排序方式: 共有52条查询结果,搜索用时 15 毫秒
41.
目的:观察灰毡毛忍冬芽提取物的抑菌活性和镇痛抗炎解热作用。方法:采用平板纸片法和微孔稀释法观察其抑菌活性并考察其抑菌稳定性;以小鼠福尔马林致痛及醋酸扭体实验观察其镇痛作用;以小鼠耳廓肿胀模型和角叉菜胶致大鼠足肿胀模型观察其抗炎作用;用酵母致动物发热法观察其解热作用。结果:灰毡毛忍冬芽提取物对金黄色葡萄球菌、大肠杆菌、八叠微球菌、绿脓杆菌、枯草芽孢杆菌和伤寒杆菌均有抑菌效果,其MIC分别为375、187.5、93.75、187.5、187.5、187.5mg·mL-1,MBC分别为1500、750、375、1500、750、1500mg·mL-1。提取物在pH1~3的酸性条件下抑菌效果最好,但高温长时间处理和紫外光长时间照射均可降低其抑菌活性;与纯水组相比,生药含量为15g·kg-1的灰毡毛忍冬芽提取物组能显著提高小鼠福尔马林实验中的痛域,减少醋酸所致小鼠的扭体次数,对二甲苯所致小鼠耳廓的肿胀度抑制率达36.62%,可以抑制角叉菜胶所致的大鼠足肿胀,并能有效对抗酵母所致大鼠的体温升高。结论:灰毡毛忍冬芽提取物在体外对金黄色葡萄球菌、大肠杆菌、八叠微球菌、绿脓杆菌、枯草芽孢杆菌和伤寒杆菌均有良好的抑菌效果,并具有一定的镇痛、抗炎、解热作用。 相似文献
42.
对蟑螂机器人的仿生机理、基于行为控制系统、足模块设计、运动学和运动控制问题进行深入的分析。蟑螂的神经和肌肉运动系统是躯体运动及姿态实现的物质基础。通过工程模拟,研究在未知环境中蟑螂机器人如何通过行为控制方式来完成机器人的控制和步态生成。设计一种带有计算功能的足模块,最终目的是大量减少计算过程,以此保证蟑螂机器人非凡的灵活性。基于旋量理论和局部指数积公式,提出利用Paden-Kahan子问题法求解蟑螂机器人关节角位移的逆运动学方法,前向运动学的求解首先根据机体的自然约束来推导关节角之间的位置关系,然后用局部指数积公式推导机体位姿。运动控制采用分布式同步控制方式,并应用位置、速度和时间运动模式,保证了蟑螂机器人腿关节的轨迹跟踪精度与速度的平滑。仿真试验结果验证了上述仿生机制的有效性,并为进一步研究奠定了基础。 相似文献
43.
为了研究海南琼中县乘坡河谷壶穴的形态及其成因,对乘坡河谷中壶穴的形态特征(口径、长短轴大小及走向、深度)进行详细统计,结合野外观测,应用统计学方法和薄片鉴定对比分析法定量分析了壶穴的形态成因和发育。结果表明,乘坡河谷壶穴发育 563处,圆形、椭圆形和槽型壶穴较为多见,基本沿节理发育,长轴走向与主节理即河谷的走向一致,部分壶穴内壁和底部分别可见擦痕和碎屑,壶穴的大小、深度和形态等在河床纵剖面上的分布没有明显规律,且流水作用形式也不固定;薄片分析结果印证壶穴的形成发育受河床基岩岩性影响,壶穴的形成还受地质构造、河床比降、流水作用等多种因素影响,具体表现为基岩(花岗岩)提供壶穴形成的物质基础,河床比降影响水流侵蚀冲刷能力的大小,构造裂隙控制壶穴形态的发育;壶穴是在流水侵蚀作用下受多种条件综合影响而形成,与冰川作用无关。 相似文献
44.
一种室外非理想光照条件下的立体匹配算法 总被引:2,自引:0,他引:2
针对室外非理想光照条件和图像低纹理、低对比度造成立体匹配效果较差的问题,提出一种HSL(色相-饱和度-亮度)颜色空间下基于边缘图分割的立体匹配算法.区别于传统的RGB颜色空间下基于像素强度的度量方式,该算法采用一种HSL颜色空间下的像素非相似性度量公式来获得匹配代价,然后基于左右输入图像的边缘检测结果进行图像区域分割和立体匹配.在实验中采用一系列不同光照条件的图片集和具有明显低纹理区域的图片集,对本文算法与现有算法进行对比验证.实验结果证明,该算法能够得到比较理想的视差图,对非理想的光照条件和低纹理图像具有很好的鲁棒性,并且基本达到实时性要求. 相似文献
45.
煤的气化是指煤在氧化区燃烧,还原区还原,经干燥区干燥后形成的可燃组分地下煤气。这种煤气具有热值高、生产成本低的优势,具有很好的经济效益,是煤炭开采方式的根本性变革。 相似文献
46.
针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法. 采用简单线性迭代聚类(SLIC)方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算各区域在左右视图的相对移动距离获取物体深度信息,以区域为单位分别计算颜色对比度及深度对比度,进行合成得到区域的显著性值.结果表明,生成的显著性图轮廓清晰,边缘锐利,同等条件下近处及深度变化显著的区域能够获得更高的显著性.该方法符合人类视觉感知特征,适用于移动机器人障碍物检测及场景识别. 相似文献
47.
基于深度卷积神经网络的物体识别算法 总被引:2,自引:0,他引:2
针对传统物体识别算法中人工设计出来的特征易受物体形态多样性、光照和背景的影响,提出了一种基于深度卷神经网络的物体识别算法。该算法基于NYU Depth V2场景数据库,首先将单通道深度信息转换为三通道;再用训练集中的彩色图片和转换后的三通道深度图片分别微调两个深度卷积神经网络模型;然后用训练好的模型对重采样训练集中的彩色和深度图片提取模型第一个全连接层的特征,并将两种模态的特征串联起来,训练线性支持向量机(LinSVM);最后将所提算法应用到场景理解任务中的超像素特征提取。所提方法在测试集上的物体分类准确度可达到91.4%,比SAE-RNN方法提高4.1个百分点。实验结果表明所提方法可提取彩色和深度图片高层特征,有效提高物体分类准确度。 相似文献
48.
49.
50.