水稻OsV3IP2和OsV3IP3原核表达与鉴定

通过生物信息学分析确定OsV3IP2和OsV3IP3的可溶性肽段,获得可溶性的OsV3IP2和OsV3IP3外源表达蛋白质,将相应的编码区克隆于原核表达载体p ET32a中,进行IPTG诱导表达,利用SDS-PAGE和Western blot检测目的蛋白质。结果表明,利用生物信息学软件对蛋白质的二级结构进行预测,将OsV3IP2、OsV3IP3分别分为2个和4个部分。将其分别克隆到p ET32a后,采用0.2 mol/L IPTG在10、20、30℃诱导表达。经SDS-PAGE和Western Blot分析,证明OsV3IP2-1、OsV3IP 2-2、OsV3IP 3-1表达的融合蛋白存在于上清液中,而OsV3IP 3-2、OsV3IP 3-3表达的融合蛋白存在于沉淀中,获得了OsV3IP2-1、OsV3IP 2-2、OsV3IP 3-1可溶性目的蛋白,为进一步体外验证OsVDAC3与OsV3IP2、OsV3IP3的互作奠定了基础。

玩转MOTO新刀片——V3i玩机不完全手册

MOTO V3掀起的销售热潮历久不衰,不仅替RAZR系列打出名号,更炒热手机至薄趋势。在V3诞生刚满周年时,摩托罗拉再推内建130万像素摄像头及支持外接存储卡的改进版V3i,以延续V3 超薄的外型,搭配更为广泛的功能及应用,让喜欢V3设计感的你晋升百万新贵!今天,笔者就与大家来会会这位MOTO新刀片。

摩托罗拉RAZR V3i金银版

摩托罗拉与著名时装品牌Dolce ＆ Gabbana（杜嘉.班纳）携手推出的RAZR V3i DG金银版精致而优雅。除了以金色为主体的手机外壳，在手机的细节部位，如翻盖转轴，导航键及键盘边框等纯银材质的加入。让手机保持奢华风格的同时，多了一份内敛的纯净。

摩托罗拉RAZR V3im

尽管在型号上与RAZR V3m有些相似，但面向欧洲市场推出RAZRV 3im却是一部不折不扣的GSM手机。

成功的进化——摩托罗拉V3i试用报告

如果说2004年是V3的年度,那是因为它给世人带来了震撼。如果说2005年也是V3的年度,那是因为它的热卖。如果说2006年依然充斥着V3的气味,那么它恐怕已经开始泛滥了。正是因为如此,摩托罗拉终于将V3的正式升级版本V3i推向了市场,这款产品在V3的基础上,包括外形、硬件、功能等多方面都做了相应的改进,今天就让笔者来告诉大家这个小小的“i”带来了哪些改变。

爱上色诱 摩托罗拉V3i三色新版

为经典产品推出不同色彩的新版本是摩托罗拉继超薄设计后，为业界带来的一次新潮流风尚，这也是经典机型延续和继续扩大推广的最好方法。

完美你的爱机 摩托罗拉V3i改机小技巧

相信摩托罗拉(MOTOROLA)RAZR V3i大家都有所耳闻,它是占据了摩托罗拉销售额1/6的RAZR系列产品中的一员,性能相比前一代V3要更加完善。但即便如此,V3i在某些功能上仍然有些不近人意,或多或少地还存在着一些缺点。例如外屏不能够更换自定义图片,通话记录最多只能保存10个,还有摩托罗拉手机那"标志性"的恼人低电量报警声等等。想把这些瑕疵从你的小i上抹去吗?下面教你几个改机小技巧,希望能让你的小i更有魅力。

摩托罗拉V3i：不再只是轻薄

2004年9月，摩托罗拉V3的出现在手机界掀起了超轻薄的流行之风，1年多的时间过去了，能与V3比肩的超轻薄手机依然是寥寥无几。

改进DeepLab v3+模型下的梯田遥感提取研究

[目的与意义]梯田作为农业生产的关键要素之一,其面积估算对于农业政策制定、土地规划和资源管理至关重要。为解决复杂的地形条件、种植环境导致传统遥感数据和监测方法难以开展梯田自动化提取问题,探索一种利用深度学习技术在高分辨率遥感影像中精准提取梯田面积的方法。[方法]以休耕期梯田高分六号影像构建语义分割数据集,同时提出一种改进的DeepLab v3+模型。该模型使用轻量级网络MobileNet v2作为骨干网络,为了同时兼顾局部细节和全局语境,使用多尺度特征融合(Multi-scale Feature Fusion module,MSFF)模块代替空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,利用扩张率依次增大的空洞卷积级联模式改善信息丢失的问题。此外,对浅层特征和深层特征使用坐标注意力机制以加强网络对于目标的学习。[结果与讨论]利用红、绿和近红外波段组合方式在梯田提取的精度和效果上表现最佳。相比于原始DeepLab v3+网络,精确率、召回率、F_(1)评分和交并比指标分别提升4.62%、2.61%、3.81%和2.81%。此外,与UNet和原始DeepLab v3+相比,改进的DeepLab v3+在参数量上和浮点运算数有着更为优越的性能,其参数量仅为UNet的28.6%和原始DeepLab v3+的19.5%,同时浮点运算数仅为UNet和DeepLab v3+的1/5。这不仅提高了计算效率,也使得改进后的模型更适用于资源有限或计算能力较低的环境中。[结论]深度学习在高分辨率遥感影像梯田识别中具有较高的精度,有利于为梯田精细化监测和管理提供参考依据。

黄芩素对人乳腺癌细胞系MDA-MB-231侵袭、迁移、上皮间充质转化的调控作用及其机制

目的观察黄岑素对人乳腺癌细胞系MDA-MB-231的侵袭、迁移及上皮间充质转化(EMT)的调控作用,探讨其可能作用机制。方法取对数生长期MDA-MB-231细胞分为一组、二组、三组及对照组,一组、二组、三组分别加入2.5、5、10μmol/L的黄岑素,对照组不做任何处理。培养48 h时采用划痕修复实验观察四组细胞迁移能力、采用Transwell侵袭实验观察四组细胞侵袭能力,采用Western Blotting法检测细胞EMT标志物波形蛋白(vimentin)及E-钙黏蛋白(E-cadherin)、整合素αv、β3、磷酸化黏着斑激酶(p-FAK)、磷酸化磷脂酰肌醇3激酶(整合素p-PI3K)。结果与对照组相比,黄岑素组细胞迁移率降低、侵袭细胞数少,细胞E-cadherin相对表达量高,vimentin、整合素αv、整合素β3、p-FAK、p-PI3K蛋白相对表达量低,且呈剂量依赖性(P均<0.05)。结论黄芩素抑制MDA-MB-231细胞的侵袭、迁移及EMT。黄岑素可能通过抑制整合素αv、整合素β3表达,进一步抑制p-FAK、p-PI3K蛋白表达,抑制MDA-MB-231的侵袭、迁移及EMT。

基于YOLO模型的堤坝管涌监测智能识别方法

针对堤坝管涌现象的监测识别问题,提出一种基于YOLO模型的堤坝管涌识别方法。该方法通过引入改进的残差块及替换模型的激活函数来提升YOLO v3模型的网络性能,构建了基于堤坝管涌感兴趣区域提取的Piping YOLO模型来提取管涌感兴趣区域,并采用二维主成分分析方法提取管涌现象的特征,将其作为多权值神经网络的输入,经训练后实现管涌状态的分类识别。基于自主搭建的管涌渗漏试验平台建立了数据集并进行了试验验证,结果表明,提出的方法能有效识别堤坝管涌现象,在堤坝管涌无人巡检领域具有一定的应用前景。

基于多器官特征融合的枣品种识别方法

针对自然场景下的枣品种识别问题,以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题,提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLO v3检测算法将采集的自然场景图像中的枣果和叶片器官分割提取,提出了基于笛卡尔乘积构建两器官组合对的枣品种多样本数据集,然后基于EfficientNetV2网络模型,设计了能够充分学习两器官特征相关性的融合策略来提升模型性能,引入了逐步迁移训练方式以提升枣品种识别效率。最后,在构建的包含20个枣品种数据集上进行了大量实验,得到97.04%的识别准确率,明显优于现有研究结果,并且在训练时间和收敛速度上,本方法也有一定提升。结果表明该方法能够有效融合枣品种枣果和叶片器官的特征信息,可为其他品种识别研究提供参考。

基于改进RegNet网络的玉米叶片病害识别研究

针对目前玉米叶片病害识别模型参数量大、移动端部署难、识别准确率不够高等问题,提出一种基于轻量化网络RegNet和迁移学习的识别方法,首先收集4类常见玉米叶片病害图像样本,通过平移、镜像、旋转等方式对图像进行处理,以增加图片数量,提升模型识别和泛化能力。接着以轻量化网络RegNet为主体,采用Inception A结构对stem中的3×3卷积进行替换,增加模型宽度,以分解卷积的形式对玉米叶片病害进行多尺度特征提取。最后在head中引入金字塔池化模块(pyramid pooling module,PPM),用于减少空间信息丢失,保留病害重要特征和细节。试验结果表明,改进后的模型相比RegNet,Top-1准确率提升1.26百分点,平均精确率提升1.34百分点,平均F1分数提升1.33百分点,平均召回率提升1.34百分点,参数量只增加了0.89×10^(6),改进后的模型具有更好的特征提取能力,该模型为玉米叶片病害类型的识别提供了一种有效的方法。

改进Deeplabv3+的双注意力融合作物分类方法

近年来,卷积神经网络(convolutional neural networks,CNN)在农作物分类研究中不断取得新进展,但在建模长期依赖关系方面表现出一定的局限性,对农作物全局特征的捕获存在不足。针对以上问题,将Transformer引入Deeplab v3+模型,提出了一种用于无人机影像农作物分类的并行分支结构--DeepTrans(Deeplab v3+with Trans-former)模型。DeepTrans以一种并行的方式将Transformer和CNN结合在一起,利于全局特征与局部特征的有效捕获。通过引入Transformer来增强图像中信息的远距离依赖关系,提高了作物全局信息的提取能力;加入通道注意力机制和空间注意力机制加强Transformer对通道信息的敏感度及ASPP(atrous spatial pyramid pooling)对作物空间信息捕获能力。实验结果表明,DeepTrans模型在MIoU指标上可达0.812,相较于Deeplab v3+模型提高了3.9%,该模型在五类作物的分类中精度均有提升,对于容易错分的甘蔗、玉米和香蕉三种作物,其IoU分别提高了2.9%、4.7%、13%。由此可见,DeepTrans模型在农作物分类图像的内部填充和全局预测方面有着更好的分割效果,有助于更准确地监测农田作物的种植结构及规模。

基于v3洋葱域名的比特币地址威胁程度分析

比特币可以在不透露使用者身份的情况下进行交换,导致其成为不法分子在暗网上进行违法活动的主要方式。为了追踪比特币非法交易,传统方法根据比特币的伪匿名性,在整个区块链上进行启发式地址聚类,没有充分利用比特币地址在暗网上的信息。2021年Tor官方全面启用v3洋葱域名,使得以往的v2洋葱域名数据无法再作为分析的依据。设计并实现基于v3洋葱域名的比特币地址威胁程度的一体化分析框架TLAFDB。信息收集模块使用境外服务器解决地域限制并设置socks5h代理以支持暗网爬虫运行,使用洋葱种子地址在暗网中爬行收集最新的v3洋葱域名数据,信息清洗模块采用可同时覆盖Base58和Bech32编码的正则表达式以提取v3洋葱域名网页中的比特币地址,通过区块链搜索引擎Blockchain.com筛选存在真实交易的比特币地址,并建立其和所在v3洋葱域名的关联关系,信息分析模块采用人工分析和关键词匹配相结合的方法分类v3洋葱域名,赋予其关联的比特币地址类别和流行度并判定威胁程度。实验结果表明,TLAFDB收集了23627个v3洋葱域名网页,提取并分析1141个存在真实交易的比特币地址的类别、流行度和威胁程度,发现在暗网中同一个比特币地址常出现在大量的镜像洋葱域名网页上,超过95%的比特币地址被恶意使用,并且庞氏骗局交易量占高危比特币地址总交易量的99%。

基于DeepLab v3+的综放工作面含矸率预测研究

针对综放工作面真实煤矸堆叠状态下的体积含矸率很难获取的问题,提出一种基于DeepLab v3+的综放工作面含矸率预测方法。构建了煤矸堆积体图像数据集,采用半自动的数据标注方法和限制对比度自适应直方图均衡化法对煤矸图像进行预处理。运用DeepLab v3+模型进行煤矸图像语义分割,进而计算煤矸图像的投影面积含矸率。利用PFC3D数值模拟软件,基于重建的三维煤矸块体建立数值模型,模拟顶煤放落和刮板输送机运煤过程,通过fish语言读取每个矸石或煤的体积,计算得到煤矸堆积体体积含矸率。通过分析不同顶煤厚度条件下刮板输送机上煤矸堆积体的投影面积含矸率与体积含矸率的量化关系,建立了煤流的体积含矸率预测模型。实验结果表明:DeepLab v3+模型的准确率、平均像素准确率和平均交并比分别为97.68%,97.72%,95.33%,均高于经典语义分割模型FCN8s和PSPNet,实现了煤矸堆积体投影面积含矸率的精准快速识别;体积含矸率预测模型的决定系数R^(2)为0.9828,预测效果较好。

基于改进MobileNet v3的苹果叶片病害识别研究

为解决移动端和嵌入式设备中苹果叶片病害识别准确率不高、效率低下的问题,提出了一种新的基于MobileNet v3网络的分类模型,以实现更加高效和准确的苹果叶片病害识别。首先通过数据增广方法增强数据集,按照9∶1的比例划分训练集和验证集;然后在MobileNet v3网络核心倒残差结构的升维部分引入全维动态卷积,以加强对不同维度注意力权重的学习,从而增强网络的拟合能力;最后在降维部分引入修改后的ConvNext Block模块,减少信息损失并增加全局感受野。采用PyTorch作为分类网络的深度学习框架,使用交叉熵损失函数作为分类任务的损失函数,Adam作为优化器,通过多组对比试验可知,MobileNet v1、MobileNet v2、ResNet34、MobileNet v3以及改进后的MobileNet v3 ODConvNext网络的准确率分别为94.5%、95.7%、97.2%、96.9%及97.5%。可见,MobileNet v3 ODConvNet网络拥有最高的Top-1准确率,相较于MobileNet v3网络和结构更为复杂的ResNet34网络分别提升了0.6、0.3百分点;在运算频率方面,相对于MobileNet v3网络仅增加了1.00×10^(6)次/s,并且仅为ResNet34网络参数量的11.84%。因此,该试验结果证明了改进后的MobileNet v3 ODConvNext模型具有更加轻量级和更高准确率的优点,满足在移动端真实场景下进行苹果叶片病害识别的要求,有助于苹果叶片病害的防治工作。

结合深度学习的糖尿病视网膜病变血管分割和重建

为了助于早期诊断糖尿病性视网膜病变,提出结合视网膜血管分割与三维重建的方法。三维重建可以避免分割后血管长度、曲度和分支角度等信息误判影响早期诊断。提出IAAnet算法进行视网膜图像分割,将传统Unet网络与Inception V3、ASPP、AttentionGates相结合,较好地减少信息损失并避免过拟合的现象,提高网络对特征的提取能力。运用投影重建法来还原血管三维信息,并支持调节亮度、对比度,使医生更好地观察血管的真实状态。本文算法在准确率、召回率、F1分数、交并比、ROC曲线下面积上的结果分别是97.68%、96.07%、97.26%、92.79%、94.00%,通过与其他网络对比,IAAnet算法具有良好的分割准确性,三维投影重建后能在三维图像上获取更丰富的血管信息为早期诊断提供帮助。

香烟烟雾提取物对破骨细胞体积及整合素αvβ3基因表达的影响

目的探讨香烟烟雾提取物(cigarette smoke extract,CSE)对破骨细胞体积及整合素αvβ3基因表达的影响。方法首先制作CSE溶液,实验采用7周龄C57BL/6J小鼠骨髓单个核细胞加入M-CSF和RANKL诱导生成破骨细胞,将浓度为5%的CSE加入实验组破骨细胞作用3 d,对照组不加入CSE。通过Trap染色识别对照组和实验组破骨细胞并于光镜下采图;通过甲苯胺蓝染色识别两组破骨细胞在骨片上形成的骨陷窝并于光镜下采图,均用NIH imageJ计算数量及面积。用实时荧光定量聚合酶链反应,以GAPDH作为内参,最后通过2-ΔΔCT计算,以检测Trap、CTR以及整合素αvβ3 mRNA表达水平。通过Western blot检测整合素αvβ3蛋白表达。结果破骨细胞表面积及细胞核数量的计量表明,实验组诱导形成的破骨细胞显著大于对照组(P<0.01)。实验组骨片上吸收陷窝数量及面积明显多于对照组(P<0.05),CSE处理组的TRAP mRNA水平为1.16±0.13,明显高于对照组(P<0.05),CTRmRNA水平为0.38±0.04,明显低于对照组(P<0.01)。CSE处理组的整合素αvβ3mRNA水平为1.75±0.05,显著高于对照组(P<0.01),蛋白质印迹分析结果也明显高于对照组(P<0.05)。结论CSE能显著增加破骨细胞的体积并上调整合素αvβ3的基因表达,并可能对骨吸收有促进作用。

基于多尺度特征融合的轻量化道路提取模型

针对当前用于遥感图像道路提取领域的语义模型存在计算复杂度较高、道路提取效果不佳的问题,提出基于多尺度特征融合的轻量化道路提取模型(MFL-DeepLab V3+).为了减少模型参数量并降低模型的计算复杂度,骨干网络选用轻量化Mobilenet V2网络代替原模型的Xception网络,在空洞空间金字塔池化(ASPP)模块中引入深度可分离卷积.为了增强模型的道路提取能力,优化对细小路段的提取效果,在解码区提出联合注意力的多尺度特征融合(MFFA).基于Massachusetts roads数据集的各项实验表明,MFL-DeepLab V3+模型的参数规模显著降低,较原模型参数量压缩了88.67%,道路提取图像完整,边缘清晰,精确率、召回率和F1分数分别达到88.45%、86.41%和87.42%,与其他模型相比取得了更好的提取效果.