态属性复杂、实体间深层次关联关系差等因素导致的识别准确率不够高的问题,该研究提出一种基于属性特征知识图谱的细粒度葡萄害虫识别模型。该模型以视觉编码器作为提取图像高层表征的骨干网络,并结合知识图谱具有在描述害虫实体属性特征和害虫实体间关联方面的优势,将知识图谱所提供的细粒度属性特征和害虫实体关联特征信息用于葡萄园害虫分类研究。该方法在2个数据集上进行了测试:一是GP21数据集,该数据集由公开大规模害虫数据集IP102中21类葡萄园相关害虫类别图像构成;二是GP8数据集,该数据集包含从农业生产基地实地采集并手工标注的8种葡萄园害虫。试验结果表明,该文所提模型性能明显优于普遍通用预训练网络模型,分类准确率在GP21数据集和GP8数据集上分别达到了91.21%和95.03%,相比于仅使用视觉编码器分别增加1.64和1.17个百分点。这证明属性特征知识图谱的引入能够辅助视觉编码器捕获细粒度更高的葡萄园害虫特征信息,有效解决了葡萄园害虫识别中的精度不够高的问题。  相似文献   
3.
拟南芥TONSOKU (AtTSK)是一个细胞核内的绑定蛋白,在调控植物生长发育的过程中发挥重要作用。基于目前TSK研究结果,本综述旨在系统地对拟南芥AtTSK基因的结构特点、基因表达、蛋白定位、系统进化以及功能进行综述,并总结了AtTSK在调控细胞有丝分裂、修复DNA、维护染色体结构、维持转录水平的基因沉默以及植株形态建成等生理过程中的重要作用。本综述对于进一步解析拟南芥及其它植物TSK功能,探索TSK在植物细胞分裂及生长发育中的作用机制,具有重要的参考意义。  相似文献   
4.
蓝莓花色苷提取工艺及其抗氧化性研究   总被引:1,自引:0,他引:1  
以蓝莓为原料,采用溶剂萃取法提取蓝莓花色苷,通过单因素和正交试验确定其最佳提取工艺条件。并以VC为对照,研究花色苷清除超氧阴离子自由基(O2-·)、DPPH自由基、羟自由基(·OH)和抗油脂氧化、还原力等抗氧化活性。结果表明,溶剂法提取蓝莓花色苷的最佳工艺条件为:提取溶剂80%乙醇,液料比15∶1(m L·g-1),p H 3,温度40℃,提取70 min,蓝莓花色苷的色价最高。蓝莓花色苷具有很好的抗氧化性,其抗氧化能力随浓度的增大而提高,花色苷对油脂的抗氧化能力比VC的效果稍好;花色苷的还原力低于同浓度的VC,VC的还原力是花色苷的1.7倍;0.1%和0.5%的花色苷对·OH的清除率高于相同浓度的VC,但是0.2%~0.4%浓度的VC比相同浓度花色苷的效果稍好;相同浓度下,VC对O2-·的清除能力明显好于花色苷,是花色苷的1.54倍;蓝莓花色苷对DPPH自由基的清除效果好于同浓度的VC,是VC的1.07倍。  相似文献   
5.
生菜外部表型参数的无损、高精度估算对全天候生长监测意义重大。为提高生菜表型参数估算模型泛化性能,以基质培生菜为研究对象,提出了基于深度学习的融合二维RGB图像和深度(Depth)图像的生菜表型参数(湿质量、干质量、株高、直径、叶面积)高精度估算方法。采集4个生菜品种生长全过程的表型参数数据集,包含RGB图像、深度图像和人工测量的表型参数,共388个样本。对RGB图像和深度图像进行背景分割和数据归一化,输入构建的深度学习多源数据融合模型对5种表型参数进行同步回归训练。试验表明,该研究方法对5种表型参数的估算决定系数均高于0.94,平均绝对百分比误差均低于8%,而传统特征提取+机器学习方法对部分表型参数估算的平均绝对百分比误差高达13%以上,表明该研究估算方法具有较高的精度。消融试验表明融合RGB和深度图像的深度学习模型优于仅使用单源图像的模型,尤其在株高、直径和叶面积的估算上。对生菜不同品种和不同生长阶段的估算结果表明该模型适用于不同颜色、形状的生菜品种,亦对不同生长阶段、不同植株大小的生菜具有一定的适应性。因此,该研究提出的基于深度学习多源数据融合模型的生菜表型参数估算方法性能优异,对设施蔬菜生长监测和产量预估有重要的应用价值。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号