白鲜皮挥发油成分GC-MS分析及其潜在活性成分研究

研究分析中药白鲜皮中挥发油类成分组成,探讨其潜在的抗菌活性成分。采用水蒸气蒸馏法提取白鲜皮中挥发油类成分,采用GC-MS联用技术对挥发油类成分进行分离和分析鉴定。从白鲜皮挥发油中分离出36个化学成分,通过质谱数据库鉴定出其中匹配度高于90%的25个成分。相对含量较高的成分是烯类成分(37. 84%)、醇类成分(4. 06%)、芳香醚类成分(2. 25%)和芳香烃类成分(2. 03%)。通过与文献报道比较,不同产地白鲜皮挥发油成分组成存在较大差异,其抗菌活性可能与α-蒎烯、β-蒎烯、茴香脑、麝香草酚甲醚和榄香醇等成分有关。白鲜皮挥发油中化学成分复杂,以烯类成分类成分为主,研究结果为中药白鲜皮的药效物质基础研究与质量控制评价奠定了基础。     

UTAUT模型在我国信息采纳中的研究现状

在信息采纳领域,UTAUT模型是集多种理论之大成者,目前国际上基于UTAUT模型的研究逐年递增,我国的研究较少,而且研究对象比较局限。本文对现有研究进行了总结,指出了未来的研究方向。     

基于图像自适应增强的轻量级雾天车牌检测和识别算法

针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LPRNet。图像自适应增强模块由带参数的图像去雾和纹理增强模块以及自适应参数预测模块组成。自适应参数预测模块是轻量级卷积神经网络,与YOLOv5s联合训练,为不同程度的带雾图像自动提供合适的去雾和纹理增强参数以获得更准确的车牌检测结果。利用车牌位置的真实标签和实际检测结果,采用混合注意力机制和迁移学习策略得到最终的SA-LPRNet模型,缓解识别模型对检测结果的敏感性以获得更高的车牌识别准确率。在合成的雾天车牌数据集上的实验结果表明：本文算法对雾天车牌检测的mAP@0.5-0.95指标达到70.6%,车牌识别准确率达到93.5%,优于对比算法,且识别速度满足实时性要求。