不同基因型大豆根际及根内促生菌的分离筛选

从10种不同基因型大豆（齐农26、齐农28、齐农33、齐农41、合丰50、合丰51、合丰55、黑河43、黑河45、农庆29）根际土壤及根内筛选具有促生能力的菌株共56株．其中,14株具有结瘤能力,2株具有固氮能力,44株具解磷能力,43株具溶磷能力,24株具IAA产生能力．由此可见,多株菌株同时具有多项促生能力．分别从中挑选3株综合促生能力较好的菌株QN15,N12,H16进行盆栽实验．结果表明,施加以上菌原液及稀释液均能显著提高植株株高、茎粗、根瘤数、结荚数、植株地上部分鲜质量及干质量．其中,与施加LB对照组相比,施加QN15原液、QN15稀释液、N12原液、N12稀释液、H16原液、H16稀释液分别提高植株地上生物量18%,29%,2%,26%,31%,2%．这些结果将为促生菌在农业上的应用提供参考．     

豆科不同作物结瘤特性

以“齐农33号”大豆、红芸豆、“齐农绿1号”绿豆、双色豆、黑肾豆、雀蛋豆和“澳洲红玉”豌豆为研究对象，调查其结瘤特性．结果表明，“澳洲红玉”豌豆在播种后20 d即结瘤，其它6种作物在30 d后结瘤．红芸豆、黑肾豆、“澳洲红玉”豌豆的结瘤多，显著多于其它4种作物．“齐农33号”大豆、“齐农绿1号”绿豆和“澳洲红玉”豌豆的根瘤较大，平均直径为2.65～2.96cm，显著大于其它作物．根瘤的表面颜色以黄色或淡黄色为主，多为球形；而“澳洲红玉”豌豆的根瘤则为乳白色，长枣状或其它形状．根瘤开始形成时多聚集于主根上部，后在主根中部及侧根也有分布．     

夹层式压电换能器开路电压影响因素

为探明压电换能器开路电压随各影响因素的变化规律,从而为提高压电路面能量收集效果提供理论依据,采用压电陶瓷晶片PZT-5H及聚氨酯基板制备了夹层式压电换能器。通过室内振动加载试验,研究压电换能器开路电压在不同荷载水平、荷载频率、压电陶瓷晶片并联数量下的变化规律。在此基础上,制备了小尺寸压电路面结构模型,并通过移动加载试验分析面层类型和面层温度对埋置在结构内部的压电换能器开路电压的影响。结果表明:开路电压与荷载水平和荷载频率正相关,但开路电压增长速度随荷载水平和荷载频率的提高逐渐变缓,荷载水平直接影响压电陶瓷晶片应力大小,当施加荷载为5kN,加载频率为4Hz时,压电换能器开路电压稳定在9.44V;开路电压随压电换能器中压电陶瓷晶片并联个数增加而减小,压电陶瓷晶片个数增加,单个压电陶瓷晶片承受荷载变小,当并联个数由1个增加到3个时,开路电压下降了26.6%;不同类型的沥青混合料力学性能不同,AC-13面层下开路电压较AC-10和OGFC-13大,AC-13面层与压电换能器匹配效果较好;温度不仅影响沥青混合料的结构性能还影响压电陶瓷晶片工作性能,温度升高,沥青混合料结构性能变差,压电陶瓷晶片工作性能降低,开路电压降低。     

基于级联卷积神经网络的公路路基病害识别

针对当前公路路基病害识别中探地雷达(GPR)技术的数据分析还依赖于人工识别,识别效率低、准确性差问题,建立了级联卷积神经网络来实现自动识别探地雷达图像所反映路基病害的任务。级联卷积神经网络系统由2个卷积神经网络组成,分别用于识别低分辨率和高分辨率探地雷达图像。神经网络的建立包括训练、验证和测试3个步骤。通过训练和测试的结果验证了级联卷积神经网络系统的稳定性,并将级联卷积神经网络和Sobel边缘检测,K值聚类分析进行比较,以论证其优越性。结果表明:级联卷积神经网络在路基病害分类训练中的识别准确率为97.46%,验证中的识别准确率为95.80%,其识别路基病害的精度较高;级联卷积神经网络对发射频率300、500、900 MHz的图像分类准确率分别为94.20%、93.89%、94.57%,对不同公路结构的图像分类准确率分别为94.80%、94.78%、94.28%、94.21%,可见级联卷积神经网络的识别准确性不受雷达发射频率和路面结构的影响;当图像分辨率较低时,Sobel边缘检测和K值聚类分析无法准确提取路基病害几何特征信息,级联卷积神经网络可通过分类器2准确识别;当图像分辨率较高时,Sobel边缘检测和K值聚类分析仅能提取路基病害的部分特征,后续病害类型的识别需要人工完成。可见级联卷积神经网络较其他算法在路基病害识别方面更准确、高效。