绵茵陈中绿原酸的提取工艺研究

【研究目的】研究并优化乙醇提取绵茵陈中绿原酸的最佳操作参数;【方法】以绵茵陈为原料,通过单因素试验、正交试验和方差分析确定最佳提取工艺;【结果】结果表明:乙醇提取绵茵陈中绿原酸的效果较好;确定的最佳工艺参数乙醇浓度为60%、料液比1:25、提取温度60℃、提取时间1.5h;【结论】采用60%乙醇可以很好提取绵茵陈中的绿原酸。     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。     

基于方向一致性特征的小麦条锈病与白粉病识别方法

针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。     

款冬叶片总黄酮提取工艺优化及抗氧化活性研究

以款冬叶片为试材,采用微波辅助法提取总黄酮,在单因素试验的基础上,采用正交实验法优化款冬叶片总黄酮提取工艺,同时以分光光度法测定提取物对1,1-二苯基-2-三硝基苯肼自由基(1,1-diphenyl-2-picrylhydrazyl,DPPH·)、羟基自由基(·OH)和超氧阴离子自由基(O-·2)的清除作用。结果表明:款冬叶片总黄酮最佳提取条件为乙醇体积分数70%,微波提取时间3 min,微波功率500 W,料液比1∶15 g·mL^-1,在该条件下,总黄酮的提取率为0.91%。款冬叶片总黄酮的质量浓度与抗氧化活性呈一定的线性关系,当总黄酮质量浓度为0.069 8 mg·mL^-1时,对DPPH·、·OH和O-·2的清除率分别达84.21%、84.10%和68.32%,表明款冬叶片具有良好的抗氧化能力,可作为天然的抗氧化剂进一步的开发和利用。     

超声波-微波协同法提取分蘖葱头有机硫化合物的工艺优化及其组分分析

以分蘖葱头为试材,采用超声波-微波协同法提取有机硫化合物,进行分蘖葱头有机硫化合物工艺优化试验,并利用气相色谱-质谱联用仪对提取物组分进行分离鉴定,以期为进一步研究和开发分蘖葱头功能组分提供参考依据。结果表明:最佳提取工艺为微波温度55℃、料液比1∶8 g·mL^-1、协同时间6 min、搅拌转速300 r·min^-1、超声波功率500 W,该条件下有机硫化合物得率为0.2771%±0.0023%。该条件得到15种有机硫化合物,含量较高的是噻吩类39.0678%±0.0043%,其次是三硫化合物14.1570%±0.0071%和硫醚类7.3872%±0.0052%,其中含量相对较高的有机硫化合物为2,4-二甲基噻吩、3,5-二乙基-1,2,4-三硫杂环戊烷、二烯丙基二硫醚。     

褐菇多糖提取工艺的优化研究

以新鲜褐菇子实体为材料,采用热水浸提法,探讨料水比、提取温度、提取时间以及提取次数等因素对褐菇多糖提取率的影响.通过正交试验得到提取褐菇多糖的最佳工艺条件为:料水比1:30、温度90℃、提取时间2.5 h、提取2次.     

匹配点云结合HSI色彩分量的无人机RGB影像信息提取方法

无人机通常搭载可见光波段传感器获取红-绿-蓝（Red-Green-Blue,RGB）影像,由于无人机RGB影像波段较少,影像的地物信息提取存在一定难度。该研究提出了一种匹配点云结合色调-饱和度-亮度（Hue-Saturation-Intensity,HSI）空间色彩分量的无人机RGB影像信息提取方法。首先以饱和度分量和红光波段构造了饱和度与红光比值指数,再结合可见光波段差异植被指数以及由匹配点云获得的地形特征对研究区正射影像进行分类。试验结果表明,本文方法的总体分类精度达到了91.11%,Kappa系数为0.895,证明匹配点云结合HSI空间色彩分量的方法提取无人机RGB影像信息是可行的,提取结果具有较高精度。相较于基于光谱特征的传统方法,本文方法引入匹配点云可以简单高效地提取影像中高程差异明显的地物,同时,结合HSI色彩分量能够有效弥补无人机RGB影像光谱特征较少的不足。     

基于FCN的无人机玉米遥感图像垄中心线提取

为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully ConvolutionalNetworks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提取的数据集标注方法,采用滑动窗口法进行图像分块,利用深度学习语义分割网络FCN对垄中心线附近7～17像素宽度范围的垄线区域进行提取,模型在测试田块上精确率达66.1%～83.4%,召回率达51.1%～73.9%,调和平均值为57.6%～78.4%;对拼接后的图像使用影像分割投影法提取中心线,探究了垄线区域宽度对垄中心线提取精度的影响,训练采用9像素的垄区域宽度,可得到垄中心线在77 mm左右偏差范围准确率为91.2%,在31.5 mm左右偏差范围内为61.5%。结果表明,基于FCN对无人机玉米遥感图像进行处理,可得到整片田地的垄中心线栅格地图,方便农业机器人进行全局路径规划。     

基于堆叠沙漏网络的单分蘖水稻植株骨架提取

针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.04 cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。