排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
为建立鸭疫里氏杆菌(RA)的血清学快速检测方法,本研究根据GenBank中登录的camp基因序列设计引物,以吉林RA分离株JL-1的基因组DNA为模板,通过PCR扩增camp基因,并构建pET-camp重组表达质粒,转化至E.coli BL21 (DE3)中诱导表达出分子量约为37 ku重组蛋白,westemblot分析结果表明该蛋白能够与血清1、2、10、11和17型RA全菌体阳性血清发生特异性反应.以纯化的重组蛋白为包被抗原建立间接ELISA方法,结果显示其具有良好的特异性和重复性,与RA超声裂解抗原ELISA方法的符合率达到77.5%.研究结果进一步验证了Camp蛋白具有良好免疫原性,并且为RA多种血清型共同抗原,在RA的检测及亚单位疫苗开发中具有良好的应用价值. 相似文献
2.
3.
针对温室番茄无法按需灌溉问题,提出了随机森林(Random forest,RF)结合门控循环单元(Gated recurrent unit,GRU)神经网络的温室番茄结果前期蒸腾量预测方法,并开发了一套基于番茄蒸腾量的智慧灌溉系统.基于物联网实时获取数据,采用RF算法对影响温室番茄蒸腾量的变量进行特征重要性排序,选取作... 相似文献
4.
5.
不同品种苹果之间往往存在较大的价格差异,为了防止从采购到销售过程中因苹果品种分类不当产生经济损失,提出了一种基于融合注意力机制的自动识别和分类模型EBm-Net(针对苹果类型)。该模型通过融合通道注意力和空间注意力机制充分提取了苹果表面的形状轮廓特征和颜色纹理特征,从而进一步增加苹果类型之间的特征距离。同时,从特征图和类别概率统计图2方面证明了EBm-Net在苹果品种分类方法上的有效性。实验结果表明,EBm-Net网络模型在红富士、乔纳金、秦冠、小国光、金冠、澳洲青苹、嘎啦上的分类准确率分别为96.25%、96.25%、100%、92.50%、98.75%、100%和93.75%,7种苹果类型的总体分类准确率高达96.78%。因此,将视觉图像与深度学习相结合对苹果品种进行分类和识别是可行的,为苹果品种的实时检测提供了一种新的方法。 相似文献
6.
7.
为研究温室内番茄冠层作物水分胁迫指数(CWSI)问题,通过布设多参数传感器,实时获取温室内外各环境参数。利用灰度关联分析,计算各环境参数与番茄冠层CWSI的关联度,根据关联度对环境参数进行排序,同时考虑对模型精度的影响,最终从9个环境参数中选取7个作为模型输入,建立基于LightGBM的温室番茄冠层CWSI预测模型。结合贝叶斯算法优化其中的关键参数,将模型预测结果与通过Jones经验公式计算出的CWSI做相关性分析,在相同的运算环境下,分别与GBRT和SVR模型对比。试验结果表明,基于贝叶斯优化LightGBM模型的决定系数(R2)、平均绝对误差(MAE)、均方根误差(RMSE)和运算时间分别为0.9601、0.0218、0.0314和0.0518s,与GBRT和SVR模型相比,其R2分别提高2.14%和14.05%,MAE分别降低0.0093和0.0612,RMSE分别降低0.0097和0.0591,时间分别缩短0.0459s和0.0612s。表明本研究提出的LightGBM模型性能更有效地提高了温室番茄冠层CWSI的预测精度,为实现温室番茄按需灌溉提供了参考。 相似文献
8.
9.
不同品种苹果之间往往存在较大的价格差异,为了防止从采购到销售过程中因苹果品种分类不当产生经济损失,提出了一种基于融合注意力机制的自动识别和分类模型EBm-Net(针对苹果类型)。该模型通过融合通道注意力和空间注意力机制充分提取了苹果表面的形状轮廓特征和颜色纹理特征,从而进一步增加苹果类型之间的特征距离。同时,从特征图和类别概率统计图2方面证明了EBm-Net在苹果品种分类方法上的有效性。实验结果表明,EBm-Net网络模型在红富士、乔纳金、秦冠、小国光、金冠、澳洲青苹、嘎啦上的分类准确率分别为96.25%、96.25%、100%、92.50%、98.75%、100%和93.75%,7种苹果类型的总体分类准确率高达96.78%。因此,将视觉图像与深度学习相结合对苹果品种进行分类和识别是可行的,为苹果品种的实时检测提供了一种新的方法。 相似文献
10.
鸡蛋胚胎培养法是制备禽流感疫苗常用的方法,快速准确地对鸡蛋胚胎进行成活性分类并将死胚从活胚中尽早剔除可以有效避免因胚胎死亡导致的细菌或霉菌污染,对孵化效率的提高有着重要意义。目前,主要以鸡胚心跳信号作为分辨死胚和活胚的依据。然而,鸡蛋活胚在注入禽流感病毒96 h后,其心跳信号特征介于普通活胚和死胚之间,易与死胚混淆,本文将该类数据称为鸡胚心跳混淆信号,单独作为一类加入数据集,将原本死胚、活胚二分类改为死胚、普通活胚和96 h活胚三分类,根据信号特征设计了绝对值均值标准化预处理方法,增强原始数据特征以提升数据可分类性,并针对全局特征和细节特征提出了一种基于时间卷积网络(Temporal convolutional network, TCN)和Transformer的残差结构浅层双分支网络结构(Residual fully temporal convolutional with transformer network, RFTNet)。实验结果表明,本文提出的三分类绝对值均值标准化预处理方法和RFTNet双分支网络在鸡胚混淆数据集分类任务中展现出良好性能,检测准确率高达99.75%。此外,... 相似文献
1