公共文化服务平台

搜索到284篇“ 木薯叶“的相关文章

木薯叶资源化利用的现状及展望: 2024年; 该文探讨了木薯叶的资源化利用潜力,分析了其丰富的营养成分,并探讨了其在饲料、食品加工和生物医药等领域的潜在应用。在饲料领域,将木薯叶作为饲料添加剂可提高动物生产性能并降低饲养成本;在食品加工领域,木薯叶可作为新型蔬菜或用于提取活性成分;在生物医药领域,木薯叶具有抗氧化、抗炎和抗肿瘤等活性。此外,木薯叶的资源化利用有助于减少农业废弃物排放,推动经济绿色转型,促进农村经济发展。该文强调,通过技术创新和政策引导,进一步推动木薯叶资源的开发利用,为世界环境保护和可持续发展作出积极贡献。; 徐钏; 关键词：木薯叶资源化利用

在复杂背景下应用迁移学习技术优化木薯叶疾病识别与分析的研究: 2024年; 木薯叶病对木薯作物的生产和质量有重大影响,但传统的深度学习模型难以应对有限的木薯叶病样本。为了解决这一挑战,本文介绍了一种使用迁移学习的方法,该方法使用大型数据集来改进预训练模型,并将其知识转移到木薯叶病小样本的特定特征上。该方法适用于木薯叶病的分类和鉴定。实验数据表明,运用迁移学习技术不仅显著提升了模型的训练效率,而且有效克服了小样本量的限制,从而验证了迁移学习在提高模型性能和泛化能力方面的显著作用。; 李振冲周波张绿云施龙江尹世海; 关键词：特征提取图像分类

一种木薯叶自然发酵制备粗多肽的方法: 本发明涉及自然发酵技术领域，且公开了一种木薯叶自然发酵制备粗多肽的方法，所述木薯叶粗多肽为粉末状，由Design‑Expert8.0.6软件分析数据得知木薯叶液态发酵制备多肽工艺的最佳条件为：发酵时间为3.5h、接种加量...; 张振文张金泉王琴飞余厚美林立铭

一种木薯叶疾病分类方法、设备及存储介质: 本发明公开了一种木薯叶疾病分类方法、设备及存储介质，用于根据疾病类型或健康状态对木薯叶图像进行分类，包括如下步骤：S1对待测木薯叶图像进行预处理获得预处理后的图像数据集；S2将步骤S1预处理后的图像数据集输入到木薯叶疾病...; 纪伟张静梁雷刘奇鹏

基于选择性注意力神经网络的木薯叶病害检测算法被引量：1: 2024年; 为了实现在复杂非结构环境下对木薯叶4种主要病害的高精度检测,提出一种基于选择性注意力机制的木薯叶病害神经网络检测改进算法MAISNet(Multiattention IBN Squareplus neural network)。以V2-ResNet-101为基础网络,先使用多重注意力算法优化加权系数,调整特征通道的语义表达,在特征图中初步构建显著性特征;然后在残差单元之后采用实例批归一化方法来抑制特征表达中的协变量偏移,在特征图中构建出显著性语义特征,实现高质量语义特征表达;最后在残差分支中采用Squareplus激活函数替代ReLU激活函数,保持语义特征在负数域的数值分布,减少特征拟合过程中的截断误差。对比试验结果显示,经过上述改进后构建出的MAISNet-101神经网络,对4种常见木薯叶病害检测的平均准确率达到95.39%,明显优于目前主流算法EfficientNet-B5和RepVGG-B3g4等。网络提取特征的可视化分析结果表明,高质量木薯叶病害显著性语义特征,是提高木薯叶病害检测准确率的关键。所提出的MAISNet神经网络模型可以完成实际场景下木薯叶病害高精度检测。; 张家瑜朱锐邱威陈坤杰; 关键词：木薯病害检测

农作物废弃物药用研究 2 甘蔗叶、西瓜藤、番茄叶、肉桂叶、木菠萝叶、木薯叶、八角枝叶、柿叶、五眼果: 邓家刚

木薯叶的食用价值及加工方式研究被引量：2: 2023年; 近年来,木薯叶作为一种有潜力的食品资源正日益受到关注。木薯叶不仅富含蛋白质、维生素和矿物质,还具备潜在的保健功能。同时,以木薯叶为原料的腌制菜、饼干和饮料等产品的出现,为木薯叶的食品加工带来新的发展机遇。在木薯叶食品加工过程中需要解决氰化物等抗营养因子的问题,而微生物发酵技术已被证明可以降低这些抗营养因子,同时提升木薯叶的营养价值。总之,木薯叶作为多功能食品原料,具有广泛的应用前景,可增加食品多样性,改善人们的饮食结构,并促进资源可持续利用和食品化生产。; 张金泉王琴飞余厚美林立铭宋勇张振文; 关键词：木薯叶食用价值营养保健功能

木薯叶黄酮醇检测方法优化及其含量比较分析: 2023年; 木薯叶富含丰富的黄酮醇类物质,高效的提取和分析方法可为获取木薯叶黄酮醇提供至关重要的评价技术。本研究旨在优化木薯叶中4种黄酮醇物质(杨梅苷、芦丁、烟花苷和水仙苷)的提取和检测方法,以及分析不同木薯品种、采收期和成熟度对这些黄酮醇含量的影响。结果表明:使用50%乙醇水溶液,料液比为1∶50(g/mL),超声提取温度50℃,超声提取时间60 min可有效提取木薯叶中的4种黄酮醇;不同的C18色谱柱配备HPLC-DAD能有效分离木薯叶中的4种黄酮醇;方法验证结果显示,4种黄酮醇在一定浓度范围内线性相关性良好,R^(2)分别达到0.9999、0.9999、0.9999和0.9998;检出限在6.0~10.0 mg/kg之间;定量限在20.0~32.0 mg/kg之间;检测方法系统适应性较好,保留时间和峰面积变化相对标准偏差(RSD)均小于1%;样品日内、日间和月内稳定性较好,含量变化RSD在0.44%~3.57%之间,平均加标回收率在92.68%~109.14%之间,RSD均小于6.0%。利用建立的提取和分析方法,分析了30个木薯种质中4种黄酮醇含量,芦丁和烟花苷含量占4种黄酮醇总量的93.50%~99.30%,其含量高低由芦丁和烟花苷决定,但品种间决定黄酮醇总含量高低的相关性顺序为芦丁>水仙苷>烟花苷>杨梅苷;木薯种质的不同采收期和不同成熟度叶片中黄酮醇分析表明,在多数木薯种质中,第270天采收的芦丁、烟花苷和水仙苷含量高于第180天,杨梅苷因品种而异;不同木薯种质(除SC09外)幼叶期的杨梅苷、芦丁和烟花苷含量均高于嫩叶期和成熟期;成熟期(除花叶木薯)水仙苷含量均高于幼叶期和嫩叶期。本研究结果可为木薯叶黄酮醇物质的开发利用(原料的选择、质量控制等方面)提供评价技术和依据,也为揭示木薯叶黄酮醇物质积累规律奠定基础。; 王琴飞林立铭薛茂富张金泉余厚美张振文; 关键词：木薯叶黄酮醇 HPLC 采收时期成熟度

基于YOLOX的复杂背景下木薯叶病害检测方法被引量：12: 2023年; 为解决田间环境下由于叶片间遮盖和堆叠等因素引起的木薯叶病害识别困难的问题,本文提出一种基于改进YOLOX网络的木薯叶病害检测(Cassava leaf disease detection, CDD)模型。首先,对复杂背景下木薯叶病害图像数据集进行数据增强,以减少环境影响造成的识别困难。其次,在YOLOX网络的基础上,使用多尺度特征提取模块加强细粒度特征提取并降低模型计算量,同时嵌入通道注意力机制,提高网络的表征能力。最后,结合质量焦点损失函数作为分类损失函数辅助网络收敛,提高目标分类的准确性。实验结果表明,提出的CDD模型对复杂背景下木薯叶病害进行检测,网络参数量为5.04×10^(6),平均精度均值达93.53%,比基础模型高6.02个百分点,综合检测能力优于多种主流模型。因此,本文提出的CDD模型对田间木薯叶病害具有更快更准确的检测能力,为实现农作物病害检测提供了可借鉴的方法。; 宋玲曹勉胡小春贾沛沅陈燕陈燕; 关键词：目标检测多尺度特征

基于卷积神经网络与迁移学习的木薯叶疾病识别: 2023年; 文章提出一种用于识别木薯疾病的基于卷积神经网络与迁移学习的图像识别技术。文章通过对木薯叶样本进行去噪、随机水平垂直翻转、随机旋转、随机裁剪等预处理操作,扩充样本并使其更加贴合现实。文章将基于模型缩放的EfficientNet-B3卷积神经网络在ImageNet数据集上的训练参数迁移到细菌性枯萎病、褐斑病、绿色斑驳、木薯叶病、健康叶以及非木薯叶6个种类疾病的识别中。训练时,引入五折交叉验证,预防过拟合,对每个交叉验证训练的模型使用OOF方法进行预测,获得一个良好的预测效果。; 周强; 关键词：卷积神经网络木薯叶

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈