目的研究北柴胡农艺性状与总黄酮、皂苷含量的相关性,为柴胡的良种选育提供参考依据。方法采用常规方法测定11个不同种质北柴胡一年生和二年生的农艺性状指标,紫外-可见分光光度法测定总黄酮含量,HPLC法测定柴胡皂苷含量,运用Origin Pro...目的研究北柴胡农艺性状与总黄酮、皂苷含量的相关性,为柴胡的良种选育提供参考依据。方法采用常规方法测定11个不同种质北柴胡一年生和二年生的农艺性状指标,紫外-可见分光光度法测定总黄酮含量,HPLC法测定柴胡皂苷含量,运用Origin Pro 2021软件分析农艺性状与总黄酮、皂苷含量之间的相关性。结果农艺性状会对北柴胡总黄酮、皂苷含量产生影响。一年生农艺性状与含量的相关性分析表明,主茎叶长、根长、根鲜重、根干重与总黄酮含量之间存在负相关;根冠比与皂苷c含量之间存在极显著正相关;须根数与皂苷d、a+d含量之间存在显著正相关。二年生农艺性状与含量的相关性分析表明,主茎叶宽、根粗与总黄酮含量之间存在显著正相关,茎生叶数与皂苷c含量之间存在显著负相关;根干重与皂苷d、a+d、c+a+d含量之间存在显著正相关;根粗、根干重与皂苷a含量之间存在正相关。生长年限也会对北柴胡总黄酮、皂苷含量产生影响,随着生长年限的增加,总黄酮含量增加,皂苷含量减少。结论以皂苷含量为选育指标,须根数、根粗、根干重可作为北柴胡良种选育的重要指标。展开更多
为更准确鉴别藏柴胡、锥叶柴胡和北柴胡,本文首先对柴胡样本进行太赫兹光谱测定,然后用含Inception块的残差网络对光谱数据进行识别.本文方法将Inception块中的卷积核收缩成一维,通过一维Inception块堆叠及残差连接来构建残差网络的主...为更准确鉴别藏柴胡、锥叶柴胡和北柴胡,本文首先对柴胡样本进行太赫兹光谱测定,然后用含Inception块的残差网络对光谱数据进行识别.本文方法将Inception块中的卷积核收缩成一维,通过一维Inception块堆叠及残差连接来构建残差网络的主干部分.主干部分后面依次是全局平均池化(Global Average Pooling,GAP)层、全连接(Full Connection,FC)层和Softmax层,其中,网络的主干部分用于对输入的太赫兹光谱数据进行多尺度特征提取,GAP层用于汇聚多尺度特征,FC层和Softmax层用于实现最后的分类.本文算法与9种传统模式识别算法进行了对比实验.结果表明,本文算法鉴别精度达88.99%,优于9种传统模式识别算法.本文算法为北柴胡的鉴别提供了新的解决方案.展开更多
目的基于ITS序列用PCR-RFLP方法鉴别北柴胡药材掺伪藏柴胡的方法。方法分析并筛选出藏柴胡特有的限制性内切酶AseⅠ,用Primer Premier 5.0设计特异性引物,对引物PCR扩增条件和酶切试验进行优化,并对该方法的准确性进行了考察。结果PCR...目的基于ITS序列用PCR-RFLP方法鉴别北柴胡药材掺伪藏柴胡的方法。方法分析并筛选出藏柴胡特有的限制性内切酶AseⅠ,用Primer Premier 5.0设计特异性引物,对引物PCR扩增条件和酶切试验进行优化,并对该方法的准确性进行了考察。结果PCR扩增的目的片段为331 bp,且建立的PCR反应方法对不同的酶均具有适应性。限制性内切酶AseⅠ将藏柴胡切成79 bp和252 bp两个片段,而北柴胡及其他柴胡均不能被酶切,且掺伪检出限为1%。结论PCR-RFLP方法实现了准确鉴别北柴胡中的混伪品藏柴胡。展开更多
文摘目的研究北柴胡农艺性状与总黄酮、皂苷含量的相关性,为柴胡的良种选育提供参考依据。方法采用常规方法测定11个不同种质北柴胡一年生和二年生的农艺性状指标,紫外-可见分光光度法测定总黄酮含量,HPLC法测定柴胡皂苷含量,运用Origin Pro 2021软件分析农艺性状与总黄酮、皂苷含量之间的相关性。结果农艺性状会对北柴胡总黄酮、皂苷含量产生影响。一年生农艺性状与含量的相关性分析表明,主茎叶长、根长、根鲜重、根干重与总黄酮含量之间存在负相关;根冠比与皂苷c含量之间存在极显著正相关;须根数与皂苷d、a+d含量之间存在显著正相关。二年生农艺性状与含量的相关性分析表明,主茎叶宽、根粗与总黄酮含量之间存在显著正相关,茎生叶数与皂苷c含量之间存在显著负相关;根干重与皂苷d、a+d、c+a+d含量之间存在显著正相关;根粗、根干重与皂苷a含量之间存在正相关。生长年限也会对北柴胡总黄酮、皂苷含量产生影响,随着生长年限的增加,总黄酮含量增加,皂苷含量减少。结论以皂苷含量为选育指标,须根数、根粗、根干重可作为北柴胡良种选育的重要指标。
文摘为更准确鉴别藏柴胡、锥叶柴胡和北柴胡,本文首先对柴胡样本进行太赫兹光谱测定,然后用含Inception块的残差网络对光谱数据进行识别.本文方法将Inception块中的卷积核收缩成一维,通过一维Inception块堆叠及残差连接来构建残差网络的主干部分.主干部分后面依次是全局平均池化(Global Average Pooling,GAP)层、全连接(Full Connection,FC)层和Softmax层,其中,网络的主干部分用于对输入的太赫兹光谱数据进行多尺度特征提取,GAP层用于汇聚多尺度特征,FC层和Softmax层用于实现最后的分类.本文算法与9种传统模式识别算法进行了对比实验.结果表明,本文算法鉴别精度达88.99%,优于9种传统模式识别算法.本文算法为北柴胡的鉴别提供了新的解决方案.