玫瑰茄粗多糖清除DPPH自由基活性研究

以玫瑰茄干花萼为原料,利用水浸醇析法提取玫瑰茄粗多糖,其抗氧化活性用清除1,1-二苯基苦基苯肼（DPPH）自由基的能力进行评价。结果表明,玫瑰茄粗多糖具有良好的抗氧化活性,其浓度在0.551~2.150 mg/mL范围内,与清除率呈较好的线性关系：y=28.7684x+39.43208,R=0.973。     

基于近红外傅里叶特征提取方法的土壤含水率检测

以湖北地区的3种土壤为研究对象,利用偏最小二乘法建立了处理后样品的土壤含水率分析模型,模型预测值与标准值的决定系数为0.995,交叉验证预测均方差为0.801%,模型预测决定系数为0.992,预测均方差为0.912%,利用该模型预测黄土高原地区黄绵土含水率误差均大于4%.利用近红外光谱傅里叶变换特征提取方法对湖北地区黄棕壤、稻田土和潮土建立土壤含水率PLS预测模型,模型决定系数为0.988,交叉验证预测均方差为1.106%,且该模型预测黄绵土的误差均在2%左右,精度较传统模型有较大提高.     

基于压力脉动和时序分析的离心泵空化特征提

根据压力脉动幅值对空化变化相当敏感的特点,利用离心式水泵试验平台模拟空化现象,获取水泵出口压力信号.研究发现,在空化发生时刻,水泵出口压力的轴频幅值增大,且存在很多低频脉动成分.同时,根据试验获取的壳体振动和出口压力信号,分别建立该水泵正常运行的时间序列数学模型,利用模型残差的方差值判别离心泵的运行状态,实现对其空化特征的识别.     

山楂多糖提取的研究

采用正交实验法考察不同因素和水平对山楂多糖提取率的影响,分别得出水浴浸提和超声提取的最佳工艺条件。     

Plackett-burman设计法筛选超声波提取苹果多酚工艺的主要影响因子

以苹果鲜渣为原料,利用超声波辅助提取苹果渣中的多酚。在单因素实验的基础上,采用Plackett Burman试验设计对超声波提取的因素进行了研究,筛选出对超声波提取苹果多酚具有显著影响的因子:温度(p=0.0334)、乙醇体积分数(p=0.0241)和提取次数(p=0.0237)。     

大豆水溶性多糖的黏度性质及其应用研究

研究了不同条件下大豆水溶性多糖溶液的黏度变化情况，同时和其他常用的稳定剂如果胶等也做了比较。试验结果表明。本实验室生产的大豆水溶性多糖的水溶液的黏度随着温度的升高、浓度的降低、外加盐量的增加而降低；随着外加蔗糖量、pH值的增加而增加；相比较于其他稳定剂大豆水溶性多糖的黏度很低，使酸乳饮料具有清爽的口味。     

棉花RNA的快速提取方法

目前已发展的从植物中提取RNA的方法有多种.但由于棉花中次生物质含量较高,因此有些方法并不适合于棉花RNA的提取.本文介绍经过反复实验后改进的棉花RNA的提取方法,它具有快速、简单等特点.     

新疆脱脂葡萄籽天然蛋白的研究现状

综述了新疆脱脂葡萄籽的基本成分,脱脂葡萄籽天然蛋白的分离方法、功能性研究以及改性技术研究。     

家禽诊疗文本多实体关系联合抽取模型研究

针对传统实体关系抽取方法中主体特征与句向量难以有效融合、现有BIO标注策略难以有效处理重叠关系的问题,提出一种基于BERT和双重指针标注的家禽疾病诊疗文本实体关系联合抽取模型(Joint extraction of entity relationship of poultry disease diagnosis and treatment text,JEER_PD)。JEER_PD使用双重指针标注(Dual-pointer labeling, DPL)策略,建立头、尾2个指针标注器,一次性标注出所有实体的开始和结束位置;引入CLN(Conditional layer normalization)网络层,强化主体抽取任务与客体关系联合抽取任务之间的联系;利用概率平衡策略PBS对抗正负类标签类别失衡,以加速模型收敛。实验表明,JEER_PD准确率、召回率和F1分别为97.69%、97.59%和97.64%,3项指标较现有方法均有显著提升,说明JEER_PD能够快速、准确地抽取家禽疾病诊疗复杂知识文本中的实体关系三元组。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。