项目名称: 蚕豆生物性病害的振动光谱诊断研究

项目编号: No.30960179

项目类型: 地区科学基金项目

立项/批准年度: 2010

项目学科: 生物科学

项目作者: 刘刚

作者单位: 云南师范大学

项目金额: 23万元

中文摘要: 生物性病害是蚕豆生产中最重要的灾害之一。方便、快速、准确诊断病害原因,及时防治、合理施用农药,对蚕豆生产产量和品质提高具有重要意义。本项目针对作物病害常规生物学诊断方法费时、分子生物学诊断方法繁琐成本高等问题,用傅里叶变换红外光谱、激光拉曼光谱直接研究蚕豆病害植株,建立真菌病害、细菌病害、病毒病害蚕豆叶片、茎、根的含有化学信息的指纹光谱,对蚕豆植株病害常规鉴别补充特征振动光谱数据,探索作物病害的振动光谱规律,区分真菌、细菌、病毒病害,以便用多手段、从多角度鉴别蚕豆病害,为蚕豆病害提供一种新的快速的振动光谱诊断方法。本项目对于作物病理学、植物保护学具有理论意义,对于其它作物病害研究也具有较大的参考价值。

中文关键词: 蚕豆;叶片;病害;傅里叶变换红外光谱;鉴别

英文摘要:

英文关键词: Broad bean;Leaf;Diseases;FTIR spectroscopy;Discrimination

成为VIP会员查看完整内容
0

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
28+阅读 · 2021年8月2日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
18+阅读 · 2021年6月10日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
27+阅读 · 2021年1月29日
专知会员服务
27+阅读 · 2020年3月6日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
已删除
德先生
53+阅读 · 2019年4月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
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 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
22+阅读 · 2022年3月31日
Arxiv
13+阅读 · 2021年3月3日
Arxiv
19+阅读 · 2021年2月4日
Arxiv
27+阅读 · 2020年6月19日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
小贴士
相关主题
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
28+阅读 · 2021年8月2日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
18+阅读 · 2021年6月10日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
27+阅读 · 2021年1月29日
专知会员服务
27+阅读 · 2020年3月6日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
相关资讯
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
已删除
德先生
53+阅读 · 2019年4月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
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 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2011年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月15日
Arxiv
22+阅读 · 2022年3月31日
Arxiv
13+阅读 · 2021年3月3日
Arxiv
19+阅读 · 2021年2月4日
Arxiv
27+阅读 · 2020年6月19日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
微信扫码咨询专知VIP会员