期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Schr?dinger药物虚拟筛选流程模块在大学生物和化学信息学教学中的应用
被引量：
4
1
作者
白启峰
张洋
+1 位作者
靳玲玲
姚小军
《大学化学》
CAS
2018年第5期66-71,共6页
介绍了Schr?dinger药物虚拟筛选的基本原理和流程,结合大学生物和化学信息学课程的相关教学内容,分别描述了蛋白受体的预处理、类药性五原则、毒药物动力学(ADME)、泛筛选干扰化合物(PAINS)、高通量虚拟筛选、标准精度筛选、高精度筛选...
介绍了Schr?dinger药物虚拟筛选的基本原理和流程,结合大学生物和化学信息学课程的相关教学内容,分别描述了蛋白受体的预处理、类药性五原则、毒药物动力学(ADME)、泛筛选干扰化合物(PAINS)、高通量虚拟筛选、标准精度筛选、高精度筛选和MM/GBSA的打分排序原理和使用方法。该软件可以在大学生物和化学信息学的教学中演示,有助于提高学生对蛋白结构、分子构象、药物虚拟筛选和计算机辅助分子设计的理解,该软件有很好的图形界面,可以给学生直观的体验,大大丰富了大学课堂的教学内容。此外,该软件在药物设计领域里面也有很好的应用价值,大大节约了药物筛选的成本,提高了药物发现的效率。
展开更多
关键词
SCHR
dinger
GLIDE
虚拟筛选
分子对接
在线阅读
下载PDF
职称材料
栽培苜蓿草地智能感知系统关键生物物理指标实时监测及分析算法研究
被引量：
3
2
作者
苗春丽
李仲贤
+5 位作者
赵志成
伏帅
高金龙
刘洁
冯琦胜
梁天刚
《草业学报》
CSCD
北大核心
2023年第12期90-103,共14页
苜蓿作为重要的优质牧草,其产量和品质的监测对草牧业发展具有十分重要的作用。传统大范围栽培苜蓿盖度和产量的地面调查以及卫星遥感反演易受天气、人力和财力等因素的影响,在时空动态监测方面具有一定局限性。近年来随着传感器和人工...
苜蓿作为重要的优质牧草,其产量和品质的监测对草牧业发展具有十分重要的作用。传统大范围栽培苜蓿盖度和产量的地面调查以及卫星遥感反演易受天气、人力和财力等因素的影响,在时空动态监测方面具有一定局限性。近年来随着传感器和人工智能(AI)的快速发展及其在作物监测和分析方面的普遍应用,为栽培苜蓿盖度及产量的精准实时估测提供了新的契机。本研究以新疆、内蒙古、甘肃、宁夏等北方四省区栽培苜蓿为研究对象,结合地面实测资料,利用深度学习算法(DL)、多元线性回归(MLR)和随机森林(RF)方法建立了栽培苜蓿盖度和产量估测模型;并对模型精度进行了评价。研究结果表明:1)总体而言,我国新疆、甘肃河西等地区的栽培苜蓿以灌溉为主,地块集中连片、地势平坦,一年刈割3~4次,苜蓿草地在盛草期的平均产量和盖度达5362.81 kg·hm^(-2)、96.29%;以旱作生产方式为主的甘肃陇东、宁夏南部等地区的栽培苜蓿草地大多种植在山区水平梯田,一年刈割2~3次,其盛草期的平均产量和盖度达3987.57 kg·hm^(-2)、91.55%;2)基于无人机可见光遥感数据的苜蓿草地盖度深度学习模型的R2达0.99,均方根误差(RMSE)为1.44%,模型准确度为92%,对栽培苜蓿草层盖度的动态监测效果较好;3)利用经度、纬度及海拔和苜蓿关键生物物理指标草高、盖度及二者乘积构建的苜蓿产量RF模型相较于MLR模型可以提升产量的估测精度,最优估测模型测试集的R2为0.69,RMSE为1151.24 kg·hm^(-2)。研究结果可以为栽培苜蓿智能感知系统的关键生物物理指标快速评估提供算法依据,对多点位高时频的网络化、自动化和智能化栽培苜蓿生长数据采集与动态分析系统应用具有重要的技术支撑作用。
展开更多
关键词
智能感知系统
苜蓿盖度
苜蓿产量
机器学习
深度学习
无人机
在线阅读
下载PDF
职称材料
基于AlexNet的栽培苜蓿病害识别
被引量：
1
3
作者
李云昊
李仲贤
+5 位作者
伏帅
张忠雪
茆士琴
冯琦胜
梁天刚
李彦忠
《草业学报》
CSCD
北大核心
2023年第12期104-114,共11页
苜蓿病害的准确快速识别是栽培苜蓿草地病害防治的关键。苜蓿病害鉴别对专业知识和识别工具及检测环境要求较高,传统的苜蓿病害识别往往需要采用显微观察等手段对叶片病害部位进行镜检,存在时效性差、成本高,难以实现大范围多点位的快...
苜蓿病害的准确快速识别是栽培苜蓿草地病害防治的关键。苜蓿病害鉴别对专业知识和识别工具及检测环境要求较高,传统的苜蓿病害识别往往需要采用显微观察等手段对叶片病害部位进行镜检,存在时效性差、成本高,难以实现大范围多点位的快速识别等弊端。近年来在图像识别领域的计算机视觉和深度学习得到快速发展,为苜蓿病害智能化识别提供了新途径。本研究利用13种常见苜蓿病害图像数据集,基于改进的AlexNet深度学习卷积神经网络,经过300次迭代训练,构建了苜蓿病害识别模型,并对比分析了不同图像输入分辨率的苜蓿病害识别精度。结果表明:13种苜蓿病害最优模型识别总体精度达到72%,最优图像输入尺寸为512像素×512像素;剔除识别精度过低的苜蓿病害样本图片后,褐斑病、霜霉病、炭疽病、黑茎叶斑病和小光壳叶斑病5类苜蓿病害的识别总体精度提高到92%,最优输入尺寸为1200像素×1200像素。这2种模型均能够实现对苜蓿主要病害的快速识别,研究结果可以为苜蓿病害智能检测系统的研发提供图像识别方面的技术支持。
展开更多
关键词
苜蓿病害
AlexNet
目标检测
深度学习
在线阅读
下载PDF
职称材料
题名
Schr?dinger药物虚拟筛选流程模块在大学生物和化学信息学教学中的应用
被引量：
4
1
作者
白启峰
张洋
靳玲玲
姚小军
机构
兰州大学
基础医学院
兰州大学网络安全与信息化办公室
兰州大学
化学化工学院
澳门科技
大学
中药质量研究国家重点实验室
出处
《大学化学》
CAS
2018年第5期66-71,共6页
基金
国家自然科学基金青年项目(21605066)
兰州大学中央高校基本科研业务费专项资金资助(lzujbky-2017-122)
CERNET Innovation Project(NGII20160513)
文摘
介绍了Schr?dinger药物虚拟筛选的基本原理和流程,结合大学生物和化学信息学课程的相关教学内容,分别描述了蛋白受体的预处理、类药性五原则、毒药物动力学(ADME)、泛筛选干扰化合物(PAINS)、高通量虚拟筛选、标准精度筛选、高精度筛选和MM/GBSA的打分排序原理和使用方法。该软件可以在大学生物和化学信息学的教学中演示,有助于提高学生对蛋白结构、分子构象、药物虚拟筛选和计算机辅助分子设计的理解,该软件有很好的图形界面,可以给学生直观的体验,大大丰富了大学课堂的教学内容。此外,该软件在药物设计领域里面也有很好的应用价值,大大节约了药物筛选的成本,提高了药物发现的效率。
关键词
SCHR
dinger
GLIDE
虚拟筛选
分子对接
Keywords
Schrodinger
Glide
Virtual screening
Molecular docking
分类号
G64 [文化科学—高等教育学]
O6 [理学—化学]
在线阅读
下载PDF
职称材料
题名
栽培苜蓿草地智能感知系统关键生物物理指标实时监测及分析算法研究
被引量：
3
2
作者
苗春丽
李仲贤
赵志成
伏帅
高金龙
刘洁
冯琦胜
梁天刚
机构
兰州大学
草地农业科技学院
兰州大学网络安全与信息化办公室
宁夏彭阳县畜牧技术推广服务中心
出处
《草业学报》
CSCD
北大核心
2023年第12期90-103,共14页
基金
中国工程院战略研究与咨询项目(2022-HZ-09,2022-XY-139,2021-HZ-5)
财政部和农业农村部:国家现代农业产业技术体系(CARS-34)
+1 种基金
甘肃省林业和草原局科技创新项目(kjcx2022010)
兰州大学中央高校基本科研业务费专项资金(lzujbky-2022-sp13)资助。
文摘
苜蓿作为重要的优质牧草,其产量和品质的监测对草牧业发展具有十分重要的作用。传统大范围栽培苜蓿盖度和产量的地面调查以及卫星遥感反演易受天气、人力和财力等因素的影响,在时空动态监测方面具有一定局限性。近年来随着传感器和人工智能(AI)的快速发展及其在作物监测和分析方面的普遍应用,为栽培苜蓿盖度及产量的精准实时估测提供了新的契机。本研究以新疆、内蒙古、甘肃、宁夏等北方四省区栽培苜蓿为研究对象,结合地面实测资料,利用深度学习算法(DL)、多元线性回归(MLR)和随机森林(RF)方法建立了栽培苜蓿盖度和产量估测模型;并对模型精度进行了评价。研究结果表明:1)总体而言,我国新疆、甘肃河西等地区的栽培苜蓿以灌溉为主,地块集中连片、地势平坦,一年刈割3~4次,苜蓿草地在盛草期的平均产量和盖度达5362.81 kg·hm^(-2)、96.29%;以旱作生产方式为主的甘肃陇东、宁夏南部等地区的栽培苜蓿草地大多种植在山区水平梯田,一年刈割2~3次,其盛草期的平均产量和盖度达3987.57 kg·hm^(-2)、91.55%;2)基于无人机可见光遥感数据的苜蓿草地盖度深度学习模型的R2达0.99,均方根误差(RMSE)为1.44%,模型准确度为92%,对栽培苜蓿草层盖度的动态监测效果较好;3)利用经度、纬度及海拔和苜蓿关键生物物理指标草高、盖度及二者乘积构建的苜蓿产量RF模型相较于MLR模型可以提升产量的估测精度,最优估测模型测试集的R2为0.69,RMSE为1151.24 kg·hm^(-2)。研究结果可以为栽培苜蓿智能感知系统的关键生物物理指标快速评估提供算法依据,对多点位高时频的网络化、自动化和智能化栽培苜蓿生长数据采集与动态分析系统应用具有重要的技术支撑作用。
关键词
智能感知系统
苜蓿盖度
苜蓿产量
机器学习
深度学习
无人机
Keywords
intelligent sensing system
alfalfa coverage
alfalfa yield
machine learning
deep learning
UAV
分类号
S541 [农业科学—作物学]
S127 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于AlexNet的栽培苜蓿病害识别
被引量：
1
3
作者
李云昊
李仲贤
伏帅
张忠雪
茆士琴
冯琦胜
梁天刚
李彦忠
机构
兰州大学
草地农业科技学院
兰州大学网络安全与信息化办公室
出处
《草业学报》
CSCD
北大核心
2023年第12期104-114,共11页
基金
中国工程院战略研究与咨询项目(2022-HZ-09,2022-XY-139,2021-HZ-5)
财政部和农业农村部:国家现代农业产业技术体系(CARS-34)
+1 种基金
甘肃省林业和草原局科技创新项目(kjcx2022010)
兰州大学中央高校基本科研业务费专项资金(lzujbky-2022-sp13)资助。
文摘
苜蓿病害的准确快速识别是栽培苜蓿草地病害防治的关键。苜蓿病害鉴别对专业知识和识别工具及检测环境要求较高,传统的苜蓿病害识别往往需要采用显微观察等手段对叶片病害部位进行镜检,存在时效性差、成本高,难以实现大范围多点位的快速识别等弊端。近年来在图像识别领域的计算机视觉和深度学习得到快速发展,为苜蓿病害智能化识别提供了新途径。本研究利用13种常见苜蓿病害图像数据集,基于改进的AlexNet深度学习卷积神经网络,经过300次迭代训练,构建了苜蓿病害识别模型,并对比分析了不同图像输入分辨率的苜蓿病害识别精度。结果表明:13种苜蓿病害最优模型识别总体精度达到72%,最优图像输入尺寸为512像素×512像素;剔除识别精度过低的苜蓿病害样本图片后,褐斑病、霜霉病、炭疽病、黑茎叶斑病和小光壳叶斑病5类苜蓿病害的识别总体精度提高到92%,最优输入尺寸为1200像素×1200像素。这2种模型均能够实现对苜蓿主要病害的快速识别,研究结果可以为苜蓿病害智能检测系统的研发提供图像识别方面的技术支持。
关键词
苜蓿病害
AlexNet
目标检测
深度学习
Keywords
alfalfa disease
AlexNet
target detection
deep learning
分类号
S435.4 [农业科学—农业昆虫与害虫防治]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Schr?dinger药物虚拟筛选流程模块在大学生物和化学信息学教学中的应用
白启峰
张洋
靳玲玲
姚小军
《大学化学》
CAS
2018
4
在线阅读
下载PDF
职称材料
2
栽培苜蓿草地智能感知系统关键生物物理指标实时监测及分析算法研究
苗春丽
李仲贤
赵志成
伏帅
高金龙
刘洁
冯琦胜
梁天刚
《草业学报》
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
3
基于AlexNet的栽培苜蓿病害识别
李云昊
李仲贤
伏帅
张忠雪
茆士琴
冯琦胜
梁天刚
李彦忠
《草业学报》
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
