首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   224篇
  免费   7篇
  国内免费   13篇
化学   106篇
力学   1篇
综合类   30篇
数学   16篇
物理学   91篇
  2023年   3篇
  2022年   4篇
  2021年   3篇
  2020年   1篇
  2019年   9篇
  2018年   5篇
  2017年   3篇
  2016年   6篇
  2015年   5篇
  2014年   8篇
  2013年   10篇
  2012年   14篇
  2011年   7篇
  2010年   15篇
  2009年   13篇
  2008年   10篇
  2007年   8篇
  2006年   8篇
  2005年   13篇
  2004年   7篇
  2003年   7篇
  2002年   4篇
  2001年   8篇
  2000年   8篇
  1999年   8篇
  1998年   5篇
  1997年   5篇
  1996年   4篇
  1995年   5篇
  1994年   9篇
  1993年   9篇
  1992年   4篇
  1991年   2篇
  1990年   5篇
  1989年   3篇
  1988年   5篇
  1982年   1篇
排序方式: 共有244条查询结果,搜索用时 31 毫秒
1.
小麦是制作馒头的主要原料之一,小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同,进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法,对比感官评定,光谱分析可以识别样品中的分子结构等信息。基于此,尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦,再利用微波干燥法对两个不同产地的小麦做烘干预处理,使烘干的小麦水含量为12%±0.5%,原麦水含量为18%±0.5%。分别标记为原麦A,烘干A,原麦B,烘干B,再将小麦研磨成粉末,过100目筛网筛选后,置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息,在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理,利用主成分分析对预处理后的数据进行降维处理,再结合线性判别分析(linear discriminant analysis,LDA)和支持向量机(support vector machine, SVM)分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法(synergy interval partial least square, SiPLS)筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间,将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析(LDA)和支持向量机(SVM)建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析(LDA)和支持向量机(SVM)建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明,同种光谱分析方法,利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法,近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下,利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高,光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%,预测集识别率为97.50%;而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率,光谱数据融合之后建立的小麦识别模型识别率得到显著提高,该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率,结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。  相似文献   
2.
旨在探索感染不同等级赤霉病的小麦中主要成分含量变化引起的傅里叶中红外光谱信息响应,并结合模式识别方法实现基于傅里叶变换中红外光谱的小麦赤霉病等级无损检测。以感染不同等级赤霉病小麦为研究对象,在4 000~400 cm-1波数范围内采集95个小麦样本的傅里叶中红外光谱数据,利用载荷系数法(XLW)与随机森林算法(RF)分析选取小麦样本傅里叶中红外光谱中的敏感波长,利用稀疏表示分类(SRC)算法建模识别小麦感染赤霉病等级。结果表明:XLW算法和RF算法选择的特征波长作为定性分析模型的输入时模型鉴别准确率与全波段光谱数据作输入时均达90%以上,特征波长提取算法可以有效简化模型并提高效率。RF-SRC模型鉴别效果最好,建模集鉴别准确率达97%,测试集鉴别准确率达96%。小麦感染赤霉病等级的不同会引起小麦中水分、淀粉、纤维素、可溶性氮素、蛋白质、脂肪等物质含量的变化,采用RF算法选择的特征波长均反映了这些物质所对应的傅里叶中红外光谱透射光谱特征的差异,结合SRC模型进行小麦赤霉病等级鉴别可达到最好的鉴别效果。因此,利用傅里叶中红外光谱技术结合模式识别方法对小麦赤霉病等级鉴别是可行的,解释了傅里叶中红外光谱技术检测小麦赤霉病等级的机理。  相似文献   
3.
小麦是我国战略性储藏粮食品种,但小麦易受霉菌感染而发生霉变,影响其食用安全。加强小麦有害霉菌侵染程度的早期检测是控制其危害的需要措施。然而,现有的平板计数和荧光染色等检测方法,普遍存在前处理繁杂、时效性差等不足。故此,拟运用阵列式光纤光谱仪结合化学计量学方法,建立霉变小麦的实时在线检测方法,并为进一步开发粮食品质与安全在线检测装备提供参考。小麦样品经辐照灭菌后分别接种五种谷物中常见有害霉菌:串珠镰刀菌83227、层出镰刀菌195647、雪腐镰刀菌3.503、寄生曲霉3.3950和赭曲霉3.3486,并置于28 ℃和85%相对湿度环境中储藏7 d以加速霉变。在样品储藏的第0,1,3,5和7 d,运用阵列式光纤光谱仪和漫反射探头在线采集样品的漫反射特征光谱,并依据国标平板计数法测定样品菌落总数水平。光谱采集步骤为:在线检测平台上,设置样品运动速度0.15 m·s-1和光谱仪积分时间20 ms,采集波段为600~1 600 nm,重复测量3次。然后,首先对小麦原始光谱进行平滑、多元散射校正和导数变换等预处理以消除光谱噪音;随后,运用主成分分析(PCA)对受不同霉变程度(储藏阶段)的小麦样品进行区分;最后,利用线性判别分析(LDA)和偏最小二乘回归分析(PLSR)建立小麦有害霉菌侵染程度的定性定量分析模型。小麦在储藏期内经历未霉变、开始霉变和严重霉变三个阶段。原始和二阶微分光谱显示霉菌侵染引起小麦光谱特征发生显著改变,PCA结果表明不同储藏阶段(霉变程度)小麦样品存在一定分离趋势。利用前十个主成分得分建立的LDA判别模型,对不同霉变程度小麦样品的识别率达90.0%以上。结果表明:小麦样品菌落总数的PLSR定量预测模型的预测决定系数(R2p)为0.859 2,预测均方根误差(RMSEP)为0.401 Log CFU·g-1,相对分析偏差(RPD)达2.65。应用阵列式光纤光谱仪结合计量学方法在线评估小麦霉变具有一定可行性。下一步研究中,应扩大样品量,补充自然霉变及受更多代表性霉菌侵染的小麦样品,以不断增强模型的鲁棒性和方法的适用性。  相似文献   
4.
小麦品质的太赫兹波段光学与光谱特性研究   总被引:2,自引:0,他引:2  
采用太赫兹时域光谱技术(THz-TDS),以储藏小麦为研究对象,研究了霉变、虫蛀、发芽等小麦与正常小麦样品在0.2~1.6THz波段的光学与光谱特性,采用傅里叶变换得到被测样品的频域光谱,并计算获得THz吸收系数和折射率等光学参数。结果表明,不同品质小麦具有不同的折射率和吸收系数,其中正常小麦比霉变、虫蚀和发芽小麦的吸收系数和折射率都高,且吸收系数在有效波段随频率的增加而增加,进而可以根据其在THz波段的特征谱进行判别。THz-TDS在小麦品质检测中的应用,为该技术在储粮品质检测和分析中提供新的实验方法,具有重要的应用前景。  相似文献   
5.
高效液相色谱法分离和测定小麦中的5种内源激素   总被引:3,自引:0,他引:3  
建立了高效液相色谱法(HPLC)用于分离和测定小麦中的吲哚乙酸(IAA)、脱落酸(ABA)、赤霉素(GA3)、玉米素(ZT)和水杨酸(SA)5种植物内源激素。经过条件优化,选用甲醇作为样品提取溶剂。然后,经石油醚和乙酸乙酯萃取,经Sep-Pak C18小柱纯化。液相色谱的分离采用Eclipse XDB-C18 (250 mm×4.6 mm, 5 μm)反相色谱柱;流速为1 mL/min;进样量10 μL。检测器波长设置为254 nm; 14.5 min时切换到240 nm; SA洗脱后即18 min时切换回254 nm。流动相A为甲醇,B为乙酸溶液(pH 3.6)。梯度条件为0~7 min, 20%A; 7~10 min, 20%A~28%A; 10~17 min, 28%A; 17~19 min, 28%A~40%A; 19~35 min, 40%A。结果表明,小麦中各激素的分离效果理想,加标回收率达96.9%~98%,相对标准偏差在1.54%~2.29%之间。因此,该方法的建立为快速、准确地分离和测定小麦内源激素提供了可靠的方法。  相似文献   
6.
顶空吸附萃取-气相色谱法分析小麦中部分风味物质   总被引:1,自引:0,他引:1  
王同波  闫潇  兰孝征 《色谱》2013,31(5):467-472
采用顶空吸附萃取法(headspace sorptive extraction,HSSE)建立了小麦中部分风味物质的分析方法。以硅橡胶为原料,采用溶胶-热空气硫化法,在模具中定型制得硅橡胶萃取棒。萃取棒的硅橡胶层体积约为87μL,热稳定性好,耐热温度达到390℃。萃取棒吸附的风味物质经自制热解吸装置热脱附,被吹扫进入气相色谱仪进行分析。考察了萃取温度及时间、相比、热解吸条件对该方法萃取效率的影响。在优化条件下分析小麦粉标准样品,结果表明:方法的线性关系良好(r>0.997 9),检出限为0.09~1.00μg/kg,标准物质的平均添加回收率为95%~121%,相对标准偏差在2.2%~7.8%之间。对小麦粉实际样品进行分析,采用外标法得到了7种风味物质的绝对含量。该方法简便快捷,检出限低,适用于小麦中风味物质的快速定量分析。  相似文献   
7.
为准确且无损测定小麦叶片的反射光谱,研究了不同背景对叶片表面反射光谱的影响,在400~1 000nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。以PLATE模型为基础,首次提出了BPLT(background plate)模型,扣除由不同背景导致的叶片反射光谱的变化。模型以背景下叶片的反射率R_0,不同背景反射率σ为输入,空气和致密叶片的界面反射比R_(12),致密叶片和空气的界面反射比R_(21),致密叶片的透射系数τ三参数中间变量,得到最终无背景时叶片反射率R值的2-3-1模型。采用方差分析法(analysis of variance,ANOVA)进行了BPLT模型验证,对比分析了背景扣除前后10种叶绿素指数值的变化。结果表明,当反演的确定系数DC(determination coefficients)0.90且残差平方和SSE1时,反演的灵敏度较高,对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果;采用BPLT模型背景扣除后,背景因素所占的百分比低于5%;优选了NDIMCARI的函数关系,NDIMCARI的斜率和叶绿素浓度的R~2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。为真实测定不同背景下小麦叶片的反射光谱提供了依据。  相似文献   
8.
利用高光谱红边与黄边位置距离识别小麦条锈病   总被引:10,自引:0,他引:10  
研究的目的是利用高光谱遥感尽可能早地识别出健康与遭受条锈病胁迫的小麦。通过人工田间诱发不同等级条锈病,在不同生育期测定感染不同严重程度条锈病的冬小麦冠层光谱及病情指数(disease index,DI)。对测定的光谱进行平滑并计算一阶微分值,并用两种方法分别提取光谱红边位置(rededge position,REP)与黄边位置(yellowe dge position,YEP):(1)一阶微分最大值法;(2)Cho and Skidmore方法。研究表明随着病情严重度的增加,REP逐渐向短波方向移动,YEP逐渐向长波方向移动,而REP-YEP则迅速的减小。分别对比分析了REP,YEP以及REP-YEP预测DI的能力,结果表明,以REP-YEP为变量的模型预测DI的精度最好,模型估测绝对误差(RMSE)仅为6.22,相对误差(relativeerror,RE)为14.3%,且能够提前12d识别出健康与病害胁迫的小麦。该研究不仅可为将来利用高光谱遥感大面积监测小麦病害提供理论与技术支持,而且对精准农业的实施也具有重要意义与实际应用价值。  相似文献   
9.
为实现快速无损地检测小麦品质设计了基于光栅技术的近红外检测系统,测试了该系统的准确性、重复性和稳定性,选取MPA光谱仪为参比仪器,分别采集56份小麦样品的光谱,建立偏最小二乘回归模型并验证。该系统的四个模型的决定系数R2分别为92.38%,93.48%,93.16%,94.44%,交叉验证标准差RESECV为0.405,0.374,0.383,0.346,相对分析误差RPD为3.62,3.39,3.82,4.24;预测集验证模型的R2为96.97%,94.22%,96.62%,96.34%,预测标准差RMSEP为0.221,0.305,0.233,0.243。MPA光谱仪的建模结果R2为95.99%,RESECV为0.293,RDP为5;预测集验证模型的R2为98.31%,RMSEP为0.165。实验表明:小麦品质近红外检测系统所得模型具有良好的预测性,稳定性和重复性;所得光谱波长与吸光度具有重现性;其模型对平均光谱的预测效果优于单张光谱;该系统工作稳定,性能优良,可应用于小麦品质质量检测。  相似文献   
10.
基于近红外光谱技术的小麦条锈病和叶锈病的早期诊断   总被引:3,自引:0,他引:3  
为实现小麦条锈病和叶锈病的早期诊断,利用近红外光谱技术结合定性偏最小二乘法(DPLS)建立了一种鉴别这两种病害的方法.试验将150片小麦叶片(健康叶片、条锈病潜育叶片、条锈病发病叶片、叶锈病潜育叶片、叶锈病发病叶片各30片)分为5类,扫描获得近红外光谱,建立小麦叶片DPLS近红外光谱鉴别模型.原始光谱数据经二阶导数处理后,在4 000~8 000 cm-1范围内,当利用不同建模比建模时,建模集的平均识别率为96.56%,检验集的平均识别率为91.85%,证明了模型的稳定性.当建模比为2:1、主成分数为10时,模型识别效果较好,建模集的识别准确率为97.00%,检验集的识别准确率为96.00%.表明应用近红外光谱技术建立的小麦条锈病和叶锈病早期诊断的定性鉴别方法是可行的.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号