排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
<正>砂鳖(Pelodiscus axenaria)属于鳖科(Trionychidae),鳖属(Pelodiscus),是一个分布范围极其狭窄的物种,目前仅发现于湖南邵阳、桃源、平江、汝城、零陵等地。砂鳖在原产地通常生活于砂石底质的溪流中,在人工饲养环境下,对底砂(或瓦片、岩石等躲避物)的依赖程度非常高。饲养环境中,底砂厚度足够覆盖鳖全身,可选择饲养美鲶观赏鱼时所使用的圆粒细砂,在一定程度上避免粗糙砂石划伤鳖的腹部和四肢,减少外伤和细菌感染的风险,从而提高砂鳖在饲养初期的成活率。饲养环境的水位, 相似文献
2.
茶翅蝽是一种重要的农林害虫,近年来在我国的发生为害程度呈现加重趋势。本文通过田间小区试验和室内行为研究,评价了茶翅蝽成虫对不同植物种类的选择偏好程度。在田间25科115种植物中,84种植物上调查到茶翅蝽成虫,种群发生密度整体较低,但寒麻、芝麻、红麻、籽粒苋、向日葵、大豆、白花菜等植物上成虫密度相对偏高。在室内Y型嗅觉仪测试中,与空白对照相比,茶翅蝽雌雄成虫对苗期和花期的向日葵、大豆、白花菜植株气味均表现出了明显的趋好行为。上述研究结果为深入解析我国茶翅蝽区域分布与发生消长规律提供了科学依据。 相似文献
4.
5.
基于多模型证据融合的苹果分类方法 总被引:1,自引:1,他引:0
水果内部品质是水果分类的重要依据之一,利用近红外光谱技术对苹果内部品质进行快速无损检测研究有着非常重要的意义。为提高近红外技术分类模型的预测精度,针对单一预测模型适用性差以及硬分割导致分类不确定性等问题,该研究以烟台红富士苹果为研究对象,利用自行研发的水果在线无损检测系统采集苹果近红外光谱以及可溶性固形物含量 (Soluble Solids Content, SSC),分别采用偏最小二乘(Partial Least Squares, PLS)和极限学习机(Extreme Learning Machine, ELM)法建立苹果预测分类模型,根据SSC的预测值与分类边界的距离提出三角形质量函数生成方法,通过证据理论的Dempster组合规则融合质量函数从而实现2种模型的融合,并探讨基于三角形质量函数的证据理论融合模型对预测精度的影响。研究结果表明:PLS分类模型的准确率为92.25%,ELM分类模型的准确率为 93.80%,而提出多模型融合方法的分类准确率达到了95.35%。而且,该研究提出的三角形质量函数生成法与硬分割生成的质量函数相比方法更符合实际,通过PLS、ELM模型和DS融合模型的混淆矩阵可以看出,融合模型实现了苹果SSC处于分类边界值时的准确分类,三类苹果被错误分类的个数均有减小。该研究提出的多模型证据融合方法不仅提高了模型的预测精度,而且更好地表达了关于类标预测的不确定性,为苹果的在线无损检测分类提供研究基础。 相似文献
6.
7.
8.
以高分子材料为载体对木瓜蛋白酶的固定化工艺进行了研究。筛选确定了最佳的酶固定化载体、固定化的工艺参数及所用载体的物理化学指标。结果表明,固定化酶的最适pH值为6.8,最适温度为75℃;在22℃下连续使用16天,酶活性基本不下降;在去离子水中4℃下贮存70天可保持酶活性不变。固定化酶用于防止啤酒蛋白质混浊效果极为明显,在不改变啤酒的感官指标和理化指标的前提下,还能提高啤酒的氨基酸含量、提高营养成分。处理后的啤酒在4℃下贮存三个月无沉淀产生。 相似文献
9.