Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "artificial leaf" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Oxygenic photosynthesis: translation to solar fuel technologies
Autorzy:
Olmos, J.D.J.
Kargul, J.
Powiązania:
https://bibliotekanauki.pl/articles/58785.pdf
Data publikacji:
2014
Wydawca:
Polskie Towarzystwo Botaniczne
Tematy:
renewable energy
energy source
solar fuel
photosystem II
photosystem I
carbon dioxide
photosynthesis
artificial leaf
artificial photosynthesis
Opis:
Mitigation of man-made climate change, rapid depletion of readily available fossil fuel reserves and facing the growing energy demand that faces mankind in the near future drive the rapid development of economically viable, renewable energy production technologies. It is very likely that greenhouse gas emissions will lead to the significant climate change over the next fifty years. World energy consumption has doubled over the last twenty-five years, and is expected to double again in the next quarter of the 21st century. Our biosphere is at the verge of a severe energy crisis that can no longer be overlooked. Solar radiation represents the most abundant source of clean, renewable energy that is readily available for conversion to solar fuels. Developing clean technologies that utilize practically inexhaustible solar energy that reaches our planet and convert it into the high energy density solar fuels provides an attractive solution to resolving the global energy crisis that mankind faces in the not too distant future. Nature’s oxygenic photosynthesis is the most fundamental process that has sustained life on Earth for more than 3.5 billion years through conversion of solar energy into energy of chemical bonds captured in biomass, food and fossil fuels. It is this process that has led to evolution of various forms of life as we know them today. Recent advances in imitating the natural process of photosynthesis by developing biohybrid and synthetic “artificial leaves” capable of solar energy conversion into clean fuels and other high value products, as well as advances in the mechanistic and structural aspects of the natural solar energy converters, photosystem I and photosystem II, allow to address the main challenges: how to maximize solar-to-fuel conversion efficiency, and most importantly: how to store the energy efficiently and use it without significant losses. Last but not least, the question of how to make the process of solar energy conversion into fuel not only efficient but also cost effective, therefore attractive to the consumer, should be properly addressed.
Źródło:
Acta Societatis Botanicorum Poloniae; 2014, 83, 4
0001-6977
2083-9480
Pojawia się w:
Acta Societatis Botanicorum Poloniae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Early detection of major diseases in turmeric plant using improved deep learning algorithm
Autorzy:
Devisurya, V.
Devi Priya, R.
Anitha, N.
Powiązania:
https://bibliotekanauki.pl/articles/2173642.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
artificial intelligence
computer vision
turmeric leaf diseases detection
sztuczna inteligencja
wizja komputerowa
wykrywanie chorób liści kurkumy
Opis:
Turmeric is affected by various diseases during its growth process. Not finding its diseases at early stages may lead to a loss in production and even crop failure. The most important thing is to accurately identify diseases of the turmeric plant. Instead of using multiple steps such as image pre-processing, feature extraction, and feature classification in the conventional method, the single-phase detection model is adopted to simplify recognizing turmeric plant leaf diseases. To enhance the detection accuracy of turmeric diseases, a deep learning-based technique called the Improved YOLOV3-Tiny model is proposed. To improve detection accuracy than YOLOV3-tiny, this method uses residual network structure based on the convolutional neural network in particular layers. The results show that the detection accuracy is improved in the proposed model compared to the YOLOV3-Tiny model. It enables anyone to perform fast and accurate turmeric leaf diseases detection. In this paper, major turmeric diseases like leaf spot, leaf blotch, and rhizome rot are identified using the Improved YOLOV3-Tiny algorithm. Training and testing images are captured during both day and night and compared with various YOLO methods and Faster R-CNN with the VGG16 model. Moreover, the experimental results show that the Cycle-GAN augmentation process on turmeric leaf dataset supports much for improving detection accuracy for smaller datasets and the proposed model has an advantage of high detection accuracy and fast recognition speed compared with existing traditional models.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2022, 70, 2; art. no. e140689
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Post-harvest life of hyacinths forced by different colours of artificial light
Trwałość pozbiorcza hiacyntów pędzonych w doniczkach przy świetle sztucznym o różnej barwie
Autorzy:
Śmigielska, M.
Jerzy, M.
Powiązania:
https://bibliotekanauki.pl/articles/11541820.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Przyrodniczy w Lublinie. Wydawnictwo Uniwersytetu Przyrodniczego w Lublinie
Tematy:
post-harvest life
hyacinth
different colour
artificial light
colour
Hyacinthus orientalis
plant cultivar
Fondant cultivar
post-harvest longevity
leaf elongation
ornamental plant
stem
leaf
stiffness
Opis:
Three cultivars of Hyacinthus orientalis L. were forced in pots under artificial light using fluorescent lamps which emitted white, blue, green, yellow and red light. Daily light dose was 0.54 mol·m⁻² (25 μmol·m⁻²·s⁻¹ × 6 h). Significant effect of light colour on postharvest longevity and quality of plants was observed. The post-harvest longevity of hyacinths depends, among others, on the length of the flowering period and it is the longest after the application of white and blue light colour. Red light decreased flower life and deteriorated the ornamental value. The rigidity of inflorescence shoots depended on the cultivar, but in all flowers, it was significantly lower than it is recommended in market turnover for flowering plants grown in pots. It also refers to leaves, whose elongation is the greatest under lamps with red colour. In the ‘Fondant’ cultivar, elongation caused a maximal flabbiness of inflorescence shoots and leaves.
Cebule trzech odmian hiacyntów pędzono przy sztucznym świetle, pod lampami fluorescencyjnymi typu TLD 36W, emitującymi światło białe, niebieskie, zielone, żółte i czerwone. Dobowa ilość światła wynosiła 0.54 mol·m⁻² (25 μmol·m⁻²·s⁻¹ × 6 h). Trwałość pozbiorcza hiacyntów zależała m.in. od długości okresu kwitnienia, a ten był najdłuższy po zastosowaniu białej i niebieskiej barwy światła. Światło czerwone obniżało trwałość kwiatów i pogarszało wartość ozdobną roślin. Sztywność pędów kwiatostanowych zależała od odmiany, ale u wszystkich była niższa od pożądanej. Dotyczy to również liści, których elongacja była największa pod lampami o barwie czerwonej. U odmiany ‘Fondant’ liście były bardzo wiotkie.
Źródło:
Acta Scientiarum Polonorum. Hortorum Cultus; 2009, 08, 4; 3-10
1644-0692
Pojawia się w:
Acta Scientiarum Polonorum. Hortorum Cultus
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of air drying process for lavender leaves
Autorzy:
Karimi, F.
Rafiee, S.
Powiązania:
https://bibliotekanauki.pl/articles/26307.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
Lavandula angustifolia
Lavandula officinalis zob.Lavandula angustifolia
air drying process
artificial neural network
drying
lavender
leaf
optimization
response surface methodology
Źródło:
International Agrophysics; 2011, 25, 3
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Innowacyjna metoda rozpoznawania wybranych cech jakościowych nasion z wykorzystaniem analizy obrazu i sztucznych sieci neuronowych (SSN)
Innovative method for identifying selected qualitative characteristics of seeds using image analysis and artificial neural networks (ANN)
Autorzy:
Szwedziak, K.
Powiązania:
https://bibliotekanauki.pl/articles/288227.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
analiza obrazu
RGB
Leaf
sztuczna sieć neuronowa
SSN
cechy jakościowe
nasiona
ocena sensoryczna
magazynowanie
image analysis
artificial neural network
qualitative characteristics
seeds
sensory assessment
storage
Opis:
Badanie cech jakościowych ma coraz większe znaczenie ze względu na ustalenie ceny skupu oraz ze względu na dalsze przeznaczenie nasion. Po wejściu Polski do Unii Europejskiej surowce i produkty końcowe muszą sprostać wymogom stawianym przez pozostałe kraje członkowskie. Ważnym problemem współczesnego rolnictwa zrównoważonego jest produkcja nasion oraz produktów o odpowiednich parametrach jakościowych. Dotychczasowe badania dowodzą, że zarówno technologia zbioru, warunki transportu i suszenia a także przechowywanie wywierają wpływ na jakość nasion, warunkując ich przydatność dla przemysłu. Zadaniem przemysłu zbożowego jest, oprócz przetwórstwa, także odpowiednie zabezpieczenie w czasie magazynowania, aby zachować odpowiednie właściwości i walory smakowe nasion. W związku z tym istnieje konieczność ciągłej kontroli produktów jak również surowców magazynowanych. Przemysł rolno - spożywczy dysponuje jedynie metodami opartymi na ocenie sensorycznej, wykorzystującej narządy zmysłu. Metoda ta jest bardzo czasochłonna i pracochłonna. Poszukiwanie innowacyjnych metod pozwala na wdrożenie do przemysłu rolno - spożywczego technik opartych na komputerowej analizie obrazu i sztucznych sieci neuronowych. Założono zatem, że korzystając z komputerowej analizy obrazu oraz przygotowanej w tym celu aplikacji do przetwarzania i analizowania pozyskanych obrazów cyfrowych, wykorzystując model rozpoznawania barw RGB, pozwoli na szybkie uzyskiwanie wyników. Ma to znaczenie w czasie skupu zbóż do magazynów, w celu określenia wstępnej jakości przyjmowanych nasion pod względem zanieczyszczeń, co w konsekwencji prowadzi do ustalenia ceny skupowanego materiału. Drugim aspektem wykorzystania tej metody jest kontrola jakości przechowywanego ziarna w magazynach. Opracowanie takiej metody pozwoli na szybkie uzyskanie wyników z pominięciem czasochłonnych prac laboratoryjnych. Dodatkowym elementem pracy jest porównanie metody tradycyjnej z metodą komputerowej analizy obrazu. Do porównania wykorzystano sztuczne sieci neuronowe.
Examination of qualitative characteristics becomes more and more important for fixing purchase price and due to further use of seeds. Following Poland accession to the European Union, raw materials and final products must meet requirements set by other member states. An important issue in modern sustainable agriculture is the production of seeds and products possessing suitable qualitative parameters. Studies completed to date prove that harvesting technology, transport and drying conditions, and storage affect seeds quality, thus conditioning their usability for industry. Besides processing, grain industry is expected to provide adequate protection during storage so as to ensure suitable properties and taste quality of seeds. As a result of this, it is necessary to provide continuous control of products and stored materials. Agricultural and food industry has at its disposal methods based on sensory assessment only, using sense organs. This method is highly timeconsuming and labour absorbing. Search for innovative methods allows to introduce techniques based on computerised image analysis and artificial neural networks in agricultural and food industry. It has been assumed then that using computerised image analysis and specially prepared for this purpose application for processing and analysis of obtained digital images with help of the RGB colour identification model will allow to obtain results quickly. This is important when purchasing grain for stores in order to determine initial quality of accepted seeds as regards impurities, which consequently leads to determining purchased material price. Another aspect of using this method is quality control for grain kept in stores. Development of such method will allow to obtain results quickly, omitting time-consuming laboratory works. An additional element in this paper is comparing conventional method to computerised image analysis method. Artificial neural networks have been used for comparison.
Źródło:
Inżynieria Rolnicza; 2009, R. 13, nr 4, 4; 7-52
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-5 z 5

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies