间歇热处理抑制热伤害提高黄瓜贮藏品质

为了研究间歇热处理抑制黄瓜热伤害及对其贮藏品质的影响,以38℃热水为介质,分别对黄瓜进行连续处理60 min(H组)、及每连续处理10 min便放到常温水(20℃)中回温的间歇处理(I组),其中I组总有效热处理时间为60 min。处理后将所有黄瓜转移到温度12℃、相对湿度90%的冷库中贮藏15 d。测量了热处理过程中黄瓜内部组织温度分布;记录了贮藏期间黄瓜某些品质及抗氧化酶活性指标的变化,如呼吸速率、细胞膜透性、过氧化物酶(peroxidase,POD)、超氧化物歧化酶(superoxide dismutase,SOD)及过氧化氢酶(catalase,CAT)活性等。结果显示,与CK组(不做任何处理)相比,H组有较高的呼吸强度、失重率、细胞膜透性及较低的硬度,表明H组出现了热伤害现象,同时H组和CK组在抗氧化酶活性方面没有显著差别(P0.05)。贮藏结束时,H组呼吸速率、硬度、相对电导率分别是CK组的1.19倍、92%及1.13倍。I组在品质及抗氧化酶活性方面均表现较佳。贮藏结束时,I组呼吸强度、失重率、POD、CAT、SOD活性分别是CK组的80%、55%、1.41倍、1.67倍及1.24倍。此外,通过对黄瓜内部组织温度的动态分析得:热处理过程中黄瓜组织所达到最高温度及在该温度下连续时间是造成黄瓜热伤害的内在因素;具有较快温度变化的热处理前期是黄瓜产生热处理保鲜效果的重要阶段。     

基于Bi-LSTM与多尺度神经网络模型的番茄病害识别

番茄叶片病害的精准识别对农业领域未来的发展至关重要，农业研究人员逐渐使用深度学习的方法进行植物病害的精准检测。然而对比以往的神经网络可以发现，它们普遍缺少上下文信息的连续性以及全文信息的完整性。对此本研究提出了一种Bi-LSTM和多尺度卷积神经网络相结合的模型，采用双向长短期记忆网络，可以更好地捕捉双向信息的反馈，使上下文的信息更具有连续性，而所提出的多尺度卷积神经网络既保证了全局信息的完整性，同时减少了细节信息的丢失，为了提高模型对病害特征的识别能力引入注意力模块，从而使模型重点关注疾病的特征部分。从公开的PlantVillage数据集中选取番茄的9类疾病和健康的叶片作为研究对象，试验结果在验证集上得到最高分类准确率为98.16%,与其他几个经典的CNN模型相比较，该模型的识别准确率优于其他的基础模型，并且具有较好的稳定性。经过试验验证，该模型可以为番茄病害识别提供一种有效的解决方法。