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
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：
小麦品种对浓香大曲细菌群落与挥发性风味化合物的影响 被引量：2
1
作者 侯小歌 樊俊鹏 +6 位作者 郭福利 李政 胡新 惠明 李瑞芳 孙西玉 潘春梅 《食品工业科技》 CAS 北大核心 2024年第24期133-146,共14页
小麦是大曲生产主要原料,其品种特性不一。为考察小麦品种对浓香大曲细菌群落及其代谢风味物的影响,利用国标法测定小麦主要特性与成分,采用微生物可培养法联合高通量测序技术和顶空固相微萃取气质联用技术(HS-SPME-GC/MS)分别分析不同... 小麦是大曲生产主要原料,其品种特性不一。为考察小麦品种对浓香大曲细菌群落及其代谢风味物的影响,利用国标法测定小麦主要特性与成分,采用微生物可培养法联合高通量测序技术和顶空固相微萃取气质联用技术(HS-SPME-GC/MS)分别分析不同品种小麦浓香中温大曲的细菌菌群结构和挥发性风味化合物,基于Spearman相关系数,网络可视化小麦品质指标与主要细菌属的相关性。根据粗蛋白含量,5种小麦分为强筋、中强筋、中筋和弱筋小麦四类。从中温大曲中共检测到83种挥发性化合物,其中43种为特征化合物,己醇、2-甲基丁酸乙酯、异戊酸乙酯和四甲基吡嗪是强筋小麦大曲的特征风味物,丁烯醛是中筋小麦大曲的特征风味物。中筋和弱筋小麦大曲分别有最高菌落总数的好氧细菌和产酸细菌。克罗彭斯特菌属、高温放线菌属、亮杆菌属、魏斯氏菌属和芽孢杆菌属是主要优势菌群,中强筋和中筋小麦大曲中含有相对丰度较高的魏斯氏菌属和高温放线菌属,而强筋小麦大曲则相反,且前4个细菌属与特征挥发性化合物显著相关,并受小麦粗蛋白(或湿面筋)、粗淀粉及粉质率的影响。该研究结果为浓香白酒制曲小麦品种的选育及其在大曲生产中的合理化应用提供了可靠的理论依据。 展开更多
关键词 小麦品种 浓香大曲 细菌多样性 挥发性风味化合物 相关性分析
在线阅读 下载PDF
基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算 被引量：20
2
作者 马浚诚 刘红杰 +4 位作者 郑飞翔 杜克明 张领先 胡新 孙忠富 《农业工程学报》 EI CAS CSCD 北大核心 2019年第5期183-189,共7页
针对目前基于计算机视觉估算冬小麦苗期长势参数存在易受噪声干扰且对人工特征依赖性较强的问题,该文综合运用图像处理和深度学习技术,提出一种基于卷积神经网络(convolutional neural network, CNN)的冬小麦苗期长势参数估算方法。以... 针对目前基于计算机视觉估算冬小麦苗期长势参数存在易受噪声干扰且对人工特征依赖性较强的问题,该文综合运用图像处理和深度学习技术,提出一种基于卷积神经网络(convolutional neural network, CNN)的冬小麦苗期长势参数估算方法。以冬小麦苗期冠层可见光图像作为输入,构建了适用于冬小麦苗期长势参数估算卷积神经网络模型,通过学习的方式建立冬小麦冠层可见光图像与长势参数的关系,实现了农田尺度冬小麦苗期冠层叶面积指数(leaf area index,LAI)和地上生物量(above ground biomass, AGB)的准确估算。为验证方法的有效性,该研究采用以冠层覆盖率(canopy cover, CC)作为自变量的线性回归模型和以图像特征为输入的随机森林(random forest, RF)、支持向量机回归(support vectormachinesregression,SVM)进行对比分析,采用决定系数(coefficientofdetermination,R2)和归一化均方根误差(normalized root mean square error, NRMSE)定量评价估算方法的准确率。结果表明:该方法估算准确率均优于对比方法,其中AGB估算结果的R2为0.7917,NRMSE为24.37%,LAI估算结果的R2为0.8256,NRMSE为23.33%。研究可为冬小麦苗期长势监测与田间精细管理提供参考。 展开更多
关键词 作物 生长 参数估算 冬小麦 苗期 叶面积指数 地上生物量 卷积神经网络
在线阅读 下载PDF
基于RGB图像与深度学习的冬小麦田间长势参数估算系统 被引量：14
3
作者 李云霞 马浚诚 +1 位作者 刘红杰 张领先 《农业工程学报》 EI CAS CSCD 北大核心 2021年第24期189-198,共10页
为准确、快速获取冬小麦田间长势信息,该研究设计并实现了一种基于深度学习的冬小麦田间长势参数估算系统。该系统主要包含长势参数估算模块和麦穗计数模块。长势参数估算模块基于残差网络ResNet18构建长势参数估算模型,实现了冬小麦苗... 为准确、快速获取冬小麦田间长势信息,该研究设计并实现了一种基于深度学习的冬小麦田间长势参数估算系统。该系统主要包含长势参数估算模块和麦穗计数模块。长势参数估算模块基于残差网络ResNet18构建长势参数估算模型,实现了冬小麦苗期叶面积指数(Leaf Area Index,LAI)和地上生物量(Above Ground Biomass,AGB)的估算,并基于迁移学习进行泛化能力测试;麦穗计数模块基于Faster R-CNN并结合非极大值抑制(Non Maximum Suppression,NMS)构建麦穗计数模型,实现了开花期麦穗准确计数。结果表明,针对2017—2018和2018—2019两个生长季数据,基于ResNet18的长势参数估算模型对LAI估算的决定系数分别为0.83和0.80,对AGB估算的决定系数均为0.84,优于基于传统卷积神经网络(Convolutional Neural Networks,CNN)、VGG16和GoogLeNet构建的估算模型,并且泛化能力测试表明该模型对数据的季节性差异具有鲁棒性。基于Faster R-CNN的麦穗计数模型,在利用NMS优化后决定系数从0.66增至0.83,提升了25.8%,NRMSE从0.19降至0.05,下降了73.7%。相较于基于CNN构建的分类计数模型,基于Faster R-CNN+NMS的麦穗计数模型表现更优,决定系数为0.83,提升了33.9%,单个麦穗识别时间为1.009 s,效率提升了20.7%。综上所述,该系统能够满足冬小麦田间长势参数估算需求,可为冬小麦田间精细化管理提供支撑。 展开更多
关键词 机器视觉 图像处理 模型 冬小麦 深度学习 叶面积指数 地上生物量 麦穗计数
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部