烤烟根系分泌物降解液对烤烟幼苗根系和光合特性的影响

从烤烟根系分泌物中筛选出能够有效降解烟碱和水杨酸等主要成分的赖氨酸芽孢杆菌和寡养单胞菌两种细菌,以5 mL菌液和45 mL分泌物混合施入育苗盘中进行幼苗培养并测定和分析其对烤烟幼苗光合特性、叶绿素荧光特性、叶绿素含量和幼苗根系生长的差异。结果表明,含有降解菌的处理液可提高幼苗生长过程中的光合作用,促进根系生长,同时含寡养单胞菌和赖氨酸芽孢杆菌的处理液对烤烟根系分泌物降解效果最佳,只含有降解水杨酸的寡养单胞菌和赖氨酸芽孢杆菌的降解液处理次之,不含降解菌的处理液对烤烟幼苗生长有抑制作用。盆栽试验中,两种菌均能够降低烤烟根系分泌物对烤烟生长的抑制作用,当两种菌混合后效果最好。     

近红外光谱检测烟叶化学成分的整叶采样方式研究

为了解决近红外漫反射光谱分析技术用于烟叶整叶检测时,由于烟叶叶面积大、化学成分分布不均,光谱采集代表性和重复性无法保证的问题,对烟叶整叶采样方式进行了系统研究。首先通过信息散度与梯度角正切相结合的光谱相似性方法（SID-GA）计算了7种整叶采样方式获得光谱的相似程度,并采用排序差异和值方法（SRD）对不同采样方式下烟叶总糖、还原糖、烟碱、总氮、钾和氯的偏最小二乘（PLS）定量模型进行了评估。结果表明,B2F、C3F、X2F烟叶样本的最适宜采样方式分别为“8点法”、“6点法”和“8点法”,综合考虑采样点数与模型预测性能,“8点法”被认为是烟叶的最佳光谱采集方式,“6点法”次之。采样点数少、代表性高、重复性好的烟叶整叶近红外光谱采样方式,对提高烟叶品质现场快速分析效率和准确性具有现实意义。     

基于NIR技术和ELM的烤烟烟叶自动分级

为解决初烤烟叶收购中人工分级主观因素影响较大的问题,提出了一种基于近红外（NIR）光谱技术结合极限学习机（ELM）算法自动鉴别烟叶等级的方法。文章首次提出基于品质相似、价格接近原则的烟叶收购分组方法,通过交互检验优化ELM分组、分级模型的隐节点数,并与K最近邻法（KNN）、支持向量机（SVM）和随机森林（RF）等多分类算法进行了比较。结果表明:ELM分类模型参数自动优化、训练时间短、稳定性和预测能力较好,2014年（数据集A）、2015年（数据集B）烟叶收购国标样本上、中、下等烟外部预测分组正确率分别为95.77%和94.23%,数据集A和B的上、中、下等烟各组样本外部预测分级正确率分别为85.71%、86.67%、100%和100%、92.86%、92.86%。因此,采用NIR技术结合ELM能准确鉴别初烤烟叶等级,可为烤烟烟叶收购质量等级评价提供一种新技术。      

基于Arduino和Python搭建的实时在线pH测量平台

为简便实时测量体系的pH,提出了一种以开源硬件Arduino为核心模块的在线连续pH测量系统的设计方案。该方案基于电化学测量pH的原理,利用pH复合电极检测溶液中氢离子浓度,通过简捷有效的高阻抗放大电路对信号进行放大,利用Arduino读取,转换,计算得到pH值;再利用开源软件Python编写的软件通过上位机(PC)的USB接口对测量值进行监控、计算、作图、存储等操作。本方案软硬件均开源,硬件平台具有搭建周期短,器件价格低廉,而采集软件具有简单易学,操作方便等优点。实验证明,该pH测量平台运行稳定,测量简单、准确。由于本平台具有开源和开放等特点,用户能自行修改和裁剪,以适应各种体系pH实时测量的需要。     

文山烟区土壤和烟叶氯素特征及影响因子研究

为深入了解文山植烟土壤和烟叶水溶性氯含量分布状况,并解析其影响因素,采用GPS定位技术采集了276份土壤和381份烟叶,对土壤氯和烟叶水溶性氯含量进行测定,采用经典统计学和地统计学方法,对其分布及部分影响因素进行了研究。结果表明,该烟区土壤水溶性氯平均含量为13.81 mg/kg,61.95%区域氯元素含量在适宜范围内（10.00~30.00 mg/kg）;烟叶水溶性氯含量普遍较低,平均含量为0.15%,变异系数为113.33%,仅有8.66%的烟样氯含量在适宜范围（0.30%~0.80%）,低（0.10%~0.30%）和极低（<0.10%）的烟样占比分别为37.27%和51.71%。降水的强淋溶作用是导致文山烟叶氯元素偏低的重要原因。因此,文山烟区土壤氯元素含量适宜烤烟种植,但烟叶氯素含量均偏低,建议适当加强含氯肥料的施用,并做好对氯元素的动态监测,以提高烟叶品质。