我国主要烟草青枯病病圃青枯菌系统发育分析

为探究我国主要植烟区烟草青枯病鉴定病圃中青枯菌的系统发育,采用演化型分类框架下的序列变种分类方法,对从各烟株和土壤样品中分离得到的100株青枯菌进行系统发育分析。结果表明,所有菌株可归为4个分支,分别为序列变种15、17、34、54。其中,云南文山州广南县病圃中的菌株为序列变种17和54,福建泰宁县的菌株为序列变种34,福建三明市三元区的菌株为序列变种15和34,广东白云区的菌株为序列变种15和17,广东南雄市的菌株为序列变种15、17和34,安徽宣城市宣州区的菌株为序列变种34和54,贵州福泉的菌株为序列变种17,重庆彭水的菌株为序列变种17。本研究发现同一病圃中存在多个序列变种,某些病圃同一地块中烟株与土壤分离所得菌株序列变种不一致。     

二氧化铅阴极单室微生物燃料电池处理有机废水研究

利用自制单室微生物燃料电池,采用污水处理厂的厌氧污泥接种,以自制钛基二氧化铅电极为阴极,运行微生物燃料电池11907 min,成功获得了电能,最大功率密度为485 mW·m-2.通过稳态放电法测得单室微生物燃料电池的内阻为300Ω.污水COD去除率达到40%左右,日平均去除1 000.5 mg·L-1,说明此单室微生物燃料电池在产生电能的同时对废水有较理想的处理效果.     

引江济淮工程瓦埠湖水质保护对策

瓦埠湖是引江济淮工程江淮沟通段输水通道及重要调蓄水体,是未来需要重点打造的清水廊道和调蓄场所。本文通过分析瓦埠湖水环境质量现状及污染成因,提出水资源保护工程体系的总体设想及未来需要实施的重点工程。     

基于卷烟消费大数据标签体系的六大画像系统

为解决卷烟消费者数据采集与分析难问题,提出了一种全新的基于时空网格技术的消费人群大数据采集分析方法。通过商圈网格划分和数据标签特征工程,实现企业消费者大数据资源的高效融合,建立卷烟消费大数据标签体系,提高了数据的使用价值和复用性。基于大数据、时空网格、可视化技术构建卷烟市场数字孪生体,设计实现了六大画像系统。以玉林市场为例,实现了5237个商圈画像、19544个终端画像、42个品牌画像、169个产品画像以及12种商圈类别画像、24种卷烟分类画像。基于系统对某卷烟品牌实施精准投放实验,该产品的货源利用率从35%提升至59%。     

银屑病患者皮损中角蛋白10、14、17及丝聚蛋白表达与分布

目的：研究银屑病患者皮损中角蛋白10、14、17及丝聚蛋白的分布、表达与皮肤屏障功能受损的相关性。方法以20例银屑病患者皮损及10例正常人皮肤为研究对象,运用免疫组化及westerm blot测定两组角蛋白10、14、17及丝聚蛋白的分布与表达。结果：与正常人皮肤相比,银屑病患者的皮损组织中角蛋白10表达和丝聚蛋白表达下调;角蛋白14及17表达上调,但表达程度及部位不同,其差异均具有统计学意义。结论银屑病患者的皮肤屏障功能有受损,可能是银屑病持续发病机制之一。     

基于CDMA技术的青藏高原环境监测信息平台

针对目前青藏高原环境日趋恶化,现有环境监测系统成本高、监测范围小、实时性差的问题,提出了一种基于MCU单片机、CDMA无线通讯及CAN总线通讯技术的环境监测信息平台的设计方案,以解决上述问题。该系统采用廉价及高效的MCU单片机位主控器,DTGS-800 CDMA模块作为无线通讯工具,在CAN总线通讯技术下结合各环境采集模块实现无人监测、大范围实时性环境信息采集,并实现实时短信查询某地区当前环境信息功能。     

电力线损管理效率的加强研究

现代电力企业系统中，衡量线路管理优劣的一个重要指标是线损率。积极探索和采取有效措施降低线损是电力企业不断提升电业供应，提高经济效益的必由之路。在电力的生产运输和营销使用过程中，产生线损的原因是多方面多角度的，只有客观的看待问题，主动寻求解决问题的方法和措施，才能有效地降低成本，将降损工作落到实处。     

改善巢湖市饮用水源地水质的调水方案比选

以改善巢湖市饮用水源地水质为目标,基于现状河道和水利工程,对比分析了长江与巢湖水质,研究了长江与巢湖水体交换规律、交换量及巢湖水位控制方案,拟定了不同线路、调水量、水位控制等多个调水方案,采用层次分析法比选了调水方案效果,并提出了实际调水应用的建议.结果表明,正向调水、7×108～13×108m3交换水量和晒滩水位控制...     

核范数优化下的多表征挤压激励自适应网络

多表征自适应网络(MRAN)用于无监督学习取得了显著成效.但MRAN的特征提取只关注了域在空间结构上的联系而忽略了特征通道之间的联系,在进行无监督领域自适应(UDA)分类时,决策边界附近存在大量混淆数据的情况,当使用信息熵最小化对混淆数据进行分类时,往往会产生错误分类.针对这一问题,提出了基于批量核范数最大化的多表征挤...     

面向医学图像分割的多注意力融合网络

在深度医学图像分割领域中,TransUNet是当前先进的分割模型之一。但其编码器未考虑相邻分块之间的局部联系,在解码器上采样过程中缺乏通道间信息的交互。针对以上问题,提出一种多注意力融合网络（MFUNet）模型。首先,在编码器部分引入特征融合模块（FFM）来增强模型对Transformer中相邻分块间的局部联系并且保持图片本身的空间位置关系;其次,在解码器部分引入双通道注意力（DCA）模块来融合多级特征的通道信息,以增强模型对通道间关键信息的敏感度;最后,通过结合交叉熵损失和Dice损失来加强模型对分割结果的约束。在Synapse和ACDC公共数据集上进行实验,可以看出,MFUNet的Dice相似系数（DSC）分别达到了81.06%和90.91%;在Synapse数据集上的Hausdorff距离（HD）与基线模型TransUNet相比减小了11.5%;在ACDC数据集中右心室和心肌两部分的分割精度与基线模型TransUNet相比分别提升了1.43个百分点和3.48个百分点。实验结果表明,MFUNet在医学图像的内部填充和边缘预测方面均能实现更好的分割效果,有助于提升医生在临床实践中的诊...