排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
利用酵母双杂交技术,以PGBKT7-ZmCIPK8载体为诱饵质粒,筛选能与ZmCIPK8互作的CBLs蛋白.结果表明,ZmCBL1,4,9能够与ZmCIPK8相互作用.表达分析结果为进一步研究ZmCIPK8与ZmCBL1,4,9在植物体内的相互作用提供了又一证据,这为深入解析ZmCIPK8参与逆境胁迫的作用机制奠定了基础. 相似文献
2.
摩托车技术状态正常时,行驶中是不会出现异常响声的,但如果零件配合间隙发生变化或装配不当时,就会出现不正常响声。一旦出现异常响声,就应当及时进行检修,以免引起更严重的故障。现对几种常见的摩托车异常响声的原因及检修措施加以分析,也许对摩托车爱好者有所启迪和帮助。 相似文献
3.
利用将乐县杉木人工林标准地数据,选择林分年龄、地位指数、断面积为自变量,采用逐步回归技术建立林分材积收获模型。在此基础上,建立了材积生长模型、断面积生长模型,建模结果将为预估杉木人工林的生长量和收获量提供参考。 相似文献
4.
针对工业现场整车木材摆放深浅不一且上下分层而导致的整车木材材积自动检测困难的问题,采用ZED2双目相机获取木材端面图像以及深度图像,在改进的基于掩模区域卷积神经网络(Mask region-based convolutional neural network, Mask R-CNN)实例分割模型完成对木材端面分割的基础上,对木材轮廓进行椭圆拟合,根据木材端面中心坐标以及深度图像获取每根木材的深度信息,利用整车木材上下层深度信息相差较大的特点,解决木材上下分层的问题,同时根据双目视觉视差原理,利用相机参数以及轮廓拟合后椭圆短径端点坐标,测量出木材端面检尺径,将检尺径和检尺长代入原木材积计算公式完成原木材积的检测。实验结果表明,使用本方法计算出的整车原木材积同人工检尺数据对比,材积误差率(偶数)为-1.61%,单根木材检尺径平均绝对误差(偶数)为0.33 cm,符合国家原木检尺要求。最终将模型以及材积计算算法部署于Nvidia Jetson Xavier NX平台,并在PyQt5核心库上设计了操作界面,用户仅需拍摄完整木材端面,即可实现原木材积的计算。利用本研究所提出方法可实现木材整车检尺... 相似文献
5.
针对整车原木检测中存在密集小目标难检测、原木被遮挡易被漏检、目标检测模型复杂度太大难以部署等问题,提出一种基于YOLOv5的整车原木数量检测方法TWD-YOLOv5,来探究目标检测在整车原木场景下进行快速精准检测的可行性,从而实现智能检尺,提高检尺效率。本研究在原始YOLOv5模型的基础上通过修改模块数量、加入注意力机制和Transformer模块的操作来优化主干网络,结合新的检测尺度与基于Ghost卷积设计特征融合网络,提升网络检测小目标的能力,降低模型复杂度,选用CIoU作为边界框回归的损失函数和DIoU-nms作为边界框筛选算法,提高边框的回归精度和解决物体被遮挡的问题。本研究算法TWD-YOLOv5进行4组试验,从平均精度均值(mAP)、每秒传输帧数、原木真检率多种尺度指标进行评估,同时通过预测框完成对原木根数的计数。试验结果表明,本研究方法的mAP达到0.731,每秒传输帧数为7.33,模型参数降低了40.5%,且测试集原木真检率达到了99.551%,误检率为0.22%。该方法不仅大幅减少了模型复杂度,还保持了较高的检测精度。本研究的模型能对整车原木场景下的原木有良好的检测效... 相似文献
1