勐腊毛麝香化学成分研究

综合运用大孔树脂D101、硅胶、葡聚糖凝胶LH-20柱层析以及半制备型高效液相等色谱方法对勐腊毛麝香(Adenosma buchneroides Bonati)的全株进行了化学成分分离纯化。从该植物的甲醇及甲醇-水提取物中分离得到16个化合物,运用现代波谱技术分别鉴定为:乙酰地黄苷C(1)、1,3,5-三甲氧基苯(2)、对羟基苯甲酸甲酯(3)、对羟基苯甲醛(4)、对甲氧基苄醇(5)、松柏醛(6)、芥子醛(7)、吲哚-3-甲醛(8)、吲哚-3-甲酸(9)、丁香酚-β-D-葡萄糖苷(10)、丁香树脂醇-4-O-β-D-葡萄糖苷(11)、香芹酚-β-D-葡萄糖苷(12)、menthiafolic acid(13)、(8R)-evofolin B(14)、芹菜素(15)、4,4'-二羟基二苄基醚(16)。其中化合物1为新化合物,且化合物1~16均为首次从毛麝香属植物中分离得到。     

基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统

【目的】为减轻基层测报人员工作量,提高稻纵卷叶螟Cnaphalocrocis medinalis性诱测报的准确率和实时性,实现监测数据可追溯,建立了基于机器视觉的稻纵卷叶螟性诱智能监测系统。【方法】稻纵卷叶螟性诱智能监测系统包括基于机器视觉的智能性诱捕器、基于深度学习的稻纵卷叶螟检测模型、系统Web前端和服务器端。利用工业相机、光源和Android平板搭建了智能性诱捕器的机器视觉系统;建立了基于改进的YOLOv3和DBTNet-101双层网络的稻纵卷叶螟检测模型;利用HTML, CSS, JavaScript和Vue搭建系统Web前端展示稻纵卷叶螟检测与计数结果;使用Django框架搭建服务器端,对来自智能性诱捕器通过4G网络上传的图像进行接收与结果反馈;采用MySQL数据库保存图像和模型检测结果等信息。【结果】基于机器视觉的稻纵卷叶螟性诱智能监测系统利用智能性诱捕器自动定期上传稻纵卷叶螟图像至服务器,部署在服务器上的目标检测模型对稻纵卷叶螟成虫进行实时自动检测,精确率和召回率分别达97.6%和98.6%;用户可通过Web前端查看稻纵卷叶螟检测结果图。【结论】基于机器视觉的稻纵卷叶螟性诱智能监测系统实现了图像的定时自动采集、稻纵卷叶螟成虫的准确检测与计数,实现了稻纵卷叶螟性诱监测的智能化和实时性,减轻了测报人员的工作量,监测数据可追溯。