-
公开(公告)号：CN113884594A
公开(公告)日：2022-01-04
申请号：CN202111145754.2
申请日：2021-09-28
Abstract: 本发明公开了一种基于机器学习算法的掺伪茶油鉴别方法，建立了可直接给出油茶籽油样本掺伪种类分类结论的多分类决策树模型。基于掺伪油茶籽油的脂肪酸和甘油三酯实验数据，将二分类决策树和多分类决策树模型应用于高掺伪梯度下和低掺伪梯度下油茶籽油掺伪油种类的鉴别。实验结果显示，二分类决策树在高掺伪梯度下和低掺伪梯度下对油茶籽油样本是否掺伪某种特定的植物油的鉴别准确率均较高，相对于目前油茶籽油掺伪检测采用的统计学数据分析方法具有较为明显的优势，将机器学习方法应用于掺伪鉴别研究中，能有效提取实验数据中隐藏的有价值的信息；利用训练好的模型自动对样本进行掺伪鉴别，可提高结果的准确性、客观性、可靠性。
-
公开(公告)号：CN113884594B
公开(公告)日：2023-06-23
申请号：CN202111145754.2
申请日：2021-09-28
Abstract: 本发明公开了一种基于机器学习算法的掺伪茶油鉴别方法，建立了可直接给出油茶籽油样本掺伪种类分类结论的多分类决策树模型。基于掺伪油茶籽油的脂肪酸和甘油三酯实验数据，将二分类决策树和多分类决策树模型应用于高掺伪梯度下和低掺伪梯度下油茶籽油掺伪油种类的鉴别。实验结果显示，二分类决策树在高掺伪梯度下和低掺伪梯度下对油茶籽油样本是否掺伪某种特定的植物油的鉴别准确率均较高，相对于目前油茶籽油掺伪检测采用的统计学数据分析方法具有较为明显的优势，将机器学习方法应用于掺伪鉴别研究中，能有效提取实验数据中隐藏的有价值的信息；利用训练好的模型自动对样本进行掺伪鉴别，可提高结果的准确性、客观性、可靠性。
-
公开(公告)号：CN104365476A
公开(公告)日：2015-02-25
申请号：CN201410376828.7
申请日：2014-08-01
Applicant: 江西省林业科学院
IPC: A01H4/00
Abstract: 本发明公开一种高龙脑含量的龙脑樟组培繁育方法。本发明从龙脑樟天然变异中选育出龙脑含量达90％以上的龙脑樟个体，采集当年抽梢的半木质化茎段作为外植体，经消毒处理后，建立无菌系，再通过芽的初生诱导、增殖培养、生根培养等，形成再生植株。本发明筛选出了高龙脑含量的龙脑樟组培繁殖各个环节的适宜配方及培养条件，成功的获得了高龙脑含量的龙脑樟再生植株。因此本发明有效的解决了龙脑含量90％以上的龙脑樟组培繁育中出现褐化和死苗的技术难题，将为优良龙脑樟原料林基地的建设提供种苗保障。
-
公开(公告)号：CN104365476B
公开(公告)日：2017-05-17
申请号：CN201410376828.7
申请日：2014-08-01
Applicant: 江西省林业科学院
IPC: A01H4/00
Abstract: 本发明公开一种高龙脑含量的龙脑樟组培繁育方法。本发明从龙脑樟天然变异中选育出龙脑含量达90％以上的龙脑樟个体，采集当年抽梢的半木质化茎段作为外植体，经消毒处理后，建立无菌系，再通过芽的初生诱导、增殖培养、生根培养等，形成再生植株。本发明筛选出了高龙脑含量的龙脑樟组培繁殖各个环节的适宜配方及培养条件，成功的获得了高龙脑含量的龙脑樟再生植株。因此本发明有效的解决了龙脑含量90％以上的龙脑樟组培繁育中出现褐化和死苗的技术难题，将为优良龙脑樟原料林基地的建设提供种苗保障。
-
公开(公告)号：CN104276947A
公开(公告)日：2015-01-14
申请号：CN201410482083.2
申请日：2014-09-19
Applicant: 江西省林业科学院
CPC classification number: C07C67/08 , C07B2200/07 , C07C2603/56 , C07C69/14
Abstract: 本发明公开了一种利用天然右旋龙脑制备右旋乙酸龙脑酯的方法。它是以天然右旋龙脑和醋酸酐为原料，将醋酸酐与天然右旋龙脑按物质的量之比1～2:1投料至反应溶剂石油醚中，天然右旋龙脑与石油醚的料液比为1：10～15g/ml，反应溶剂中含有P2O5或P2O5-H3PO4作为催化剂，催化剂的用量为天然龙脑质量的5％～10％，反应温度为55℃～75℃，常压条件下酯化反应4h～10h，纯化后即获得右旋乙酸龙脑酯。利用本发明的方法可以获得相对百分含量不低于97％的右旋乙酸龙脑酯。同时，反应结束后，可回收利用反应体系残余的溶剂、醋酸和醋酸酐的混合溶液。本发明的直接效果是：所获得的合成产物中右旋乙酸龙脑酯纯度高，原料转化率高、化学反应得率高，反应选择性高。
-
Patent Agency Ranking
公开(公告)号：CN117986061A
公开(公告)日：2024-05-07
申请号：CN202410114904.0
申请日：2024-01-29
Applicant: 赣州锐源生物科技有限公司 , 江西省林业科学院
Abstract: 本发明提供一种含有氨基酸态氮促进油茶生长的有机肥及其制备方法，属于有机肥制备技术领域；其制备工艺包括以下步骤：制备含氨基酸态氮的物料；制备有机肥；制备改性纤维素；制备有机肥成品。本发明通过香菇菌糠、油茶果壳粉、沼液、畜禽粪便、木屑、油茶粕进行发酵制备成新型的有机肥，通过对这些原料进行回收使用，不仅可以降低对环境的污染，还能够实现废物的二次利用，提升整体的经济效益，拉动周边相应产业的效益增加，制备的有机肥既可以解决动物养殖和林产品加工废弃物的再利用，同时又可以为种植油茶提供丰富的养分，增加油茶附加值。
-
公开(公告)号：CN116721387A
公开(公告)日：2023-09-08
申请号：CN202310782884.X
申请日：2023-06-29
Applicant: 赣州锐源生物科技有限公司 , 江西省林业科学院
IPC: G06V20/52 , C05F17/70 , C05C11/00 , G06V10/40 , G06V10/82 , G06V10/74 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 公开了一种含有氨基酸态氮促进油茶生长的有机肥及其制备方法。其首先对状态监控图像进行图像分块处理后通过作为过滤器的卷积神经网络模型以得到多个局部状态特征向量，接着，将计算所述多个局部状态特征向量之间的余弦相似度得到的相似度拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到相似度拓扑特征矩阵，然后，所述多个局部状态特征向量进行二维排列后和所述相似度拓扑特征矩阵通过图神经网络模型以得到分类特征矩阵，接着，对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵，最后，将所述优化分类特征矩阵通过分类器以得到用于表示是否需要加水的分类结果。这样，可以提高发酵效率和质量。
-
公开(公告)号：CN120004748A
公开(公告)日：2025-05-16
申请号：CN202510507028.2
申请日：2025-04-22
Applicant: 江西省林业科学院
IPC: C07C217/20 , C07C213/02 , A01N33/12 , A01P3/00 , B27K3/34 , B27K3/40
Abstract: 本发明提供了一种丁香酚季铵盐化合物及制备方法与在木材防腐中的应用，涉及有机化学技术领域。本发明采用丁香酚作为核心骨架采用碳链与烷基叔胺进行桥接并形成溴盐，能够对木材腐朽菌的生长起到明显抑制作用，同时丁香酚作为天然产物能够避免对生态环境造成威胁，有利于提高在木材防腐过程中的安全性和高效性。
-
公开(公告)号：CN104276947B
公开(公告)日：2017-03-15
申请号：CN201410482083.2
申请日：2014-09-19
Applicant: 江西省林业科学院
Abstract: 本发明公开了一种利用天然右旋龙脑制备右旋乙酸龙脑酯的方法。它是以天然右旋龙脑和醋酸酐为原料，将醋酸酐与天然右旋龙脑按物质的量之比1～2:1投料至反应溶剂石油醚中，天然右旋龙脑与石油醚的料液比为1：10～15g/ml，反应溶剂中含有P2O5或P2O5-H3PO4作为催化剂，催化剂的用量为天然龙脑质量的5％～10％，反应温度为55℃～75℃，常压条件下酯化反应4h～10h，纯化后即获得右旋乙酸龙脑酯。利用本发明的方法可以获得相对百分含量不低于97％的右旋乙酸龙脑酯。同时，反应结束后，可回收利用反应体系残余的溶剂、醋酸和醋酸酐的混合溶液。本发明的直接效果是：所获得的合成产物中右旋乙酸龙脑酯纯度高，原料转化率高、化学反应得率高，反应选择性高。
-
公开(公告)号：CN222926433U
公开(公告)日：2025-05-30
申请号：CN202421505907.9
申请日：2024-06-28
Applicant: 江西省林业科学院
IPC: G01N1/08
Abstract: 本实用新型涉及一种林业生态土壤检测用取土装置，包括取土装置本体和测量机构，所述取土装置本体用于进行取土作业，所述测量机构设置在所述取土装置本体的顶部一端；测量机构包括角度指示板、量角器、阻尼转轴、通孔和水平仪，所述角度指示板的后端与量角器的前端滑动接触，且角度指示板的后端中心处通过阻尼转轴与量角器下部中心处活动连接，量角器中部还开设有通孔，通孔的两侧内壁之间固定连接有水平仪。本实用新型通过设计测量机构，在不同倾斜地面进行取土作业，都能够判断取土筒体在土层内的精确位置，利于后续的土壤检测工作，整体而言，装置结构简单，使用方便。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.031 seconds)
