-
公开(公告)号：CN118901709A
公开(公告)日：2024-11-08
申请号：CN202410973139.8
申请日：2024-07-19
Applicant: 南京农业大学
Abstract: 本发明公开了2‑十二烷酮在制备青枯菌的群体感应抑制剂的应用。本发明公开了2‑十二烷酮在防控青枯病中的应用。2‑十二烷酮对青枯菌QL‑Rs1115的群体感应具有良好的体外抑制活性，可以显著抑制青枯菌群体感应、降低青枯菌胞外多糖产生和病情指数。与传统的群体感应抑制剂比较，2‑十二烷酮可以挥发性气体形式抑制青枯菌的群体感应，不仅作用范围更大更均匀，而且气体可以更容易地渗透到田间土壤等更复杂的环境中；同时由于2‑十二烷酮本身的挥发性性质，可以减少残留物的问题，也有利于未来大面积的应用。
-
公开(公告)号：CN116364192A
公开(公告)日：2023-06-30
申请号：CN202310216689.0
申请日：2023-03-08
Applicant: 南京农业大学
IPC: G16B40/30 , G06F18/23 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种使用自监督特征学习的三代宏基因组分箱方法，其包括步骤为：步骤一、在已测序基因组数据基础上生成模拟长reads；步骤二、将长reads送入自监督特征表示模型训练，并保存最佳模型参数；步骤三、模型训练后，将三代reads送入模型提取特征，宏基因组long reads序列通过特征表示模型转换成特征向量后，将输入到聚类层通过聚类层进行分箱。本发明避免了以往大多数方法只看重核苷酸频率和覆盖度等统计特征而忽视long reads本身序列特征的缺点，其使用的具有半监督性质的对比学习能够有效利用已有的数据库信息，避免了以往无监督学习的盲目性。
-
公开(公告)号：CN110059759A
公开(公告)日：2019-07-26
申请号：CN201910336951.9
申请日：2019-04-25
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于加权LBP-颜色矩的堆肥腐熟度预测方法，它包括以下步骤：S1、获取堆肥图像；S2、分别获得堆肥图像的LBP纹理特征和堆肥图像的颜色特征；S3、将堆肥图像的LBP纹理特征和颜色特征进行加权融合，获得堆肥图像特征向量；S4、对堆肥图像特征向量做PCA降维获得降维堆肥图像特征向量；S5、降维堆肥图像特征向量输入至SVM分类器进行腐熟度预测；S6、SVM分类器输出预测结果。整个评价方法易操作，非常适于推广应用。
-
公开(公告)号：CN108682006B
公开(公告)日：2021-07-20
申请号：CN201810379431.1
申请日：2018-04-25
Applicant: 南京农业大学
Abstract: 本发明公开了一种非接触式罐装堆肥腐熟判断方法，包括以下步骤：S1、提取t时刻图像数据；S2、预处理；S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取得到255维的特征向量；S4、将S1中热成像图颜色直方图数据同S3中图像特征提取卷积神经网络输出的特征向量组合在一起形成堆肥实时特征，并归一化处理；S5、基于长短期记忆网络LSTM进行预测；S6、输出判断结果。采用本方法基于温度、外观的实时检测堆肥状态的方法结果准确、操作难度小。
-
公开(公告)号：CN112183635A
公开(公告)日：2021-01-05
申请号：CN202011047680.4
申请日：2020-09-29
Applicant: 南京农业大学
Abstract: 本发明提出一种多尺度反卷积网络实现植物叶部病斑分割与识别方法，该方法利用少量像素级标记，实现端到端的植物叶部病斑分割与识别。首先利用多尺度残差块构建多尺度特征提取模块，提取多尺度病害特征；然后引入分类与桥接模块获取特定类的激活图，此激活图包含特定类别病斑的关键信息，将它进行上采样，实现病斑的分割；最终设计反卷积模块，结合少量病斑标注引导特征提取网络关注病斑真实位置，进一步优化识别与分割效果。本发明的方法能够适用于像素级标注样本数量不足的植物叶部病害识别与分割的情况，实现识别与分割的一体化。模型在光线不足、有噪声干扰的病害图像中具有较强鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116189759A
公开(公告)日：2023-05-30
申请号：CN202310234744.9
申请日：2023-03-13
Applicant: 南京农业大学
Abstract: 本发明公开了一种群体感应先导化合物的虚拟筛选方法，主要流程包括：输入的分子化合物结构通过预处理构建分子邻接矩阵，送入GNN1网络生成化合物特征；输入的蛋白质序列，提取其蛋白质氨基酸组成、二肽频率组合成蛋白质初步特征向量，送入交叉网络，生成交叉融合特征；同时，将蛋白质序列生成对应的接触图，随后送入GNN2网络生成蛋白序列特征；最终将三个特征组合送入全连接层预测得到亲和力值。本发明可用于发现新的具有群体感应活性的化合物，为青枯菌等细菌的控制和防治提供新的思路和手段；同时该方法可以高效地筛选出与PhcA和PhcR蛋白结合的化合物，从而发现具有群体感应活性的化合物。
-
公开(公告)号：CN109273054B
公开(公告)日：2021-07-13
申请号：CN201811014322.6
申请日：2018-08-31
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于关系图谱的蛋白质亚细胞区间预测方法，它以蛋白质序列为研究对象，提出了一种基于关系图谱的改进词袋模型用于提取蛋白质序列特征信息并送入分类器进行蛋白质亚细胞区间预测的方法。该方法在传统词袋模型的基础上，结合马尔科夫假设对蛋白质序列单词片段提取位置关系图谱，并把该关系图谱送入卷积神经网络(CNN)进行深度特征提取，将提取出的深度特征与基于传统词袋模型得到的词袋特征融合作为蛋白质序列的最终的融合特征表示，并送入支持向量机多类分类器进行分类预测。实例结果表明，单独使用关系图谱特征进行分类的预测准确率高于单独使用传统词袋特征，将关系图谱特征与传统词袋特征融合进行分类的预测效果更佳。
-
公开(公告)号：CN108845075B
公开(公告)日：2021-06-29
申请号：CN201810381202.3
申请日：2018-04-25
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于深度学习网络的堆肥腐熟实时预测方法，以堆肥的堆体内温度、湿度、表面图像深度特征向量作为堆肥的描述特征，借助于深度学习方法高效学习能力，实现腐熟的在线实时监测。腐熟预测过程起始于堆体温度、湿度实时测量和图像采集，方法首先对图像进行预处理，由卷积神经网络(CNN)提取图像的深度特征，然后与堆体温度、湿度组合作为腐熟判断过程的输入量，送入循环神经网络(RNN)预测出当前时刻是否腐熟。本发明提出的相对完善、合理、准确的堆肥腐熟实时监测方法，为生产提供指导。
-
公开(公告)号：CN109273054A
公开(公告)日：2019-01-25
申请号：CN201811014322.6
申请日：2018-08-31
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于关系图谱的蛋白质亚细胞区间预测方法，它以蛋白质序列为研究对象，提出了一种基于关系图谱的改进词袋模型用于提取蛋白质序列特征信息并送入分类器进行蛋白质亚细胞区间预测的方法。该方法在传统词袋模型的基础上，结合马尔科夫假设对蛋白质序列单词片段提取位置关系图谱，并把该关系图谱送入卷积神经网络(CNN)进行深度特征提取，将提取出的深度特征与基于传统词袋模型得到的词袋特征融合作为蛋白质序列的最终的融合特征表示，并送入支持向量机多类分类器进行分类预测。实例结果表明，单独使用关系图谱特征进行分类的预测准确率高于单独使用传统词袋特征，将关系图谱特征与传统词袋特征融合进行分类的预测效果更佳。
-
公开(公告)号：CN108596987A
公开(公告)日：2018-09-28
申请号：CN201810380685.5
申请日：2018-04-25
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于图像深度特征序列的堆肥腐熟判断方法，包括以下步骤：S1、提取t时刻堆肥表面图像数据；S2、预处理，将堆肥表面图像数据进行图像去雾处理；S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取；S4、基于循环神经网络RNN进行预测，S3获得的堆肥图像特征作为输入量；S5、输出判断结果。本发明从堆肥图像外观特征出发，利用数字图像技术、人工智能技术，提出一种设备少、花费小、部署简单、抗干扰、实时响应的堆肥腐熟实时判断方法，为生产提供指导。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.018 seconds)
