面向植物分类的被子植物叶形特征自动提取

在植物分类学中,叶的形态特征是重要的分类依据。根据被子植物分类对叶特征提取的要求,设计了植物叶形特征自动提取方案：使用扫描仪进行植物叶图像采集;对原始图像进行预处理,包括去除背景、去除叶柄、叶片方位校正;根据预处理后的图像进行叶形特征提取,获得纵横比、位置度两个特征数据。根据特征数据结合植物分类学知识能够识别叶片的基本形状。通过测试验证了方案的有效性。     

裂叶

羽状浅裂裂深为叶缘至中脉的1/3。如柞栎、蒲公英、川木香。羽状深裂裂深为叶缘至中脉的一半。如抱     

裂叶丁香栽培管理

<正>裂叶丁香为木犀科丁香属植物,别名羽裂丁香、矮丁香。原产西北地区,常生长于海拔800~1200m低山丘陵的半阴坡、半阳坡、山谷或林缘,现华北、东北等地区均有栽培。裂叶丁香高可达2m,枝细长、无毛。叶对生,圆锥花序侧生,花紫色,花蕾时淡红紫色。花冠筒细长,蒴果,翅棕褐色。花期4~5月,果期8~9月。裂叶丁香喜光、稍耐阴,耐干旱,耐寒,耐土壤瘠薄,不耐水湿。对土壤要求不严,有一定的耐盐碱能力,在含盐量0.3%以下的土壤中能正常生长,但以排水良好、疏松、含腐殖质多的中性壤土为好。忌在低洼地栽植,积水常引起裂叶丁香发生病害或死亡。     

植物源除草剂壬酸对三裂叶豚草防效显著

<正>壬酸是广泛存在于动植物体内的脂肪酸,是一种触杀性、非传导、速效性的广谱除草剂,通过破坏细胞膜使植物细胞很快丧失生理功能。壬酸低毒,对环境影响较小,作为一种植物源除草剂具备广阔的的应用前景。近年来,北京市积极引入壬酸防除检疫性杂草——三裂叶豚草。为了实现用最低浓度、最低剂量达     

黑麦草叶蛋白提取工艺研究

采用酸化和加热相结合的方法，研究了从黑麦草中提取叶蛋白的最佳工艺条件，并分析了黑麦草叶蛋白中的氨基酸组成。结果表明黑麦草叶蛋白提取的最佳工艺条件为pH4.0，料水比1：2，凝聚温度为70℃，加热时间5min。该条件下提取的叶蛋白含量可高达70.48%。氨基酸分析显示黑麦草叶蛋白中人体必需氨基酸、鲜味氨基酸和药效氨基酸分别占总氨基酸的40.3247%、22.2439%和77.5609%。黑麦草叶蛋白具有很好的营养、保健和药用价值。     

芝麻叶多糖提取工艺研究

探讨芝麻叶水溶性多糖的提取工艺,采用4因素3水平正交试验设计,研究料液比、微波功率、提取时间、提取温度等因素对芝麻叶水溶性多糖提取率的影响。结果表明,芝麻叶水溶性多糖的最佳提取条件为提取时间45 min,提取温度75℃,料液比1∶10,微波功率750 W,在该条件下芝麻叶多糖的得率为4.15%。     

红枣叶中色素提取工艺研究

从红枣叶中提取色素,研究不同提取溶剂、浸提时间、料液比、浸提温度对色素提取的影响。正交试验结果表明,红枣叶色素的最佳提取工艺为提取溶剂为无水乙醇与丙酮(1∶2),浸提时间4 h,料液比1∶10,浸提温度50℃,红枣叶色素的提取率为8.86%。     

桑叶叶蛋白提取工艺的研究

探讨桑叶叶蛋白提取的工艺条件。结果表明,桑叶叶蛋白提取的最佳工艺条件为:在温度60℃下,以质量分数0.7%的NaOH溶液为浸提剂,浸提时间20min,料液比为1∶4,絮凝温度75℃,叶蛋白提取率为4.42g/100g。     

彩叶植物新品

金边扶芳藤 落叶藤本,为观叶和观果植物。单叶对生,叶缘金黄色,边缘具锯齿。聚伞花序3,有时7-15,花小,绿色或白色,有时紫红色或红棕色,早春或夏季开花。蒴果,秋季至冬季为果期。抗寒性强至渐强。夏季可根插,种子成熟后即可播种繁殖。栽植于光线充足或稍遮荫、排水良好的土壤。在阳光充足时,土壤要求湿润。常绿品种最好搭风障防干冷风。扶芳藤可用于攀援绿化及地面覆盖材料。     

彩叶植物新品

正~~     

SUSAN算法在植物叶缘特征提取中的应用

叶缘特征是植物种类识别和分类的一个重要依据。根据植物学中对叶缘的描述,设计了计算机辅助植物叶缘特征提取方案。首先采用改进的SUSAN算法检测植物叶缘锯齿,然后计算叶缘锯齿数量、尖锐度、偏斜度3个特征参数。对多种类型的植物叶进行测试,结果表明,利用改进的SUSAN算法能够有效检测植物叶缘锯齿,3个特征参数体现了不同类型叶缘的形状差异,叶缘特征提取方案可用于植物叶缘定量分类。     

面向植物生长智能监控的叶颜色特征提取

根据植物生长智能监控的需求,设计了叶颜色特征提取方法：首先提取叶整体颜色特征,根据特征数据能够判断植物叶是健康、存在整体颜色变异还是存在局部颜色变异;如果存在局部颜色变异,进行局部颜色变异部分分割、颜色特征提取和空间分布特征提取。将一组具有不同程度颜色变异的植物叶的阳面和阴面图像作为两个系列进行了对比测试。测试数据表明：特征参数能够区分健康的叶和存在变异的叶,能够区分不同类型和不同程度的颜色变异,能够为后续决策处理提供数据支持,特征提取方法适合植物生长智能监控。     

A Character Recognition Based on Feature Extraction

This thesis analyzes the theory of image processing and feature extraction, character feature is investigated in this thesis, including width, intersection, chain-code, the way of structure of character is used, a hand-written character recognition and entry system is developed. It is proved feature is simple and definite.     

白桦叶黄酮超声波提取及纯化工艺研究

以白桦叶为原料,采用超声波法提取其黄酮化合物,以黄酮粗提物得率为指标筛选试验条件,进而进行响应面优化试验;采用NKA-9大孔吸附树脂对白桦叶黄酮粗提物进行纯化优化试验。结果表明:在料液比1∶41(g/g),乙醇质量分数90%,超声时间44 min的工艺条件下进行提取,黄酮得率可达6.12%。NKA-9大孔吸附树脂纯化粗提物的工艺条件为:上样浓度0.8 mg/mL,上样量3 BV,上样速率1.5 mL/min,pH 3,洗脱液乙醇体积分数90%,洗脱液用量2.5 BV。在此工艺条件下所得到的纯化物黄酮含量可达68.5%。     

基于数字图像的番茄黄化曲叶病毒病色彩分析研究

为实现番茄黄化曲叶病毒病的快速无损监测,利用计算机图像处理技术对番茄叶片图像进行研究。在3种颜色系统中比较9种颜色参数,发现其中5种色彩参数存在显著差异,通过进一步的分布统计研究,发现了各参数的最优区分区间。其中G、Y、Cb 3个值对感病叶片的区分率均达到70%以上,最优区分点分别在135、121和110,可以作为TYLCVD的特征参数应用于识别模型为后续研究识别模型提供重要的参数依据。试验结果表明,基于色彩分析法对番茄黄化曲叶病毒病进行识别是可行的。     

基于叶片数字纹理特征自动识别胡颓子属植物

为了探索胡颓子属植物叶片的数字纹理特征变异规律,对苏、浙、皖地区常见的8种胡颓子属植物,提取了基于灰度共生矩阵的叶片纹理参数,分析了叶片纹理参数的种内、种间变异规律,并构建KNN分类模型。结果表明:同种不同地理来源的标本间全部纹理参数是极显著差异,不同种之间仅某一纹理参数有显著差异;随机取132个样本作为训练集,35个作为测试集,构建KNN分类模型,K=6时,正确识别率达到了93.75%。对于特定分布区内的几个胡颓子属植物,叶片数字纹理具有分类识别意义,可用于构建分类模型。     

功能性植物蛋白源——苜蓿叶蛋白加热盐溶法浸提正交试验研究

功能食品是世界食品工业新的增长点,也成为国内外竞相开发的热点,随着国际市场对天然提取物和天然食品添加剂的消费趋势,用植物为原料提取或加工而成的天然功能性食品添加剂研发意义重大,本研究以苜蓿为原料,研究了功能性植物蛋白源--苜蓿叶蛋白加热盐溶法提取的工艺,并应用正交试验对相关参数进行优化研究。利用该工艺参数提取叶蛋白,耗能少、成本低、生产工艺简单,提取过程中除加入少量NaCl作为提取剂外,不添加其他任何化学制剂,叶蛋白产品质量好、食用安全。     

基于颜色特征的叶片含水率与比叶重估算模型初探

通过不同氮素营养水平的水培试验,采用线性拟合和逐步回归分析,建立了黄瓜叶片干基含水率与比叶重的颜色特征估算模型。结果表明：颜色特征与叶片干基含水率、比叶重的线性拟合分析中,S、G/(R+G+B)、B/(R+G+B)、G/R、G/B、G-R和H/S构成的颜色特征变量的相关系数与叶片干基含水率相关密切;S、G/(R+G+B)、B/(R+G+B)、G/R、G/B、G-R、H/S和H/I构成的颜色特征变量的相关系数与叶片比叶重相关密切。运用逐步回归分析技术找出了G/(R+G+B)和G-R可以作为叶片干基含水量估算的主要颜色特征参数; G/(R+G+B)和H/I是叶片比叶重估算的主要颜色特征参数。     

PD Pattern Recognition Using Complex Wavelet Transform Coefficient As The Feature

Complex wavelet transform can characterize the partial feature of the PD signal in time-domain and frequency-domain,and provides the unique phasic information.In this paper,the PD pulse waveforms which are created by 4 typical insulated defects are transformed by complex wavelet,and then the complex wavelet coefficient's real part,imaginary part and compound coefficient are clustered by the Fuzzy c-means,the energy of the cluster is the feature of pattern recognition.Discharge samples are got through large number of experiments,and BPNN can identify the PD created by 4 typical insulated defects effectively.The results show that the feature extracted from compound coefficient is better than the feature extracted form the real part and imaginary part of complex wavelet coefficient or wavelet coefficient.