项目名称: 基于多管离子选择性微电极的番茄营养水平快速检测方法

项目编号: No.31201659

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 植物保护学、园艺学与植物营养学

项目作者: 左志宇

作者单位: 江苏大学

项目金额: 23万元

中文摘要: 以温室栽培的番茄为对象,从多管离子选择性微电极制备和信号解析两方面入手,研究多管离子选择性微电极的离子检测机理和基于离子浓度的番茄营养水平评价方法。通过对番茄叶片和维管组织的显微结构分析,采用有限元法建立力学模型,寻求最优的微电极形状和结构参数;筛选或研制合适的敏感膜,研究在微米级尺度下各敏感电极的电信号特征,构建微电极信号-离子浓度测量模型。研究番茄在不同氮、钾、镁、钙等营养水平下叶片和维管组织内硝酸根离子、铵离子、钾离子等作物营养离子浓度的变化规律,建立营养元素营养水平与离子浓度的关系模型;对这些关系模型进行解析,探索根据离子浓度信息反演营养水平的方法。分析微电极信号与植株体内离子浓度的变化规律,提取营养水平特征信息,采用主成分分析方法和模糊神经网络方法,建立营养信息检测模型。本项目突破了传统微电极无法同时、精确检测作物氮、钾、镁、钙营养水平的瓶颈。

中文关键词: 番茄;多管离子选择性微电极;营养水平;快速检测;模型

英文摘要: An evaluation method is investigated for greenhouse tomato nutrient level based on ion concentration using multi-barrel ion-selective microelectrodes. The study is started from multi-barrel ion selective microelectrode preparation and signal resolution. By analyzing the microstructure of tomato leaves and vascular tissue, the mechanical models are established using the finite element method, thus finding the optimal microelectrode shape and structural parameters. The suitable sensitive membranes are screened or developed. Studies are made for the electrical signal characteristics of sensitive electrode that its tip is less than 10 micron. Then the measurement models are constructed between microelectrode signal and ionic concentration. The variations are studied among nitrate, ammonium, potassium, calicium and magnesium ions concentration of tomato leaves and vascular tissue under different elements of nitrogen, potassium, magnesium, calcium nutrient levels, thus constructing the models between nutrient levels and ionic concentrations. The model is analyzed to explore the measurement of inversing nutrition levels according to the ionic concentration. The variation was analyzed between microelectrode signal and the ion concentration. The feature information is extracted for nutritional level using principal compo

英文关键词: tomato;multi-barrel ion-selective microelectrode;nutrient level;rapid detection;model

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】通过特征Mixing进行主动学习
专知会员服务
25+阅读 · 2022年3月15日
《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
20+阅读 · 2021年4月2日
专知会员服务
19+阅读 · 2021年3月18日
【CVPR2021】细粒度多标签分类
专知会员服务
60+阅读 · 2021年3月8日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
「AI番茄」背后,科技农人的新图谱
36氪
0+阅读 · 2022年2月9日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
语义分割中的深度学习方法全解:从FCN、SegNet到DeepLab
炼数成金订阅号
26+阅读 · 2017年7月10日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Simplicial Attention Networks
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
10+阅读 · 2020年11月26日
小贴士
相关主题
相关VIP内容
【CVPR2022】通过特征Mixing进行主动学习
专知会员服务
25+阅读 · 2022年3月15日
《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
20+阅读 · 2021年4月2日
专知会员服务
19+阅读 · 2021年3月18日
【CVPR2021】细粒度多标签分类
专知会员服务
60+阅读 · 2021年3月8日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员