简介:为探讨不同氮肥形态下叶片组织结构的生长发育特点,明确氮肥形态对焦油释放量的影响。大田试验设计了5种不同氮肥形态的配比,对5个不同时期的烤烟叶片组织结构进行观察,并测定单料烟的焦油释放量。结果表明:1)初步研究表明,单料烟焦油释放量有随着氮肥中硝态氮比例的提高而降低的趋势;2)硝态氮占优势的处理比只用铵态氮处理的叶片、栅栏组织和海绵组织厚度大;3)相关分析表明:焦油释放量与叶片厚度和海绵组织厚度呈显著负相关,与栅栏组织厚度呈不显著的负相关。通径分析表明:栅栏组织厚度对焦油释放量有直接作用,施用不同形态的氮肥,可以影响焦油释放量。
简介:试验表明,施N量中以50%NO-3-N的处理,白肋烟特有亚硝胺(TSNA)含量最低,烟叶品质最好;施75%NO-3-N次之;施0%、25%、100%NO-3-N时,TSNA含量远远高于50%和75%NO-3-N的处理,且以0%NO-3-N时烟叶品质最差.不同N形态对干物质积累影响较大,且作用顺序为60~80d>80~96d>40d前;单产随NO-3-N比例的增加呈下降趋势,而产值、均价、上中等烟则随NO-3-N比例的增加呈上升趋势,当NO-3-N比例增至100%时,各指标都低于其它处理,而且后期易脱肥,晾制后叶薄色淡,品质下降;施100%NH+4-N,中上部叶片成熟推迟,晾制后叶厚色深,产量增加而品质低劣.在当地施肥管理水平下,以施50%~75%的NO-3-N为宜.
简介:为实现醇化烟叶中霉变烟的自动在线精选,设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像,采用MSD微结构描述算法提取烟叶图像颜色、纹理特征,基于神经网络集成分类算法,通过合格烟叶样本和霉烟样本的训练学习,实现霉变烟的在线检测识别。经过测试,该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示,采用霉烟靶物单独过料时,机器视觉系统对霉烟的平均在线识别率在95%以上;将霉烟靶物与合格烟片混掺过料时,系统对霉烟的平均识别率在87%以上。研究结果表明,机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。