-
公开(公告)号：CN108782907B
公开(公告)日：2021-05-14
申请号：CN201811025404.0
申请日：2018-09-04
Applicant: 吉林农业大学
IPC: A23F3/34
Abstract: 本发明公开了一种藜麦绿茶及其制备方法：1）在藜麦植株上，摘选藜麦叶；2）将摘取的藜麦叶摊放于阴凉处通风，摊放时注意藜麦叶的叠放厚度1~5cm，每1~2h翻动一次，摊晾时间为5~7h；3）在温度175~185℃下，每1kg藜麦叶，杀青时间0.5~1.5min；4）杀青后的藜麦叶，降温，放入揉捻机中，揉捻10~15min；5）烘干，藜麦叶的叠放厚度0.5~2cm；干燥后的藜麦叶，即为藜麦绿茶；本发明制备的藜麦绿茶水不溶性灰分、含水量、粗纤维、Pb显著低于碧螺春，水浸出物含量无明显差异，茶多酚、蛋白质、VC、矿物质、16种氨基酸之和等营养指标均高于成品绿茶碧螺春；与藜麦叶相比，除茶多酚含量上升，其他理化指标和营养成分的变化不显著；藜麦绿茶和碧螺春的茶汤中总多酚的含量差异不显著。
-
公开(公告)号：CN108782907A
公开(公告)日：2018-11-13
申请号：CN201811025404.0
申请日：2018-09-04
Applicant: 吉林农业大学
IPC: A23F3/34
CPC classification number: A23F3/34
Abstract: 本发明公开了一种藜麦绿茶及其制备方法：1）在藜麦植株上，摘选藜麦叶；2）将摘取的藜麦叶摊放于阴凉处通风，摊放时注意藜麦叶的叠放厚度1~5cm，每1~2h翻动一次，摊晾时间为5~7h；3）在温度175~185℃下，每1kg藜麦叶，杀青时间0.5~1.5min；4）杀青后的藜麦叶，降温，放入揉捻机中，揉捻10~15min；5）烘干，藜麦叶的叠放厚度0.5~2cm；干燥后的藜麦叶，即为藜麦绿茶；本发明制备的藜麦绿茶水不溶性灰分、含水量、粗纤维、Pb显著低于碧螺春，水浸出物含量无明显差异，茶多酚、蛋白质、VC、矿物质、16种氨基酸之和等营养指标均高于成品绿茶碧螺春；与藜麦叶相比，除茶多酚含量上升，其他理化指标和营养成分的变化不显著；藜麦绿茶和碧螺春的茶汤中总多酚的含量差异不显著。
-
公开(公告)号：CN103988771A
公开(公告)日：2014-08-20
申请号：CN201310703114.8
申请日：2013-12-12
Applicant: 吉林农业大学
CPC classification number: Y02P60/216
Abstract: 本发明公开了一种家用蔬菜栽培设备，包括发面区、发豆芽区、蔬菜种植区以及控制系统：发豆芽区设置有湿度传感器、湿度调节装置、水循环装置；蔬菜种植区内设置有湿度传感器、湿度传感器、光照传感器、CO2传感器、CO2浓度调节装置、光照调节装置、营养液循环装置；发面区、发豆芽区、蔬菜种植区还均设置有温度传感器、温度调节装置。本发明在现有其它微型植物工厂已有功能的基础上加进了全自动发面，发豆芽的功能，而且生菜、发面、发豆芽可以同时进行，互不干扰。满足人们在日常生活中对这些无污染、纯绿色食品的需求，它在方便省钱的同时，更重要的是满足了人们对健康的要求。
-
公开(公告)号：CN120047678A
公开(公告)日：2025-05-27
申请号：CN202510525246.9
申请日：2025-04-25
Applicant: 吉林农业大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06V10/764
Abstract: 一种用于异常大米检测的轻量级目标检测方法及系统。属于神经网络目标检测技术领域，具体涉及异常大米检测技术领域。其解决了现有的神经网络技术对于异常大米的检测精度和效率较低的技术问题。方法包括如下步骤：数据集构建：采集不同类型的异常大米图片，进行类别标注以及训练集、验证集和测试集的划分；模型构建：在YOLOv11n模型基础上，结合大米形态特征，对YOLOv11n模型进行改进，构建适用于异常大米检测的模型；模型训练：采用构建的数据集对适用于异常大米检测的模型进行训练，调整模型参数，直至模型符合检测要求；采用训练后的适用于异常大米检测的模型进行异常大米检测。
-
公开(公告)号：CN119339087B
公开(公告)日：2025-04-22
申请号：CN202411873814.6
申请日：2024-12-19
Applicant: 吉林农业大学
Abstract: 种子发芽分割方法、种子发芽率及其发芽速率识别方法，属于图像识别技术领域，解决了现有的YOLOv8‑seg对小目标的种子发芽进行分割的结果精确度较低的问题。种子发芽图像输入VT‑YOLOv8‑seg进行特征提取，对种子发芽图像进行分割；在VT‑YOLOv8‑seg的Backbone中，种子发芽图像输入多联级的降级卷积层进行特征提取后，再输入动态蛇卷积特征提取模块进行降维，输出降维后的种子发芽特征图；降维后的种子发芽特征图输入降级卷积层进行特征提取后，再依次输入特征提取模块、多联级的卷积层和特征提取模块进行特征提取后，再输入特征优化池化层进行池化，输出池化后的种子发芽特征图。
-
Patent Agency Ranking
公开(公告)号：CN119339173B
公开(公告)日：2025-02-25
申请号：CN202411897369.7
申请日：2024-12-23
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06V20/68 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 一种粳稻籽粒的品种分类鉴别方法与装置，属于深度学习神经网络，尤其涉及粳稻籽粒的品种分类鉴别；解决了现有的图像分类处理模型的参数复杂度高、分类准确率低、无法避免过拟合、收敛速度慢，在性能方面无法满足粳稻籽粒分类的需求，导致的当前依然采用人工方法、化学方法和光谱技术等传统分类方法对粳稻籽粒进行评估或分类，费用昂贵、耗时、效率低下，且精度不足的问题；所述方法包括：用于将数据预处理后的待分类的粳稻籽粒的RGB图像输入训练完成的J‑Rice‑ResNeXt模型中，获得粳稻籽粒的分类鉴别结果的步骤；所述的一种粳稻籽粒的品种分类鉴别方法与装置，适用于粳稻籽粒的品种分类鉴别。
-
公开(公告)号：CN118568262B
公开(公告)日：2024-11-12
申请号：CN202411035631.7
申请日：2024-07-31
Applicant: 吉林农业大学
IPC: G06F16/35 , G06F16/332 , G06F18/15 , G06F18/213 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06F40/284 , G06N3/0455 , G06N3/0464 , G06Q50/02
Abstract: 本发明提出针对中国农业问答平台问句短文本分类方法、设备及介质。属于数据分类技术领域。所述方法包括以下步骤：步骤一、建立农业领域问句短文本数据库；步骤二、构建短文本分类模型，并利用数据库对短文本分类模型进行训练；步骤三、利用训练好的短文本分类模型实现农业问句短文本分类，通过全连接的方式连接到softmax层，对融合后的包含多样化信息的值进行归一化，完成多个类别的农业问句的短文本分类。所述方法提高了结果的准确性，模型的泛化能力显著增强。
-
公开(公告)号：CN108977314A
公开(公告)日：2018-12-11
申请号：CN201811026872.X
申请日：2018-09-04
Applicant: 吉林农业大学
IPC: C12G3/02
Abstract: 本发明公开了一种藜麦黄酒，它是由下述方法制备的：藜麦米和玉米粒除杂、粉碎，按质量比0.4~1.4：0.6~1.6称取藜麦碎米和玉米碴，清洗，浸泡；100℃下蒸煮20~30min；摊凉至28~32℃，添加藜麦碎米和玉米碴总质量0.1%的ɑ-淀粉酶、0.1%的糖化酶、0.5%的活化后的活性干酵母，搅拌均匀，密封；28～30℃下发酵5~8d；在15～17℃后发酵30~32天；压榨除去酒糟；10～15℃静置3d；低温离心，收集上清，过滤除杂；在78~82℃下煎酒13~17min，冷却，得到成品藜麦黄酒酒体协调，有藜麦特有的清香；2）稳定性好，放置一年不悬浮、不沉淀，酒色清澈，抗氧化活性好。
-
公开(公告)号：CN102021166A
公开(公告)日：2011-04-20
申请号：CN201010296258.2
申请日：2010-09-29
Applicant: 吉林农业大学
Abstract: 本发明公开了一种新型的选择标记及其在植物遗传转化中的应用，用PCR方法克隆P5CS基因及其启动子DP，获得了安全选择标记DP-P5CS；通过含有该安全选择标记DP-P5CS的植物表达载体，将目的基因转化植物中，通过干旱胁迫筛选的转基因方法，适合于大多数植物的遗传转化，并且安全、高效，解决了人们对于抗性选择标记基因安全性担忧的问题，得到的转基因植株不仅发挥了目的基因功效，还具有耐干旱的能力，具有重要意义和诱人的前景，是生产安全选择标记转基因植物的好途径。
-
公开(公告)号：CN119339173A
公开(公告)日：2025-01-21
申请号：CN202411897369.7
申请日：2024-12-23
Applicant: 吉林农业大学
IPC: G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06V20/68 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 一种粳稻籽粒的品种分类鉴别方法与装置，属于深度学习神经网络，尤其涉及粳稻籽粒的品种分类鉴别；解决了现有的图像分类处理模型的参数复杂度高、分类准确率低、无法避免过拟合、收敛速度慢，在性能方面无法满足粳稻籽粒分类的需求，导致的当前依然采用人工方法、化学方法和光谱技术等传统分类方法对粳稻籽粒进行评估或分类，费用昂贵、耗时、效率低下，且精度不足的问题；所述方法包括：用于将数据预处理后的待分类的粳稻籽粒的RGB图像输入训练完成的J‑Rice‑ResNeXt模型中，获得粳稻籽粒的分类鉴别结果的步骤；所述的一种粳稻籽粒的品种分类鉴别方法与装置，适用于粳稻籽粒的品种分类鉴别。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
