基于植物表型复合参数体系的烤烟等级初分检测方法

为实现快速无损智能判定烤烟等级,基于植物表型复合参数体系设计了一款便携式烤烟等级快速检测仪,通过试验确定了37个与烤烟等级值具有显著或极显著相关的表型参数组成了烤烟等级特征复合参数体系,选取K-Means聚类法、系统聚类法、 CHAID决策树算法、BPNN算法作为烟叶判定模型的建模对比算法,从500株云烟87烟株中选取了6个等级的595片烟叶作为样本源,每个等级的50片烟叶y样本作为建模数据,其余的烟叶作为验证数据,结果表明：基于贝叶斯分类器算法的等级判定准确率为75.59%,高于企业所要求的烟农初分准确度标准（准确度≥60%）。基于表型复合参数体系的烟叶判定模型可用于构建便携式轻量化的烤烟等级检测仪,为后续开展不同生态区烤烟等级快速检验研究奠定了基础。     

烘烤方式对‘云烟87’烟叶质量的影响

为进一步提升烟叶烘烤水平,提高出烤烟叶质量,以‘云烟87’为材料,连续多年对当地散叶烘烤和挂杆烘烤的烤后烟叶进行对比。结果表明,随着散叶烘烤工艺的逐年改进,散叶烘烤与挂杆烘烤在烟叶外观质量上的差距逐年缩小;散叶烘烤在烟叶化学品质上明显优于挂杆烘烤,化学成分更加协调;综合来看,散叶烘烤烟叶的综合品质在逐年提升,并优于挂杆烘烤。     

不同类型土壤养分区域对烟叶工业可用性的影响

土壤养分状况对烟叶质量的形成有重要影响。福建省龙岩市作为武夷丘陵清甜蜜甜香型烟叶典型产区,明确其不同类型土壤养分区域烟叶质量与工业可用性的关系,对实现龙岩烟叶精准收购与调拨具有重要指导意义。通过对龙岩市上杭县所辖22个乡(镇)的土壤取样分析后发现:上杭县土壤pH值较低,有机质含量丰富,碱解氮含量偏高,有效磷含量中等,速效钾含量偏低;进一步通过系统聚类分析法将上杭县所有乡(镇)分为7个不同类型土壤养分区域,并以其对口烟叶调拨工业企业安徽中烟烟叶质量评价方法对前3种主要类型土壤养分区域2014—2018年所产烟叶的外观质量、感官品质、化学成分等进行评分后发现:3种主要类型土壤养分区域烟叶质量综合得分均较高,且Ⅱ类土壤Ⅲ类土壤Ⅰ类土壤。因此,Ⅱ类土壤养分区域为该企业烟叶调拨最适宜区、Ⅲ类土壤养分区域为适宜区、Ⅰ类土壤养分区域为较适宜区;同时,该烟区除了做好稳定Ⅱ类土壤养分区域烟叶收购调拨工作水平以外,还要针对Ⅰ类和Ⅲ类土壤养分区域土壤碱解氮含量偏高、速效钾含量偏低的特点,在田间施肥方面可以适当采取控氮补钾措施,以逐步提高该类型土壤养分区域所产烟叶对相关工业的可用性。     

浅谈无公害茶叶高效种植技术

随着社会的进步和发展,人们对于食品安全方面更加重视。"无公害"植物适应了当前社会的发展潮流,因此无公害的食物被青睐和信任。无公害茶叶作为一种对于人类营养保健良好的消费品,其要求质量高,并且卫生监管要求严格,栽培种植和管理技术也必须符合国家标准,因此加快无公害茶叶的种植栽培,发展农村经济,满足社会需求、对外贸易是我国当前的茶叶发展趋势。本文主要研究无公害茶叶高效种植方法与管理问题。     

冬季预防中毒

1.预防防冻液中毒 车辆冬季大都使用防冻液,使用防冻液时除了按比例配制、防止失火外,还应预防人员中毒。尤其是乙二醇—水防冻液是一种剧毒液体,如在使用中不     

AIM2炎症复合体活化体系的体外构建及初步应用

AIM2炎症复合体参与自身免疫性疾病和机体抵御病原体的过程,研究其激活机制具有重要的意义。为构建AIM2炎症复合体的体外活化体系,本研究通过PCR方法从人单核细胞(THP-1细胞)中扩增AIM2、ASC、pro-Caspase-1、 pro-IL-1β基因片段后,构建重组质粒p3×Flag-AIM2、 p3×Flag-ASC、 p3×Flag-pro-Caspase-1和p3×Flag-pro-IL-1β,分别转染HEK293T细胞后采用western blot鉴定各蛋白的表达。结果显示,分别约在41.9 ku、34.1 ku、 48.5 ku、 24.6 ku处出现特异性条带,表明融合Flag标签的AIM2、 ASC、 Caspase-1和IL-1β蛋白在HEK293T细胞中获得了表达。除此之外,还可以在HEK293T细胞中检测到39 ku的内源性AIM2蛋白特异性条带,表明HEK293T细胞自身也表达内源性AIM2蛋白。将不同浓度比例的上述重组质粒转染或共转染HEK293T细胞,24 h后各组再转染poly(dA:dT),采用间接ELISA检测各组细胞中IL-1β的分泌水平。结果显...     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。