排序方式: 共有30条查询结果,搜索用时 140 毫秒
1.
随着高校教育教学内容和方式的不断改革创新,国内高校在音乐教学方面掀起了一场传统与现代相结合的热潮。挖掘博大精深的中国传统文化精髓,将其融合于现代生活学习的各个领域,丰富其内容,成为一种趋势。本文拟从丝路音乐文化的研究入手,梳理其发展过程、分析当前存在现状、阐述其迸发活力的原因,再从我国高校传统现代结合音乐教学的探究入手,梳理两者结合的重要性、当前发展的制约瓶颈以及下一步的提升方向,从而找到两者有机结合的契合点,进而提出基于丝路音乐文化提升高校传统现代结合音乐教学的方法路径。 相似文献
4.
为了探究β-伴大豆球蛋白(7S)中α和α′亚基缺失对大豆分离蛋白乳化特性的影响,该文以东农47(对照)和3种不同蛋白亚基缺失型(α缺失、α′缺失以及α、α′缺失)大豆为原料提取大豆分离蛋白(SoyProteinIsolate,SPI),通过十二烷基磺酸钠聚丙烯酰胺凝胶电泳(Sodium Dodecyl Sulfate-Polyacrylamide Gel Electrophoresis,SDS-PAGE)技术分析其亚基组成,然后制备乳状液并测定乳化活性指数(Emulsifying Activity Index,EAI)、ζ-电位、粒径、微观结构、稳定动力学指数(Turbiscan Stability Index,TSI)及界面蛋白吸附量。结果表明:α′亚基缺失型SPI乳状液乳化活性指数最大,为87.59 m2/g;ζ-电位绝对值最大,为47.7 mV;粒径最小,为2.223μm;显微结构显示其分子最小且分布最均匀,稳定动力学指数最小;界面蛋白吸附量最大,为31.40%。4种不同SPI乳状液的稳定性结果由大到小为α′亚基缺失型、东农47、α亚基缺失型、α和α′亚基缺失型。研究结果可为高乳化性大豆蛋白系列产品的开发应用提供理论支撑和技术支持。 相似文献
5.
水稻稻曲病研究进展 总被引:4,自引:0,他引:4
水稻稻曲病(false smut of rice)又称伪黑穗病、绿黑穗病、青粉病,是由稻曲病菌[Ustilaginoidea virens(Cooke) Tak]引起的水稻穗部真菌性病害.自1874年Cooke在印度首次发现稻曲病以来,现以遍及世界各地的水稻种植区.近年来,随着水稻品种更替、杂交稻种植面积扩大和栽培方式的变化,稻曲病在我国南北各省相继大面积发生,现已成为影响我国水稻生产的重要病害之一.稻曲病不仅影响水稻产量,稻曲病菌所产生的有害毒素能够直接危害人畜的健康.因此,安全有效地控制稻曲病,同时关系到我国13亿人口的粮食安全和食品安全. 相似文献
6.
7.
[目的]利用热重-质谱联用(TG-MS)技术,分析了棉秆在催化条件下的热解过程.[方法]采用活化热解区与消极热解区法、热解特性指数法,比较了CaO、MgO对棉秆热解的影响,通过质谱分析研究了CaO、MgO对棉秆热解过程中焦油组分析出的影响.[结果]CaO、MgO对棉秆的活化区和消极区均有催化作用,且CaO、MgO对棉秆的挥发分析出特性具有改善作用;棉秆热解产生的焦油组分主要为苯、甲苯、苯酚,CaO、MgO的加入使焦油组分的析出温度范围变窄、离子强度下降.[结论]该研究为棉杆的催化热解研究提供了科学参考. 相似文献
8.
西府曲子作为民间戏曲,具有独特的音乐特征及艺术风格,在宝鸡关中地区广泛流传.西府曲子不但反映了西府地区人们的思想感情,也反映了他们的现实生活.它的发展过程不但经历了宫廷到民间,还吸收了很多外来的音乐因素,是宝鸡关中的民众,非常喜欢的民间音乐. 相似文献
9.
森林康养作为大数据时代下的产物,以森林资源开发为主要内容,实现了旅游、度假、娱乐与养生为一体的产业共融业态综合体。基于此,本文以遵义市森林康养产业作为研究对象,分析当前产业发展的优势与劣势,分别从资源整合、旅游基础设施建设、互联网智慧营销体系等方面阐述产业的未来发展途径。 相似文献
10.
基于GrabCut算法的玉米病害图像识别方法研究 总被引:1,自引:0,他引:1
GrabCut算法是一种交互式操作少、分割精度高的图像分割方法,但是对于前背景颜色相近或低对比度的区域时难以准确分割前景区域。鉴于此,在实现GrabCut算法的自动分割的基础上,融合基于显著性的SLIC算法来对玉米病害图像进行更好的目标识别和图像分割。以玉米小斑病、大斑病和灰斑病三种病害的图像作为样本,采用融合显著信息的GrabCut算法与相同样本数量和条件下的One-Cut算法和SLIC算法进行试验和对比分析。试验表明,同其他两种算法相比,本文算法对于试验中玉米的三种病害具有更好的分割精度,对于玉米的叶鞘、茎和叶片部分的图像丢失率能够保持在1%以下,分别为0.899%、0.229%和0.914%,对于玉米病害部分能够进行有效地提取,具有较好的分割效果,对于玉米小斑病、大斑病和灰斑病的识别率上能够达到91.67%、86.36%和72.00%,同时通过训练模式进行验证,识别率分别能够达到87.2%、82.4%和83.6%,拒识率分别为4.5%、6.7%和6.3%。 相似文献