新型吡咯类杀虫剂溴虫腈合成研究

本文阐述了芳基吡咯类活性化合物的研究与开发进展,对文献报道的溴虫腈合成路线进行了归纳和分析,设计了以对氯苄胺为原材料的新的合成路线,总收率达到52.1%,纯度为96.1%.通过红外光谱、核磁共振对产品进行了结构表征.     

除草剂噻磺隆的合成

报道了以氯甲酸甲酯和2-甲氧羰基-3-氨基磺酰基噻吩为起始原料合成除草剂噻磺隆的方法。原料2-甲氧羰基-3-氨基磺酰基噻吩与氯甲酸甲酯生成2-甲氧羰基-3-甲氧羰基氨基磺酰基噻吩,再与2-氨基-4-甲氧基-6-甲基均三嗪反应生成噻磺隆。避免了异氰酸酯路线的种种缺点,具有收率高、含量高、成本低的特点。以2-甲氧羰基-3-氨基磺酰基噻吩计,总收率为77.73%,原药纯度达93.6%。     

新型高效除草剂噻磺隆合成新工艺

介绍了以氯甲酸甲酯和2-羧甲基-3-磺酰氨基噻吩为起始原料合成除草剂噻磺隆的方法。原料2-羧甲基-3-磺酰氨基噻吩与氯甲酸甲酯生成2-甲氧羧基-3-磺酰氨基甲酸甲酯噻吩，再与2-氨基-4-甲氧基-6-甲基均三嗪反应生成噻磺隆。避免了异氰酸酯路线的种种缺点，具有收率高、含量高和成本低的特点。以2-羧甲基-3-磺酰氨基噻吩计，总收率为77．73％，原药纯度达到93．6％。     

苯甲酰脲类杀虫剂伏虫隆合成新工艺

伏虫隆是一种苯甲酰脲类杀虫剂,尤其对有机磷、拟除虫菊酯、氨基甲酸酯三类杀虫剂已产生抗性的害虫防治效果更佳。以2,4-二氟硝基苯为原料,经过氯化、还原反应合成了3,5-二氯-2,4-二氟苯胺;以2,6-二氯苯腈为原料,经过氟化和水解制得2,6-二氟苯甲酰胺,将2,6-二氟苯甲酰胺与二(三氯甲基)碳酸酯酰化合成2,6-二氟苯甲酰异氰酸酯,再与3,5-二氯-2,4二氟苯胺加成得到杀虫剂伏虫隆,总收率为75.3%。产物结构经元素分析、IR和1HNMR所表征。该工艺具有原料易得、收率高、质量好、对环境污染小的特点。     

B.t.蛋白的纯化与鉴定

通过碱溶、碱解的方法溶解B．t．蛋向，采用60％饱和度的硫酸钱粗提，Sephadex G-50层析凝胶分离，加1．5倍的95％乙醇可得晶体沉淀计冻干，所得B．t．蛋白含量为92％，SDS-PAGE电泳图谱显示所纯化的B．t．蛋白分子量为130KD，生物学检测时，幼虫至3铃虫的死亡卒均大于90％，生物活性达18000IU／mg，可T作抗原用。     

Construction of two-dimensional supramolecular structure containing water tetramer and octamer

The complex [Cd₂(phen)₄(p-phth)(H₂O)₂](p-phth) · 10H₂O (1) has been synthesized by the reaction Cd(NO₃)₂ with phen and p-phth (where phen = 1,10-phenanthroline, p-phth = p-phthalic acid) in a solution of ethanol and distilled water. The crystal structure was characterized by X-ray single-crystal diffraction and infrared spectrum. In 1, a novel 2D supramolecular structure was formed, containing water octamer and tetramer.     

复杂背景下小麦叶部病害图像分割方法研究

针对复杂背景下小麦叶部病害图像分割问题,以小麦条锈病、叶锈病为研究对象,提出一种结合K-means聚类、Otsu阈值法等多种方法的分割策略。主要分三个步骤将小麦病斑图像分割出来:首先,利用背景与叶片a*b*分量的差异性,采用K-means聚类分割方法,去除泥土、杂草、阴影等背景,分割出小麦植株图像;其次,利用Otsu动态阈值法进行二值化处理,并结合数学形态学运算及面积阈值法分割出带有病斑的主要小麦病害叶片图像;最后,采用K-means算法对小麦病害叶片图像进行聚类运算,最终分割出小麦病斑图像。利用该方法进行分割实验,分割准确率达到95%以上,分割效果理想,为小麦叶部病害图像分割提供了参考,也为后续的小麦病害识别和诊断提供了基础。     

模糊自适应PID在锅炉汽包水位控制中的应用

基于MATLAB/Simulink平台,建立一种模糊自适应PID系统的仿真模型,应用于锅炉汽包水位的控制过程,给出仿真的具体实现方法,并在系统运行过程中加入干扰信号,结果显示出系统具有良好的动态性能和较强的抗干扰性能,证明了本文方法的有效性。     

结合基因表达式编程与空间模糊聚类的图像分割

目的 针对模糊C-均值聚类图像分割方法存在的对初始值敏感及抗噪性能差的问题,提出一种结合基因表达式编程与空间模糊聚类的图像分割方法。方法 首先,利用基因表达式编程算法对图像进行初次分割,即将聚类中心编码成染色体,通过适应度评价引导搜索获得优化的聚类中心;然后在隶属度计算中引入空间函数,以初次分割结果作为初始值,使用空间模糊聚类对图像进行二次分割。结果 对加噪的合成图像和Berkeley图像的分割实验显示,本文方法在聚类划分系数（VPC）、聚类划分熵（VPE）和峰值信噪比（PSNR）等评价指标上总体性能优于经典的模糊C-均值聚类和空间模糊C-均值聚类分割算法,其中VPC值平均高出0.062 4和0.061 1,VPE值平均降低0.117 0和0.101 1,而PSNR值平均提升了约13.312 1 dB和3.308 4 dB;在对Berkeley图像库中的6幅图片的分割实验显示,本文方法对图像分割的VPC值均在0.93以上,相比两种对比方法平均提高0.157 6和0.013 3,VPE值保持在0.1附近,均低于对比方法,PSNR值平均提高2.896 3 dB和1.934 4 dB;在多目标分割实验上,随着聚类数目增加,3种方法的分割性能均有下降,但本文方法性能曲线最为平缓,受聚类数目的影响最小。虽然本文方法所需的运行时间略有增加,但求解所需的迭代次数却极大地减少。结论 本文提出的图像分割方法具有很强的抗噪性、更高的分割精度和稳定性,适用于需要更精确结果、对时间要求不高的分割场景。