蛋白质自组装研究进展

在生物体内，大多数蛋白质通过非共价相互作用以有序组织的自组装形式发挥作用。受大自然启发，人工设计蛋白质自组装正如火如荼的展开。近二十年来，蛋白质自组装领域快速发展，成功构建了各式各样，具有广泛结构和功能特性的蛋白质组装体。文章总结了用于调控蛋白质自组装的设计策略和工具，以及构建蛋白质组装体的最新进展，并描述了这些组装体的自然属性和功能。     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

水文时间序列周期分析的RICp准则

为准确识别与提取水文时间序列中的显著周期成分,本文借鉴AIC准则的思想,提出了一种以相关系数作为拟合精度指标、以信息熵形式的函数式作为不确定性度量指标的周期显著性评价准则——RIC_p.以包含多个周期成分的模拟序列进行统计实验,对比不加入RIC_p准则的MCCP（moving correlation coefficient-based method for periodicity）方法、仅基于假设检验的HAM（harmonic analysis method）方法与通过熵谱峰值点选取显著周期的MESA（maximum entropy spectral analysis method）方法,从周期规律的完整性以及周期结果的准确性两个方面进行评价.分析结果表明, HAM方法和MCCP方法会给出较多的伪周期成分, MESA方法的识别结果会忽略位于峰值附近的次显著周期,基于RIC_p准则的周期分析方法在4种方法中表现最好.基于RIC_p准则的周期分析方法的优势在于,可以同时满足显著周期判断、周期显著性分级与周期成分...     

基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

多维度深海鱼类识别算法

针对深海光线分布不均匀导致鱼类识别检测困难的问题,提出了符合视觉认知的多维度深海鱼类识别算法.该方法从时间维度优化传统的高斯混合模型(GMM)初步确定变化区域,从空间维度构建目标特征,完整提取运动目标,从时空关联维度建立深度学习的鱼类识别框架,试验结果表明:本算法可在多种复杂条件下准确提取运动目标,面积交迭度(AOM)达到80％以上,优于当前主流算法.     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

SPE前处理-UHPLC-MS/MS测定MBR中两种 N-酰基高丝氨酸内酯

选用N-己基高丝氨酸内酯(C6-HSL)和N-辛基高丝氨酸内酯(C8-HSL)两种酰基高丝氨酸内酯类(AHLs)为代表物,建立了固相萃取(SPE)-超高效液相色谱串联三重四级杆质谱(UHPLC-MS/MS)分析膜生物反应器(MBR)活性污泥中AHLs的方法.研究结果表明C6-HSL和C8-HSL在1～200μg/L内有良好的线性关系(R2 0.998),方法的检出限为0.100μg/L,定量限为1.000μg/L,在3个浓度水平下的平均加标回收率为80.69%～83.75%,相对标准偏差(RSD)为4.71%～7.25%.方法精确度高、重复性好、基质效应弱,适用于MBR活性污泥中痕量AHLs的测定.     

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。     

基因工程在石油微生物学中的研究进展

对基因工程在生物驱油技术、生物恢复和生物燃料等三方面的应用进行了综述.通过基因工程改造,能够提高驱油微生物对开采环境的耐受性以及有益代谢产物的积累增加驱油效率;能够构建高效清除漏油产生的污染物质的重组微生物,实现低成本、环境友好的生物恢复;能够获得生产可再生的清洁生物燃料,例如纤维乙醇,其能促进汽油的充分燃烧,降低二氧化碳等污染物的排放.     

大豆脲酶基本特性与粉质砂土的固化研究

为解决粉土和粉质砂土孔隙较小,限制了微生物固化技术处理时的效果这一问题,在原有生物固化技术的基础上进行改良,采用大豆脲酶处理粉质砂土,开展了大豆脲酶基本特性试验、穿透试验以及粉粒质量分数为15%的粉质砂土试样固化处理试验.证明了大豆脲酶相对于尿素水解细菌更容易穿透粉质砂土,且处理效果更为均匀,底部的碳酸钙质量分数可达3%以上.