基于深度学习的温室鲜枣成熟度检测模型研究

温室种植已成为现代果蔬生产的主要方式之一,而鲜枣作为重要的经济作物之一,在温室中的种植面积也越来越大。然而,由于鲜枣的成熟度难以准确地判断,导致其产量和品质存在较大的波动,影响了农民的生产效益和市场竞争力。因此,研究一种高效准确的鲜枣成熟度检测方法具有重要的现实意义。目前,基于传统图像处理技术的成熟度检测方法已经逐渐无法满足现代农业的需求,而深度学习技术在图像识别领域取得了巨大的成功,为鲜枣成熟度检测提供了新的思路和方法。本文旨在设计并实现一种基于深度学习的温室鲜枣成熟度检测模型,以提高鲜枣生产的效率和质量,促进农业现代化的发展。

不同品种枣的黄酮含量及其体外抗氧化性特征

为鲜枣加工过程中不同功能成分品种的选择提供理论依据,以木枣、板枣、灰枣、赞皇和壶瓶枣5个品种成熟鲜枣冻干粉为原料,利用70%的甲醇提取总黄酮,离心取上清液,分析测定各品种黄酮的含量,并研究其体外抗氧化作用。结果表明:5个品种枣提取液的总黄酮含量,木枣最高,为7.35mg/g;壶瓶枣最低,为5.34mg/g;其余品种为板枣>赞皇>灰枣。5个品种枣提取液对DPPH·、·OH和O2-自由基均具有一定的清除作用,其中,木枣提取液对其清除率最高,分别为92.76%、69.38%和52.53%;壶瓶枣提取液的清除率最低,分别为73.98%、52.65%和25.78%。