排序方式: 共有48条查询结果,搜索用时 15 毫秒
1.
贵州茶园土壤中重金属元素含量的检测与分析 总被引:3,自引:1,他引:2
对贵州地区33个乡镇茶园土壤中铅、镉、铬、铜、汞、砷、硒7种元素含量进行了检测。运用SPSS 12.0软件对所掌握的数据进行聚类分析。结果表明,33个茶园土壤共分为5组,共有26个茶园土壤被划入第1组。对聚类分析的分组结果进行单因素方差分析,判断各组间7种元素的含量特征是,铅、铬、铜、砷4种元素含量组间差异极显著(P<0.01),硒元素含量组间差异接近显著水平(P=0.058)。说明,该聚类分析结果是有效的,可为贵州省茶园规划及相关产业政策的制定提供依据。 相似文献
2.
<正>据不完全统计,我国每年柑橘采后损失率达25%~30%,造成巨大的经济损失[1],因此研究柑橘的贮藏保鲜技术对减少其采后损失具有重要的意义。浙江省临海市柑橘种植面积达13333hm2,近七成为宫川温州蜜柑,生产中多采用完熟栽培延后采摘栽培技术,完熟温州蜜柑具有品质优良、化渣性佳、优质果率高、色泽鲜艳、风味浓郁等特点,但成熟采摘期集中,致使一些果农存在销售难问题,尤其是寒潮来临之后,个别橘农存在滞销问题。宽皮柑橘类采后保鲜技术一直是研究热点,往往以七八分成熟度果实为试采,完熟果实保鲜技术研究报道较少。余意等[2]研究表明采收较早的果实即使贮藏达到完熟,香味品质不佳。因此产业发展有完熟蜜橘采后保鲜的需求和必要。物理保鲜技术如气调等方式,效果显著但试验条件要求严苛,操作复杂且成本较高。化学合成保鲜剂具有高效、经济、方便等优势,是目前果实采后流通期间应用最广泛的保鲜方法[3,4], 相似文献
3.
[目的]优化落葵(Basella alba L.)种子蛋白提取工艺,并分析其抑菌和抗氧化特性,为开发利用落葵种子蛋白提供参考依据.[方法]采用盐析法提取落葵种子蛋白,以大肠杆菌为指示菌,通过比较不同浸泡缓冲液、浸泡时间、料液比和硫酸铵饱和度提取蛋白的抑菌效果,选出影响较大的因素进行正交试验从而确定最佳提取方案;通过牛津杯抑菌试验评价落葵种子蛋白对33株菌的抑菌效果,同时对其还原力及清除DPPH自由基能力进行测定.[结果]3个因素对落葵种子蛋白提取效果的影响排序为料液比>硫酸铵饱和度>浸泡时间;其最佳提取工艺为:浸泡时间14 h、料液比1:8、硫酸铵饱和度95%,在此条件下提取物的蛋白含量可达33.00 mg/mL,大肠杆菌抑菌圈直径为19.68 mm.落葵种子蛋白抑菌范围较广,对红酵母、枯草芽孢杆菌、金黄色葡萄球菌、单增李斯特菌、藤黄球菌、副溶血性弧菌、假单胞菌、气单胞菌、大肠杆菌等33株菌均具有良好的抑菌效果.落葵种子蛋白还原力测定的半最大效应浓度(EC50)为4.867 mg/mL,对DPPH自由基清除率的半抑制浓度(IC50)为27.817 mg/mL.[结论]落葵种子蛋白具有良好的抑菌效果和抗氧化特性,有作为天然抑菌剂和抗氧化剂的潜在价值. 相似文献
4.
5.
6.
采用分子印迹技术合成四环素类分子印迹聚合物,以其为填料制备固相萃取柱,运用高效液相色谱法测定牛奶中的四环素类抗生素。具体地,以盐酸强力霉素为模板分子、甲基丙烯酸为功能单体、乙二醇二甲基丙烯酸酯为交联剂,采用沉淀聚合法在丙酮-乙腈混合溶液中制备具有特异性吸附能力的分子印迹聚合物,通过高效液相色谱仪检测其吸附四环素类抗生素的能力,并将其作为填料制备固相萃取柱,用于牛奶中四环素类抗生素残留检测。结果显示,四环素类抗生素在0.05~10.0 μg·mL-1范围内线性良好,加标回收率为79.4%~86.3%,相对标准偏差均小于3.8%,准确性较好。四环素和土霉素的检出限为0.02 μg·mL-1,金霉素的检出限为0.05 μg·mL-1,检测灵敏度高,特异性识别能力强。 相似文献
7.
8.
基于机器视觉的育肥猪分群系统设计与试验 总被引:3,自引:1,他引:2
为控制育肥猪出栏时的体质量差异,该研究开发了一套基于机器视觉技术的育肥猪分群系统,该系统通过机器视觉技术和卷积神经网络模型代替传统地磅对猪只体质量进行估测,可有效避免粪污对设备精度的影响及腐蚀;以前一天全部猪只体质量数据从小到大排列的第30%个数据作为当日的分群基准质量,将大于等于基准质量的视为长势较快的猪只,小于基准质量的视为长势较慢的猪只,每次采食按照猪只长势快慢分为2群进行饲喂;该系统依托于LabVIEW软件开发平台和物联网系统构建,平均每头猪只通过系统时间为6.2 s。为验证该系统的实际应用效果开展了为期30 d的现场试验,将饲喂于装有分群系统猪栏中的120头长白育肥猪作为试验组,由分群系统按猪只长势快慢分群饲喂;将饲喂于传统猪栏中的120头长白育肥猪作为对照组,按照传统人工调栏的方式进行饲喂。试验开始时试验组和对照组猪只平均体质量分别为32.21、31.76 kg,标准差分为别2.61和2.49 kg;结束时试验组和对照组猪只平均体质量分别为57.68、57.41 kg,标准差分为别5.26和5.51 kg,总料肉比分别为2.31和2.34,期间试验组猪只体质量的标准差小于对... 相似文献
9.
育肥猪生长过程中脸部变化对识别模型准确率的影响 总被引:2,自引:0,他引:2
为探究猪脸识别模型对育肥猪猪脸生长变化的识别效果,采用深度卷积网络,对大白育肥猪生长过程中脸部变化与识别模型准确率之间的关系进行研究。结果表明:1)在预训练的DenseNet201、MobileNetV3_small、SeNet154和Xception 4种模型中,SeNet154模型猪脸识别效果最好,对验证集的识别准确率可达98.80%,选其为猪脸识别模型;2)分别用试验期间第1~2、1~3、1~4和1~5天采集的猪脸图像数据训练该模型,并分别使用第3~8、4~9、5~10和6~11天的数据逐天测试模型的猪脸识别效果发现,使用第1~4与1~5天数据训练的模型猪脸识别效果相当且优于使用第1~2与1~3天数据训练的模型。使用第1~4天数据训练的模型对第5天数据的识别准确率最高,为96.74%,其后5天的识别准确率逐天下降,到第10天为84.17%。分析认为,造成识别准确率下降的原因是猪脸生长、光照变化以及污渍附着。3)使用第(n-4)~(n-1)天(5≤n≤10)的数据重新训练动态模型后,对第n天猪脸数据的识别准确率均在95.82%以上。深度卷积网络模型在猪脸识别方面有较高的识别准确率,可以用于育肥猪的脸部识别;建议在育肥猪的猪脸识别系统中每天都使用至少前4天,且≥10 800组图像数据重新更新猪脸识别模型。 相似文献
10.