一种适于SSR-PCR的棉花基因组DNA提取法

本文是一种适合于棉花这样高含酚类植物进行DNA提取的方法,提取程序中增加了DIECA、PVP40等对棉花酚类物质氧化有抑制作用的试剂,简化并改进了本实验室常用的棉花总DNA提取方法的步骤,使棉花总DNA能够快速高质量提取,避免了以往的棉花总DNA提取过程中棉酚的氧化对DNA提取质量的影响,提取的DNA能很好地进行SSR-PCR分析.本法提取的棉花总DNA呈乳白、疏松的丝状、干后为透明状,能很好的溶解在TE或ddH2O中.用本方法提取的棉花总DNA作为模板用JESPR系列SSR标记对其进行SSR-PCR扩增,可以扩增出清晰的条带.     

聚松香丙烯醇酯及其氧化物的合成及表征(Ⅰ)——微波加热法合成聚松香丙烯醇酯

采用微波加热和常规加热方法聚合得到聚松香丙烯醇酯,分别对聚合物进行了红外、紫外、软化点和热失重分析。结果表明,微波加热聚合得到聚松香丙烯醇酯具有交联结构,松香的共轭双键参与了反应,软化点在300℃以上,微波加热反应的聚松香丙烯醇酯的相对分子质量在29 305以上,常规加热方法聚合得到聚松香丙烯醇酯相对分子质量在3 910以上,常规加热方法聚合时加入交联剂后得到的聚合物,相对分子质量在9 729以上,聚合物中残留有更多的双键,聚合物的热稳定性减弱。采用微波加热合成聚松香丙烯醇酯快速简便,聚合物性能优于常规方法。     

内部沸腾强化肉桂皮中肉桂醛的提取工艺及机理

用少量乙醇溶液润湿肉桂皮,然后加入热水,使渗透到肉桂皮微孔内的乙醇溶液沸腾,强化提取过程。实验结果表明,肉桂醛提取得率为2.43%,高于传统水提法。提取一次所需时间仅为1~5 m in,达到或者超过微波等非常规手段强化的效果。通过对热水温度的影响分析,发现内部沸腾时,提取速率发生突变,这种突变是由于孔内沸腾时产生对流引起的。     

微波磷酸法中密度纤维板厂废料制备活性炭

以中密度纤维板(MDF)厂废料为原料,采用微波辐射磷酸法制备活性炭。探讨了在微波功率900W条件下磷料比、水料比、辐照时间对产品活性炭各项主要指标的影响。得到了试验条件下微波辐射磷酸法制备活性炭的最佳工艺: 磷料比3．5:1,水料比1:1,辐照时间9min。用此工艺制备活性炭产品的得率39．44％,碘吸附值949．08mg／g,亚甲基蓝脱色力10．76mL／0．1g,苯酚吸附值350．25mg／g。本工艺方法为中密度纤维板厂废料的综合利用找到了新的途径。     

基于GEE的广西北部湾沿海水产养殖池塘遥感提取

沿海水产养殖池塘带来经济效益的同时,也会引起诸多环境问题,了解其空间分布对于海岸带的科学管理和渔业可持续发展具有重要意义。广西北部湾海岸带地形错综复杂,养殖池塘沿岸线散乱分布,导致传统遥感识别方法难以实现高精度提取。针对此问题,该研究提出一种基于Google Earth Engine（GEE）平台和全年Sentinel-1和Sentinel-2时序遥感数据的水产养殖池塘识别方法,结合多阈值分割和面向对象分类提取2019年广西北部湾海岸带的水产养殖池塘。结果表明：1）广西北部湾海岸带养殖池塘面积总计199.3 km2,遍布整个沿岸地区;识别结果总体精度达到0.921,Kappa系数为0.842;2）选取4个典型区域,对比该研究方法提取结果与Google高清影像目视解译结果,在规模化集聚型养殖区域中,识别结果占目视解译的面积比例达到90%以上,在排布密集的小型池塘区域面积占比也能达到80%以上;3）以时序遥感数据作为分类特征值,能够有效排除废弃池塘、水稻田和季节性水域。该方法在大范围复杂环境中仍具有良好性能,显著提高了水产养殖池塘遥感识别的精度,能够为海岸带生态环境的智能监控、养殖区域空间优化提供技术支持。     

基于双目视觉的香蕉园巡检机器人导航路径提取方法

为实现移动机器人香蕉园巡检自动导航,研究提出了一种基于双目视觉的香蕉园巡检路径提取方法。首先由机器人搭载的双目相机获取机器人前方点云,进行预处理后对点云感兴趣区域进行二维投影并将投影结果网格化,得到网格地图;然后采用改进的K-means算法将道路两侧香蕉树分离,其中初始聚类中心通过对网格地图进行垂直、水平投影以及一、二阶高斯拟合确定;最后基于最小包围矩形提取导航路径,将道路两侧网格以最小矩形框包围,提取两包围框中间线作为期望导航路径。测试结果表明,改进的K-means算法聚类成功率为93%,较传统方法提高了12%;导航路径提取平均横向偏差为14.27 cm,平均航向偏差为4.83°,研究方法可为香蕉园巡检机器人自动导航提供支持。     

基于Kinect V3深度传感器的田间植株点云配准方法

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法（Random Sample Consensus, RANSAC）结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在6～17 mm之间,平均点位误差在13～30 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。     

智能手机RGB图像检测植物叶片叶绿素含量的通用方法

为提高RGB（Red, Green, Blue）图像方法在检测植物叶片叶绿素含量的预测精度、普适性和实用性,该研究提出了一种智能手机结合辅助拍照装置获取植物叶片RGB图像并即时检测叶绿素含量的低成本方法。设计了一种内置主动光源的低成本便携式拍照装置,用以降低环境光及拍照角度等因素对成像质量的影响;并采用了基于24色Macbeth标准色卡的二阶多项式回归法构建色差校正矩阵以减小不同手机所获取图像的色差;最后开发了基于微信小程序的远程诊断系统以实现植物叶片叶绿素含量的原地、实时及无损检测。以甘蔗叶片为例,采用了3款不同品牌的手机进行了试验,首先分析了叶片39种颜色特征与其叶绿素含量的相关性及色差校正方法对其的影响。结果表明,该方法获取的叶片颜色特征与叶绿素含量大多具有较强的相关性（相关系数>0.8）,同时,色差校正可明显提升多手机混合数据集的颜色特征与叶绿素含量的相关系数,其中RGB色彩空间下三个颜色通道亮度值R、G、B的代数运算特征(B-G-R)/(B+G)的提升最明显,达到了0.842 4,比校正前提高了89%。进一步结合主成分分析构建了色差校正前与色差校正后的叶绿素含量多元线性回归（Multivariate Linear Regression,MLR）和支持向量机回归（Support Vector Regression,SVR）预测模型。针对多手机混合数据集的通用预测模型中,色差校正后的SVR通用预测模型精度和稳定性最高,相比校正前的SVR通用预测模型,五折交叉验证的R2均值达到了0.721 4,提高了14.6%,RMSE均值为0.328 8 mg/g,降低了13.3%;同时,该模型五折交叉验证的R2标准差仅为0.004 2,具有更高的稳定性。该研究为不同手机准确预测植物叶片叶绿素含量提供了一种通用方法。