-
公开(公告)号：CN119586620A
公开(公告)日：2025-03-11
申请号：CN202411923318.7
申请日：2024-12-25
Applicant: 东北农业大学
IPC: A01N43/16 , A01N43/56 , A01N37/46 , A01N43/36 , A01N43/54 , A01N47/18 , A01N47/26 , A01N57/14 , A01N43/653 , A01N43/32 , A01N47/24 , A01N51/00 , A01N47/38 , A01P21/00 , A01P3/00 , A01P7/04
Abstract: 一种含有谷芽素的农药组合物及其应用，属于农药技术领域。为了解决目前市场上常见的农药通常作用活性单一，且在防治病虫害及提高产量方面的效果有待提高的技术问题，本发明将实验室前期研究发现具有较好促生活性的谷芽素与多种杀菌剂、杀虫剂或杀菌杀虫剂组合，获得了具有显著病虫害防效及显著增产效果的农药组合物。本发明提供的农药组合物成本低廉，生产流程简单，使用方便，对环境无污染，时效期长，可以有效降低根腐病、锈病和茎腐病的发病率，还能降低蚜虫、蛴螬、地老虎和新黑地蛛蚧的感染率，促进植株生长，提高产量。本发明为提供的农药组合物的下一步登记应用、批量生产和农业大面积使用提供了研究基础，具有重要的现实意义。
-
公开(公告)号：CN116312808A
公开(公告)日：2023-06-23
申请号：CN202310302892.X
申请日：2023-03-24
Applicant: 东北农业大学
IPC: G16B40/00 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transfrormer、图注意力网络和双注意力特征融合模块相结合的药物‑靶标相互作用预测方法。由于传统的药物‑靶标相互作用分析往往需要耗费大量的人力物力以及时间成本，并且实验失败风险较高。本发明结合Transformer和图注意力网络两种模型架构的优势，并利用双注意力机制特征融合方法，将融合后的特征输入到分类器进行药物‑靶标相互作用预测。该方法经过在公开数据集上通过一系列评估指标测试明显优于现有方法，为药物‑靶标相互关系预测提供新思路。
-
公开(公告)号：CN113112498B
公开(公告)日：2024-01-19
申请号：CN202110488184.0
申请日：2021-05-06
Applicant: 东北农业大学
Abstract: 本发明属于人工智能与植物保护领域，是人工智能与植物保护学科跨学科交叉应用，具体来说发明了一种基于细粒度对抗生成网络的葡萄叶片病斑识别方法，包括：数据获取与标注、显著性病斑区域检测与分割、细粒度对抗生成网络图像增强、深度学习分类模型进行训练，利用训练好的模型进行葡萄叶片病斑识别。该方法主要解决葡萄叶片病症表现为病斑形式，发病早期、新型病害、罕见病斑或训练样本数不足的情况下的叶片病斑识别率低下的问题，主要用于葡萄叶片病斑发病早期病斑识别，可以尽快的做出相应的干预措施，为下一步精准施药奠定基础，最大限度的减少经济损失，可以减少用药量，保护环境。(56)对比文件周涛;霍兵强;陆惠玲;师宏斌.医学影像疾病诊断的残差神经网络优化算法研究进展.中国图象图形学报.2020,(第10期),全文.刘海东;杨小渝;朱林忠.基于生成对抗网络的乳腺癌病理图像可疑区域标记.科研信息化技术与应用.2017,(第06期),全文.Bin Liu.A Data Augmentation MethodBased on Generative Adversarial Networksfor Grape Leaf DiseaseIdentification.IEEE Acces.2020,第8卷102188-102198.Shaoqing Ren.Faster R-CNN: TowardsReal-Time Object Detection with RegionProposal Networks.IEEE Transactions onPattern Analysis and MachineIntelligence.2017,第39卷(第6期),1137-114.Krishna Kumar Sing.FineGAN:Unsupervised Hierarchical Disentanglementfor Fine-Grained Object Generation andDiscover.2019 IEEE/CVF Conference onComputer Vision and Pattern Recognition(CVPR.2020,1-18.黄建平;陈镜旭;李克新;李君禹;刘航.基于神经结构搜索的多种植物叶片病害识别.农业工程学报.2020,(第16期),全文.周涛;霍兵强;陆惠玲;师宏斌.医学影像疾病诊断的残差神经网络优化算法研究进展.中国图象图形学报.2020,(第10期),全文.刘海东;杨小渝;朱林忠.基于生成对抗网络的乳腺癌病理图像可疑区域标记.科研信息化技术与应用.2017,(第06期),全文.
-
公开(公告)号：CN109576164B
公开(公告)日：2022-03-04
申请号：CN201910064466.0
申请日：2019-01-23
Applicant: 东北农业大学
Abstract: 一株高效解磷真菌小孢根霉及其筛选方法与应用，属于微生物学领域。针对如何降解土壤中无机磷、促进作物生长的问题，本发明提供了一株高效解磷真菌小孢根霉(Rhizopus microsporus)NEAU‑8，其保藏编号为：CGMCC NO.14635。其筛选方法如下：1)取小麦根际土壤，加入体积分数为0.85％的生理盐水富集培养后，静置；2)取上清液进行梯度稀释，取各稀释液，分别涂布在无机磷固体培养基上进行培养；3)将每个培养基上出现有透明圈的微生物挑取出，接种到于新的无机磷固体培养基培养；4)分别将培养的菌体制成孢子悬液，接种到无机磷液体培养基中培养，测定菌液中可溶性磷的含量，筛选获得高效解磷的真菌小孢根霉。本发明获得真菌小孢根霉可用于农业生产中。
-
公开(公告)号：CN113112498A
公开(公告)日：2021-07-13
申请号：CN202110488184.0
申请日：2021-05-06
Applicant: 东北农业大学
Abstract: 本发明属于人工智能与植物保护领域，是人工智能与植物保护学科跨学科交叉应用，具体来说发明了一种基于细粒度对抗生成网络的葡萄叶片病斑识别方法，包括：数据获取与标注、显著性病斑区域检测与分割、细粒度对抗生成网络图像增强、深度学习分类模型进行训练，利用训练好的模型进行葡萄叶片病斑识别。该方法主要解决葡萄叶片病症表现为病斑形式，发病早期、新型病害、罕见病斑或训练样本数不足的情况下的叶片病斑识别率低下的问题，主要用于葡萄叶片病斑发病早期病斑识别，可以尽快的做出相应的干预措施，为下一步精准施药奠定基础，最大限度的减少经济损失，可以减少用药量，保护环境。本发明还可以扩展到其他植物叶片病害形式为病斑的情况。
-
Patent Agency Ranking
公开(公告)号：CN109576164A
公开(公告)日：2019-04-05
申请号：CN201910064466.0
申请日：2019-01-23
Applicant: 东北农业大学
Abstract: 一株高效解磷真菌小孢根霉及其筛选方法与应用，属于微生物学领域。针对如何降解土壤中无机磷、促进作物生长的问题，本发明提供了一株高效解磷真菌小孢根霉(Rhizopus microsporus)NEAU-8，其保藏编号为：CGMCC NO.14635。其筛选方法如下：1)取小麦根际土壤，加入体积分数为0.85％的生理盐水富集培养后，静置；2)取上清液进行梯度稀释，取各稀释液，分别涂布在无机磷固体培养基上进行培养；3)将每个培养基上出现有透明圈的微生物挑取出，接种到于新的无机磷固体培养基培养；4)分别将培养的菌体制成孢子悬液，接种到无机磷液体培养基中培养，测定菌液中可溶性磷的含量，筛选获得高效解磷的真菌小孢根霉。本发明获得真菌小孢根霉可用于农业生产中。
-
公开(公告)号：CN119699071A
公开(公告)日：2025-03-28
申请号：CN202411923307.9
申请日：2024-12-25
Applicant: 东北农业大学
IPC: A01G7/06 , A01G22/05 , A01G22/15 , A01G22/22 , A01C1/06 , A01C1/02 , A01C1/00 , A01N43/16 , A01P21/00
Abstract: 谷芽素或其类似物作为植物生长调节剂的应用，属于植物生长调节剂技术领域。为筛选微生物来源的植物生长调节剂，本发明提供了含有谷芽素或谷芽素类似物水溶液的植物生长调节剂，该植物生长调节剂中谷芽素或者谷芽素类似物的浓度为10‑100mg/L。本发明采用室内种子萌发实验、室内、外盆栽实验及大田实验研究了谷芽素及其类似物的植物促生活性，发现谷芽素及其类似物可通过不同施用方法促进不同粮食作物或蔬菜的生长发育，具有促进植物种子萌发和植株生长，提高植物产量和抗低温胁迫能力的作用，可作为一种微生物来源的高效、持效期长、无毒、低成本的新型植物生长调节剂应用于农业生产中，在农业生产上具有开发利用价值和应用前景。
-
公开(公告)号：CN116825183A
公开(公告)日：2023-09-29
申请号：CN202310840256.2
申请日：2023-07-11
Applicant: 东北农业大学
IPC: G16B15/30 , G16B40/00 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transformer与变分自编码器(Variational Autoencoder,VAE)相结合的药物‑靶标结合亲和力(Drug‑Target binding Affinity,DTA)预测方法。用于解决目前公开的多数基于人工智能的DTA预测方法中存在的两个问题：1)大多方法只关注药物和靶标的特征表示，而忽略了到药物和靶标的子结构(Sub‑structure)对DTA预测结果的影响，即特征获取不够细粒度化；2)缺乏有效的特征融合方法，从而导致DTA预测效果不理想的问题。本发明结合Transformer与VAE两个模型的优势，分别对药物和靶标进行特征编码后再输入到本发明设计的注意力池化模块进行特征融合，最后输入到预测模块进行DTA预测。本发明可以应用于药物与靶标结合亲和力的预测。
-
公开(公告)号：CN119019722B
公开(公告)日：2025-04-11
申请号：CN202411284182.X
申请日：2024-09-13
Applicant: 东北农业大学
Abstract: 本发明涉及食品保鲜材料技术领域，具体涉及一种用于奶制品保鲜的可食用膜及其制备方法和应用。本发明提供的用于奶制品保鲜的可食用膜的制备方法，通过柠檬酸实现瓜尔豆胶和酪蛋白的交联，并利用甘油填充网络结构，从而形成大分子薄膜形式的可食用膜。本发明所得可食用膜的机械拉伸性佳，且物理阻隔性强，能够有效地延缓奶制品的氧化和腐败进程，抑制食品中微生物的增长。并且，本发明提供的上述制备方法，完全采用无毒无害原材料进行可食用膜制备，工艺简单、反应条件相对温和、对设备要求不高，能够实现大规模工业生产，具有较高的经济、社会和生态价值，适合奶制品等食品保鲜行业使用。
-
公开(公告)号：CN116864031A
公开(公告)日：2023-10-10
申请号：CN202310879163.0
申请日：2023-07-18
Applicant: 东北农业大学
IPC: G16C20/30 , G16C20/50 , G16C20/70 , G16H70/40 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于RGDA‑DDI的药物‑药物相互作用(DDI)预测方法，用于解决现有DDI预测方法效果不理想的问题。该方法分为数据编码模块、特征融合模块和预测模块。其中数据编码模块由多个Residual‑GAT子模块组成，每个子模块都是由图注意力层，Normalize层和SAGPooling层构成，用于对输入的药物进行多尺度特征提取；特征融合模块是由两个双注意力机制(dual‑attention mechanism)子模块组合而成，用于多尺度药物特征融合；最后将融合后的特征输入到预测模块进行预测。该方法克服了现有DDI预测方法中缺少对多尺度药物特征进行建模以及缺乏对潜在的药物对(DDP)特征挖掘的缺点。通过实验验证，该方法的预测性能优于近期公开的药物‑药物相互作用预测方法。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.025 seconds)
