简介：本文介绍高效液相色谱外标法测定柰坐果中可溶性糖和山梨醇的方法,采用μ-Sphero-gelcarbohydrate柱和示差折光检测器,以水为流动相,柱温85℃的分离条件。相关系数在0.9980以上,加入回收率在90.90-95.61％之间。可溶性糖在果肉中的积累依柰果的生长发育阶段而有特征性变化。

简介：为提高RFA-300连续流动分析仪测定烟草及烟草制品中水溶性糖含量的准确性,依据行业标准YC/T159-2002对各种影响因素进行了考察,发现标准样品的种类、纯度及反应时间是主要影响因素,并根据试验结果和测试原理的要求对仪器管路进行了适当的加长.确定了以葡萄糖为标样,采用校正标样和加长仪器管路的连续流动法测定烟草制品中的水溶性糖.结果表明,改进后方法的回收率为98.8%～107.9%,变异系数为1.63%,测定结果与芒森·沃克法的基本一致.

简介：本文阐述了用超声波短时作用来处理水样,从而找到更科学地计数水体中微囊藻细胞数的方法。并通过实验进一步研究了超声波频率和作用时间对处理效果的影响。

简介：本文根据九龙江北溪甲藻水华事件中各水质因子的监测结果，对各水质因子与叶绿素a进行相关性分析。探讨水华发生时各水质因子之间的内在联系，以寻求影响水华程度的关键因子，并提出今后甲藻水华时应增加水质监测因子的选择，以及时空布点采样的建议。

简介：用因子分析法解析了饲料样品的近红外漫射光谱,利用前面8个主成分因子与样品的化学分析结果拟合校正曲线,同时预测了未知样品的水分、粗蛋白和粗脂肪含量,该法无损、快速、准确,平均预测误差对水分为3.6%,粗蛋白为2.1%,粗脂肪为8.1%。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.