XiaoMi-AI文件搜索系统
World File Search Systemleaf
添加紫色Miana叶提取物的影响（Coleus ...
米亚纳叶具有与抗生素相当的细菌抑制特性，可用于治疗虾中的颤动。然而，米亚纳叶中的生物活性化合物及其作为饲料中免疫刺激物的潜力，尤其是它们对总血细胞的影响和老虎大虾的吞噬活性，尚未得到充分探索。该实验以0、10、20和40G/ kg的浓度使用Miana叶提取物。生物活性化合物，并使用SPSS计划对总血细胞，吞噬活性进行统计分析和老虎虾存活。分析确定了MIANA叶提取物乙醇馏分中的100种化合物。其中，具有最高峰面积的三种化合物为：氨基甲酸，甲基酯（CAS甲基甲酯）为21.13％； 4（5H） - 噻唑龙，2-氨基 - （Cas pseudothiohydantoin）为16.16％；和环氧硅氧烷，己酰胺（CAS 1,1,3,3,5,5,5-己糖甲基 - 环己烷烷）为20.50％。实验结果表明，米亚纳叶提取物显着影响吞噬活性和存活，但不影响虎虾的总血细胞。在40g/ kg处理中观察到吞噬活性，存活和总血细胞的最高值，分别为76％，6.25 x 10^5 cfu/ ml和86.67％的值。总而言之，Miana叶提取物含有活跃的抗菌，抗病毒和抗炎化合物，并增强了总血细胞，吞噬活性和虎虾的存活率。
使用Inception V3 检测番茄叶疾病使用Inception V3
abhishek_official@hotmail.com，mahato.satyajeet1@gmail.com摘要：农业是我们社会最关键的领域之一，自从中世纪以来。作物疾病是对粮食安全的重大威胁，但是由于世界许多地方缺乏设施，因此很难及时检测。细菌和真菌以多种方式感染番茄植物。早期疫病和晚期疫病是两种影响植物的真菌疾病。细菌斑是由四种xanthomonas物种引起的，可以在多于西红柿的任何地方找到。智能手机辅助疾病检测现在是可能的，这要归功于全球智能手机的渗透不断上升，并且通过深度学习使机器视觉的最新发展成为可能。为了区分不同的番茄叶，我们使用了54,306张在受控条件下收集的患病和健康植物叶片图像的公共数据集训练了深度卷积神经网络疾病，并选择了西红柿的图像。对越来越广泛且公共可访问的图像数据集的培训深度学习模型指向技术诊断的直接途径。关键字：早期疫病，晚疫病，细菌斑点，叶片，片状叶斑，靶点点，黄色叶卷病毒，Mosiac病毒，两个斑点的蜘蛛螨1.引言农业是每个文明的基本基础之一。种植蔬菜（如西红柿）在印度各种亚热带气候中有效。一种患病的植物无法达到其正常状态。晚疫病和早期疫病是两种常见的番茄疾病[1]。一种疾病也可以描述为干扰植物的产量并降低其活力。在印度，疾病随季节的变化而受到环境因素的影响。病原体和本季节种植的各种作物在这些疾病中起作用。他们有可能破坏番茄植物和农业土地。可能会发现晚期疫病和植物叶的早期疫病，但是如果手动执行需要很长时间。结果，需要更新的更改。借助图像处理和计算机视觉，有很多方法可以检测对象及其独特的特征。深度学习CNN模型[2]是最常见的方法之一。在我们的情况下，该模型将根据叶子的图片检测疾病。
mangifera indica叶子废物衍生的活性碳长期...
随着煤炭和石油等化石燃料的过度使用和剥削，当代世界文明已经面临着越来越多的重要能源问题和环境退化。1,2因此，世界上大多数国家都制定了双碳政策，这些政策使得创造和利用绿色，可再生资源以解决上述问题，以解决维持迅速的经济发展。3最近对环境废物产生活化的多孔碳及其对各种应用的使用的研究引起了很多科学的关注。4同时，创建具有大规模应用的新碳材料必须遵守工业需求，例如环境可持续性，一种不充分的或简单的生产方法，以及披露增强甚至新颖的期望功能。5,6除了它们的优质化学和热稳定性外，这些激活或多孔碳的高表面积，可变孔隙率以及孔径尤其引起了人们的兴趣。7这些条件是
使用Inception V3
数据集中的每个图像的卷积。然后，他们使用LVQ算法进行图像分类和疾病检测。在他们的研究中，他们得出的结论是，使用CNN的LVQ算法有效地对番茄叶疾病的类型进行了分类。Halil Durmus等。 al。 [5]在他们的研究中，试图在硬件Nvidia Jetson TX1上的两个体系结构的帮助下进行疾病检测。 在他们的研究中，他们得出的结论是，Alexnet不适合在移动设备上进行疾病检测，因为Alexnet开发的模型非常笨重，大小为227.6 mbyte，而在Squeezenet架构上开发的模型非常小，大小为2.9Mbyte，大小为2.9mbyte，并且在推断时间的范围也有很大改善。 因此，Squeezenet是Nvidia Jetson TX1等移动设备的最佳架构。 U. Atila等。 al。 [6]试图将最新的深神经净结构与有效网络深度学习结构进行比较，以检测Google云环境中的植物叶子疾病的检测。 他们发现准确性有效网络体系结构比其他CNN体系结构更好，精度为99.97％。 有效网络的精度也比其他CNN体系结构更好。Halil Durmus等。al。[5]在他们的研究中，试图在硬件Nvidia Jetson TX1上的两个体系结构的帮助下进行疾病检测。在他们的研究中，他们得出的结论是，Alexnet不适合在移动设备上进行疾病检测，因为Alexnet开发的模型非常笨重，大小为227.6 mbyte，而在Squeezenet架构上开发的模型非常小，大小为2.9Mbyte，大小为2.9mbyte，并且在推断时间的范围也有很大改善。因此，Squeezenet是Nvidia Jetson TX1等移动设备的最佳架构。U. Atila等。 al。 [6]试图将最新的深神经净结构与有效网络深度学习结构进行比较，以检测Google云环境中的植物叶子疾病的检测。 他们发现准确性有效网络体系结构比其他CNN体系结构更好，精度为99.97％。 有效网络的精度也比其他CNN体系结构更好。U. Atila等。al。[6]试图将最新的深神经净结构与有效网络深度学习结构进行比较，以检测Google云环境中的植物叶子疾病的检测。他们发现准确性有效网络体系结构比其他CNN体系结构更好，精度为99.97％。有效网络的精度也比其他CNN体系结构更好。
干燥和新鲜叶提取物的体外抗菌活性...
摘要这项工作是为了研究从旧（> 25岁）和Erevani品种的幼树（<8岁）收集的杏叶的水提取物的抗菌活性。琼脂井扩散测定法用于体外抗菌和抗真菌筛查。通过测量CM中各自的生长抑制区来确定提取物的抗菌剂。杏叶的水提取物测试了9克阳性和2个革兰氏阴性的bacte-金黄色葡萄球菌205，Citreus Citreus，葡萄球菌，大肠杆菌M 17，Salmonella ty- phimrium ty- phimurium ty- phimurium ty- phimurium ty- phimurium，brevibicterium fl avum avum 14067，div>Megatherium，Bac。枯草厂1759，BAC。枯草厂205，bac。mycoides，Bac。Mesentericus）和真菌（Candida Guillermondii和白色念珠菌）。水提取物显示出针对9克阳性和2个革兰氏阴性菌株的抗菌活性广泛。观察到针对致病细菌的大量抑制作用葡萄球菌（1.73-2.73 cm），鼠伤寒沙门氏菌（2.0-2.1 cm）和对枯草芽孢杆菌1759（1.83-1.93 cm）。在抗真菌筛查中，水提取物显示出对念珠菌的抑制区（1.27-1.80 cm）和白色念珠菌（2.2-2.3 cm）。对于两种老树的干叶（2.03±0.28）和幼树（2.10±0.38）的两种干叶（2.03±0.28），观察到针对致病革兰氏阴性细菌鼠伤亡的颗粒细菌的最高活性。然而，水提取物仅具有0.8 cm抑制区，对大肠杆菌M 17表现出活性。从杏树的新鲜叶和干叶获得的水提取物具有深刻的抗微生物活性，并且可能在医学中使用。这些结果证实了干燥的杏叶也是抗菌剂的潜在来源。然而，与老树的叶子相比，幼树的杏子（不到8年）对测试生物的抗微生物活性更高。
了解结合SOA
Abstrak可以通过使用草药植物（例如酸s叶）来完成降低糖水平的替代治疗方法。本研究旨在评估酸叶提取物（Annona Muricata L.）在降低糖尿病（DM）患者血糖水平的有效性。本研究使用了一种文献研究方法，在过去五年内从科学文章或期刊中获取数据。使用Google Scholar搜索引擎收集数据，其中包括关键词“糖尿病”，“ Soursop Leaf提取物”和“降低糖水平”。的研究表明，酸叶提取物（Annona Muricata L.）含有类黄酮，单宁，生物碱和皂苷，可通过各种机制有效降低血糖水平，包括抑制糖吸收，增加葡萄糖耐受性，增加葡萄糖耐受性，刺激胰岛素释放，调节性含有含糖含量的含有含量的含有含量的含有含量的含量。在临床和计算机试验中的结果支持该提取物的有效性，使其成为当前糖尿病护理高成本的潜在草药治疗方法。这项研究鼓励使用Soursop叶子作为一种有希望的疗法，并建议进一步研究以优化其收益。Kata Kunci：血糖水平；糖尿病；萃取; Soursop叶子简介
棕榈叶提取物抗菌活性对丙泊尼巴克
抽象的痤疮伏gar是成年人和年轻人中最常见的皮肤病。痤疮的生长是由多种因素引起的，包括皮脂分泌过多和微生物菌群的变化，主要是痤疮丙酸丙酸杆菌和金黄色葡萄球菌的定殖。这项研究旨在确定棕榈叶提取物对痤疮和金黄色葡萄球菌的抗菌活性。研究程序包括棕榈叶提取和抗细菌测试。使用超声处理进行棕榈叶提取，同时使用圆盘扩散进行抗细菌测试。将获得的棕榈叶提取物稀释至10、20、30、50和50％，并测试了该浓度的每个变化的抗细菌活性。抗细菌测试的结果表明，所有棕榈叶提取物样品的10％至50％浓度都可以抑制痤疮疟原虫和金黄色葡萄球菌的生长。超常识的棕榈叶的50％提取物的抑制区直径为13.8毫米，用于痤疮杆菌细菌，而金黄色葡萄球菌的抑制区直径为10.1。根据这项研究的结果，棕榈叶提取物有可能用作预防或治疗痤疮的产物。
叶：模拟大型能量吸引的雾计算环境
摘要 - 尽管效率不断提高，但当今的数据中心和网络消耗了大量的能量，预计该需求将进一步上升。一个重要的研究问题是雾计算是否可以遏制这一趋势。作为雾基础设施的现实部署仍然很少见，研究的重要部分依赖于模拟。但是，现有的电源模型通常仅针对特定组件，例如计算节点或电池约束的边缘设备。结合了分析和离散事件建模，我们开发了一个整体但颗粒状的能量消耗模型，可以随着时间的推移确定计算节点的功率使用以及网络传播和应用程序。模拟可以合并数千个设备，这些设备在分布式，异质和资源受限的基础构造上执行复杂的应用程序图。我们在智能城市的情况下评估了我们公开可用的原型叶，表明它可以对持势雾的雾计算体系结构进行研究，并可用于评估动态任务放置策略和其他节能机制。索引项 - 仿真，建模，雾计算，边缘计算，能量消耗
使用...
玉米的发展和生产力是全世界重要的农作物，可能会因几种营养缺陷而阻碍。如果我们想增加玉米输出，我们需要快速找到这些问题。这项研究提出了一种通过分析叶片照片来鉴定玉米植物中营养缺陷的详尽方法。我们的方法将深度学习算法与常规机器学习方法结合在一起，以分析和从这些图片中提取信息。所检查的四种营养缺乏症是锌（Zn），钾（K），氮（N）和磷（P）。标准机器学习方法使用Gabor，离散小波变换，局部二进制模式和灰度级别的共发生矩阵（GLCM）。然后，使用诸如支持向量机（SVM），决策树和梯度提升等算法进行分类。根据我们的实验数据，机器学习算法成功地诊断了玉米植物中的营养缺陷。这项研究的结果突出了通过更好的植物营养管理来提高农业产量的机器学习算法的希望。农民和农业专家可能会大大受益于自动图像分析，这些图像分析可以快速，正确地识别玉米植物中的营养缺陷。这项技术有可能在全球范围内为食物的可持续性和安全做出贡献。
