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。     

禽腺病毒血清4型感染鸡组织中NLRP3基因转录水平的实时荧光定量PCR分析

旨在分析禽腺病毒血清4型(FAdV-4)感染鸡组织中NLRP3基因的转录水平,本研究设计鸡NLRP3特异性引物,利用RT-PCR扩增NLRP3基因180 bp片段并克隆至pMD-18T载体,制备重组质粒pMD-18T-NL-RP3.以pMD-18T-NLRP3质粒作为标准品进行荧光定量PCR并建立标准曲线.通过反应条件...     

融合卷积神经网络与视觉注意机制的苹果幼果高效检测方法

果实表型数据高通量、自动获取是果树新品种育种研究的基础,实现幼果精准检测是获取生长数据的关键。幼果期果实微小且与叶片颜色相近,检测难度大。为了实现自然环境下苹果幼果的高效检测,采用融合挤压激发块(Squeeze-and-Excitation block, SE block)和非局部块(Non-Local block, NL block)两种视觉注意机制,提出了一种改进的YOLOv4网络模型(YOLOv4-SENL)。YOLOv4模型的骨干网络提取高级视觉特征后,利用SE block在通道维度整合高级特征,实现通道信息的加强。在模型改进路径聚合网络(Path Aggregation Network, PAN)的3个路径中加入NL block,结合非局部信息与局部信息增强特征。SE block和NL block两种视觉注意机制从通道和非局部两个方面重新整合高级特征,强调特征中的通道信息和长程依赖,提高网络对背景与果实的特征捕捉能力。最后由不同尺寸的特征图实现不同大小幼果的坐标和类别计算。经过1 920幅训练集图像训练,网络在600幅测试集上的平均精度为96.9%,分别比SSD、Faster R-CNN和YOLOv4模型的平均精度提高了6.9百分点、1.5百分点和0.2百分点,表明该算法可准确地实现幼果期苹果目标检测。模型在480幅验证集的消融试验结果表明,仅保留YOLOv4-SENL中的SE block比YOLOv4模型精度提高了3.8百分点;仅保留YOLOv4-SENL中3个NL block视觉注意模块比YOLOv4模型的精度提高了2.7百分点;将YOLOv4-SENL中SE block与NL blocks相换,比YOLOv4模型的精度提高了4.1百分点,表明两种视觉注意机制可在增加少量参数的基础上显著提升网络对苹果幼果的感知能力。该研究结果可为果树育种研究获取果实信息提供参考。     

基于融合坐标信息的改进YOLO V4模型识别奶牛面部

为实现奶牛个体的准确识别,基于YOLO V4目标检测网络,提出了一种融合坐标信息的奶牛面部识别模型。首先,采集71头奶牛面部图像数据集,并通过数据增强扩充提高模型的泛化性能。其次,在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块,以增强模型对目标位置的敏感性,提高识别精度。试验结果表明,改进的YOLO V4模型能够有效提取奶牛个体面部特征,平均精度均值（mAP）为93.68%,平均帧率为18帧/s,虽然检测速度低于无锚框的CenterNet,但mAP提高了10.92%;与Faster R-CNN和SSD模型相比,在检测速度提高的同时,精度分别提高了1.51%和16.32%;与原始YOLO V4相比,mAP提高0.89%,同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。     

利用Kalman滤波和Hungarian算法的多目标奶牛嘴部跟踪及反刍监测

针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测的困难,该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法。在YOLOv4模型识别奶牛嘴部上下颚区域的基础上,以Kalman滤波和Hungarian算法跟踪上颚区域,并对同一奶牛目标的上颚和下颚区域进行关联匹配获取嘴部咀嚼曲线,以此获取反刍相关信息,从而实现多目标奶牛个体的嘴部跟踪和反刍行为监测;为解决奶牛快速摆头运动和棚舍栏杆遮挡引发奶牛标号变化的问题,提出未匹配跟踪框保持及扩大的方法。采集并选择实际养殖场环境下的反刍奶牛视频66段,对其中58段视频采取分帧操作得到图像,制作YOLOv4模型数据集,以其余8段视频验证跟踪方法和反刍行为判定方法的有效性。试验结果表明,YOLOv4模型对奶牛嘴部上颚、下颚区域的识别准确率分别为93.92%和92.46%;改进的跟踪算法可实现复杂环境下多目标奶牛嘴部区域的稳定跟踪,且有效解决了栏杆遮挡、快速摆头运动造成的奶牛标号变化现象,上下颚匹配率平均为99.89%,跟踪速度平均为31.85帧/s;由反刍行为判定方法获取的咀嚼次数正确率的平均值为96.93%,反刍时长误差的平均值为1.48 s。该研究可为实际养殖中多目标奶牛反刍行为的智能监测和分析提供参考,也可供其他群体动物运动部位的跟踪和行为监测借鉴。     

采用改进YoloV4模型检测复杂环境下马铃薯

为解决马铃薯联合收获机在作业过程中分级清选的问题,并在收获作业过程中实时监测评估收获状态,该研究提出一种在光照亮度变化大、土壤与薯块遮挡、机器振动以及尘土干扰等情况下对马玲薯进行识别检测并快速准确获取马铃薯数量以及损伤情况的机器学习模型。在卷积神经残差网络中引入轻量级注意力机制,改进YoloV4检测网络,并将YoloV4结构中的CSP-Darknet53网络替换为MobilenetV3网络,完成特征提取。试验结果表明,基于卷积神经网络的深度学习方法相比于传统Open-CV识别提高了马铃薯识别精度,相比于其他传统机器学习模型,MobilenetV3-YoloV4识别速度更快,马铃薯识别的全类平均准确率达到91.4%,在嵌入式设备上的传输速度为23.01帧/s,模型鲁棒性强,能够在各种环境下完成对正常马铃薯和机械损伤马铃薯的目标检测,可为马铃薯联合收获机智能清选以及智能收获提供技术支撑。     

稳定碳、氮同位素在牛肉加工过程中的分馏效应

为了探究牛肉及副产物中稳定碳、氮同位素在加工过程中的变化规律,确证稳定碳、氮同位素在牛肉加工制品产地溯源中的稳定性和有效性。本试验通过对牛肉进行不同时间的水煮、烤制和油炸3种处理,其中水煮和烤制加工时间分别为5、10、15、20、25和30 min,油炸加工时间分别为1、2、3、4和5 min;采用元素分析仪-稳定同位素比率质谱仪(EA-IRMS)测定脱脂牛肉、粗脂肪及副产物中δ¹³C和δ¹⁵N值。结果表明,脱脂牛肉中δ¹³C值在水煮、烤制和油炸3种加工方式不同加工时间之间均无显著差异,水煮和烤制后粗脂肪中δ¹³C值无显著变化,油炸后的牛肉粗脂肪δ¹³C值主要受植物油的影响,加工方式及加工时间对其无显著影响;水煮脱脂牛肉δ¹⁵N值在加工25、30 min时与对照组牛肉存在显著差异,但平均差值仅为0.3‰~0.9‰。牛肉稳定碳、氮同位素在不同加工过程中分馏效应较小,可有效用于牛肉加工半成品及成品的原产地溯源。     

孔隙结构对水稻土温室气体排放的影响

土壤结构影响水分和气体的运动和土壤生物活动,进而影响稻田温室气体排放.为探明土壤结构对水稻生长过程中温室气体排放的影响,选取江苏宜兴的湖白土和江西进贤的红壤性水稻土进行盆栽试验.设置不搅动(NP)、搅动(PD)和搅动后掰土回填(RP)3个处理.应用X射线CT成像技术分析不同处理土壤孔隙结构,通过静态箱法测定水稻生长过程...     

微生物降解1,2,4-三氯苯研究进展

1,2,4-三氯苯(1,2,4-TCB)的微生物降解机制包括好氧降解、还原脱氯和共代谢。本文简要综述了国内外对1,2,4-TCB微生物降解方面的研究进展,分析了其微生物降解的可行性,讨论了其好氧降解的微生物种类以及降解途径,阐述了厌氧条件下,混合菌群以及纯菌株对1,2,4-TCB还原脱氯的过程,目的是为1,2,4-TCB污染土壤的微生物修复提供依据。     

Carbon isotopic ratios of wetland and terrace soil sequences in the Maya Lowlands of Belize and Guatemala

This article provides new data and synthesizes earlier findings on the carbon isotope ratios of the humin part of soil organic matter from a range of sites in the central Maya Lowlands. Changes down the soil profile in carbon isotope ratios can provide an important line of evidence for vegetation change and erosion over time, especially in well dated aggrading profiles. Research thus far has provided substantial evidence for significant inputs from C₄ vegetation in buried layers from the Ancient Maya periods in depositional soils but equivocal evidence from sloping soils. We present new findings from soil profiles through ancient Maya wetland fields, upland karst wetlands, ancient Maya aguadas (reservoirs), and ancient Maya terraces. Most of the profiles exhibited δ¹³C enrichment greater than the 2.5–3‰ typical from bacterial fractionation. Seven of nine ancient Maya wetland profiles showed δ¹³C enrichment ranging from 4.25 to 8.56‰ in ancient Maya-dated sediments that also contained phytolith and pollen evidence of grass (C₄ species) dominance. Upland karst sinks and ancient reservoirs produced more modest results for δ¹³C enrichment. These seasonal wetland profiles exhibited δ¹³C enrichment ranging from 1 to 7.3‰ from the surface to ancient Maya-period sediments. Agricultural terraces produced mixed results, with two terraces having substantial δ¹³C enrichment of 5.34 and 5.66‰ and two producing only equivocal results of 1.88 and 3.03‰ from modern topsoils to Maya Classic-period buried soils. Altogether, these findings indicate that C₄ plants made up c. 25% of the vegetation at our sites in the Maya Classic period and only a few percent today. These findings advance the small corpus of studies from ancient terraces, karst sinks, and ancient wetland fields by demonstrating substantial δ¹³C and thus C₄ plant enrichment in soil profile sections dated to ancient Maya times. These studies are also providing a new line of evidence about local and regional soil and ecological change in this region of widespread environmental change in the Late Holocene.