产后损失

摘要： 2020年,石门县以鲜活农产品主产区和优势区生产基地为重点,按照"田头市场+新型农业经营主体+农户"的模式,坚持"农有、农用、农享"的原则,高质量完成石门县农产品仓储保鲜冷链设施建设,实现了当年建成、当年使用、当年见效的目标,提升了农产品的商品化处理能力,降低了产后损失,提高了农产品附加值和品牌价值。

摘要： 各省、自治区、直辖市人民政府,国务院各部委、各直属机构:《"十四五"冷链物流发展规划》已经国务院同意,现印发给你们,请认真贯彻执行。2021年11月26日"十四五"冷链物流发展规划冷链物流是利用温控、保鲜等技术工艺和冷库、冷藏车、冷藏箱等设施设备,确保冷链产品在初加工、储存、运输、流通加工、销售、配送等全过程始终处于规定温度环境下的专业物流。推动冷链物流高质量发展,是减少农产品产后损失和食品流通浪费,扩大高品质市场供给,更好满足人民日益增长美好生活需要的重要手段。

摘要： 受自然资源条件约束,减少产后损失成为增加供给、保障国家安全的重要举措。基于22省(区、市)784户农户的调研数据,本文首先估计中国大豆、油菜籽、花生等三大油料作物收获和农户储存环节损失水平;其次,比较不同地区、不同收获方式、不同储存设施条件下的油料作物收获和农户储存损失差异;最后,分析油料作物收获和农户储存损失对资源环境的影响。研究发现:(1)中国主要油料作物的收获损失在4%~5%之间,农户储存损失在1%~3%之间;其中,大豆、油菜籽、花生的收获损失分别为4.75%、4.97%、4.02%,这三类作物的农户储存损失分别为2.67%、1.11%、1.15%。(2)不同地区、不同收获方式、不同储存设施条件下的油料作物收获和农户储存损失存在差异。(3)主要油料作物的收获和储存损失对资源和环境产生巨大影响,三类油料作物的收获和储存损失相当于浪费86.10万吨食用油,无端消耗土地126.12万公顷、化肥16万吨、水资源71.52亿立方米,产生碳排放137.31万吨。

摘要： 我国粮食、水果、蔬菜、水产品等的产后损失率远高于发达国家,而保鲜是农业和食品生产的重要环节,近年来我国保鲜领域的科研和应用日益受到重视,相关专利申请不断涌现。作为较为前沿的食品研发领域,保鲜领域的技术难度相对较大,经济价值相对较高,有望产出高价值专利。高价值专利是关乎技术创新、科技自立以及国家安全的重要专利资源。根据现有研究,相关学者对高价值专利概念与内涵的界定主要包括技术、法律和经济价值三个维度,以及技术、法律、市场、战略和经济价值五个维度。基于此,本文对保鲜领域的专利价值度进行了统计和分析。

摘要： 南方水稻产区将于7月中旬进入早稻集中收获期,部分地区早稻适收期较往年推迟3-7天,前后茬农时衔接更加紧张,对“双抢”机械化生产组织保障提出了更高要求。7月7日,农业农村部印发通知,要求各地以早稻机收、产地烘干、晚稻机械化育插秧为重点环节,务实高效组织作业供需对接、减损宣传培训、机具调剂调配,协同打通农机转运作业堵点卡点,做好零配件和燃油供应保障、应急情况处置等工作,加快机收机种速度,提高机械化作业质量水平,进一步降低稻谷产后损失,努力实现颗粒归仓。

摘要： 农业农村部规划设计研究院近日发布的调研报告显示,我国农产品产地流通“最先一公里”基础设施建设滞后。据统计,我国粮食、马铃薯、水果、蔬菜的产后损失率分别为7%—11%、15%—20%、15%—20%和20%—25%,与世界先进水平存在差距。有“水稻院士”之称的全国人大代表、中国工程院院士陈温福今年在全国两会期间指出,由于基础设施不完善等原因,我国的农产品“吃掉1/3、扔掉1/3、烂掉1/3”,每年损失近2亿吨,造成了生产资源的巨大浪费和农民经济损失。如此高的损失率意味着,不少农产品刚出田间就已倒在地头。这样的现状,让各项旨在维护国家粮食安全的政策和努力打了折扣。

摘要： 在(28±1)°C和(70±5)％RH的条件下,研究在培养箱中进行,测定3种储粮(小麦、稻谷和玉米)对玉米象的易感性.实验采用完全随机设计(CRD),设置3次重复.测定F1子代数、成虫存活时间、损失量和产生粉末量.不同的粮种表现出不同程度的对玉米象的易感性.对于F1子代数,稻谷被认为是最具抗性的,玉米是中度抗性的,小麦被认为对玉米象最敏感.然而,玉米象在玉米中的寿命最长,其次是小麦,稻谷中玉米象寿命最短.种子损失量、产粉量和种子含水量与玉米象成虫寿命在三大粮种趋势相似.研究单头玉米象成虫虫态阶段的危害损失模型,对于制定综合治理防治策略,最大限度地减少种子在储藏中的产后损失,特别是对于农户储粮来说具有重要的意义.

摘要： 黑龙江省水稻以联合收割机收获为主,但不适宜的收获时间、 收获行驶速度均易造成产后损失.利用四种联合收割机在不同收获时间、 不同收获速度及不同区域对水稻产量损失进行机收试验,结果表明:在较晚收获时,水稻掉粒损失量较低,其中洋马联合收割机与较早时期收获相比,损失量最高可下降至46.43 kg/hm2;在行驶速度较慢(5～6 km/h)时,水稻掉粒损失量较低,洋马联合收割机机械收获掉粒损失量为171.46 kg/hm2;在转角区损失量较高,两种联合收割机较直行区损失量均上升50％以上.最后,对影响水稻产后损失的各种因素进行了分析与讨论.

摘要： 加强农户粮食产后管理,努力减少粮食产后损失,犹如打造“无形良田”,是不耕耘的生产,是向管理要效益,既利国又利民,意义重大。开发新型农户储粮仓,推广农户科学储粮技术,是减少粮食产后损失的重要举措。

摘要： 本发明涉及用于预测女性主体发生产后HELLP综合征、产后子痫前期或产后子痫的风险的方法。所述方法基于测定在分娩婴儿之前获得自所述主体的第一样品和分娩婴儿之后获得自所述主体的第二样品中的i)sFlt‑1和PlGF或ii)内皮糖蛋白和PlGF的水平。此外，本发明涵盖的是用于实施本发明的方法的装置和试剂盒。

摘要： 本发明公开了一种减少窑筒体表面热损失和无窑头余风热焓损失的水泥生产系统，该系统去除了窑头烟囱，还包括连接窑头引风机和篦冷机冷却风机的窑头余风循环单元、和设置在回转窑筒体上的筒体余热回收装置；窑头余风循环单元由窑头余风循环管道、风量分配器和若干个出风管道组成，窑头余风循环管道一端与窑头引风机出风口连接，窑头余风循环管道另一端与风量分配器进风口连接，风量分配器出风口与对应出风管道一端连接，出风管道另一端连接对应篦冷机中部风室下方冷却风机，将窑头余风送入篦冷机中部风室；筒体余热回收装置进水口与冷水水箱相连，出水口与AQC炉相连。本发明达到窑头余风热焓全部利用，同时减少窑筒体表面热损失，提高了全系统热效率。

摘要： 劳动生产率损失成本计算系统包括：就业信息存储部(21)，存储关于每个从业者的就业信息的数据；健康诊断结果存储部(22)，存储关于每个从业者的健康诊断的数据；压力检查结果存储部(23)，存储关于每个从业者的压力检查的数据；设定数据存储部(300)，存储设定数据；劳动生产率损失成本计算部(40)，根据就业信息存储部(21)存储的项目数据、健康诊断结果存储部(22)存储的项目数据以及压力检查结果存储部(23)存储的项目数据计算劳动生产率损失成本；以及输出部(50)，将已计算出的劳动生产率损失成本输出。

摘要： 压力损失决定装置(1)具有路径跟踪部(30)、配管信息管理部(50)和损失决定部(40)。路径跟踪部(30)从三维建筑物信息中提取应该配置配管的平面，对平面进行网格分割而分割成多个单元，设定作为配管的始点的始点单元和作为终点的终点单元。配管信息管理部(50)存储有表示流体在单元之间的压力损失值的损失信息(51)。损失决定部(40)检索通过从始点单元到终点单元的单元的连接而形成的多个配管路径，针对多个配管路径的各配管路径，使用损失信息(51)决定从始点单元到终点单元的压力损失值。

摘要： 本发明提供了一种损失分布计算系统，包括：频率分布/规模分布输入部分，用于输入关于频率分布和规模分布的信息；规模分布离散化部分，用于执行针对输入规模分布的上部离散化和下部离散化之一或者两者；子复合分布计算部分，用于在执行对所有事件的划分之后计算针对所有事件之外的部分的损失的累积和的概率值，以便计算上部子复合分布和下部子复合分布之一或者两者，上部子复合分布基于频率分布和上部离散规模分布进行计算，并且下部子复合分布基于频率分布和下部离散规模分布进行计算；精确度计算部分，用于基于上部子复合分布和下部子复合分布之一或者两者计算损失分布函数的上限和下限，基于上部子复合分布和下部子复合分布之一或者两者计算函数作为损失分布函数的近似值，并且计算近似值的精确度；以及损失分布输出部分，用于输出关于具有由关于所计算的精确度的信息表示的保证的精确度的损失分布函数的近似值的信息。

摘要： 本发明涉及用于预测女性主体发生产后HELLP综合征、产后子痫前期或产后子痫的风险的方法。所述方法基于测定在分娩婴儿之前获得自所述主体的第一样品和分娩婴儿之后获得自所述主体的第二样品中的i) sFlt‑1和PlGF或ii)内皮糖蛋白和PlGF的水平。此外，本发明涵盖的是用于实施本发明的方法的装置和试剂盒。

摘要： 本文讨论了用于训练机器学习(ML)模型以基于图像数据确定深度数据的技术。训练可以使用立体图像数据和深度数据(例如，激光雷达数据)。可以将第一图像(例如，左图像)输入到ML模型，该模型可输出预测的视差和/或深度数据。预测的视差数据可与第二图像数据(例如，右图像)一起使用以重建第一图像。第一图像和重建图像之间的差异可用于确定损失。损失可能包括像素、平滑、结构相似性和/或一致性损失。此外，可以确定深度数据和预测深度数据之间的差异和/或预测视差数据和预测深度数据之间的差异，并且可以基于各种损失来训练ML模型。因此，这些技术可以使用自我监督训练和监督训练来训练ML模型。

摘要： 本发明公开了一种基于边缘损失和风格损失的图像卡通化方法、装置、计算机设备及存储介质，其包括：将原始图像输入预设神经网络模型进行训练以获得卡通图像；计算第一训练模型、卡通图像和预设卡通图像的边缘损失值和风格损失值；根据边缘损失值和风格损失值调整预设神经网络模型的参数，并重新对原始图像进行训练以再次获得卡通图像；返回步骤二，并判断当前边缘损失值与上一次边缘损失值之间的第一差值是否在第一预设范围内以及判断当前风格损失值与上一次风格损失值之间的第二差值是否在第二预设范围内；若第一差值在第一预设范围内且第二差值在第二预设范围内，输出卡通图像。本发明可以在保证原图内容信息不丢失的前提下，提高卡通化程度。

摘要： 本发明公开了一种基于深度学习与损失权重分析的涡轮叶片损失模型构建方法，所述方法为了探究如何对现有涡轮叶型损失模模型修正，首先需对叶型损失中的各项损失进行拆分，并与现有模型的预测大小进行对比，分析得到需要修正的系数与项和需要添加的修正项，进而形成具有修正形式的损失预测模型。并通过对比具有不同叶型参数的涡轮叶型损失，找到需要考虑的叶型参数变量。利用人工神经网络模型建立需要考虑的叶型参数变量与需要修正的系数(或项和需要添加的修正项)之间的函数关系，并带入具有修正形式的损失预测模型，进而构建涡轮叶型损失预测模型。该方法能够准确预测具有较大攻角工作范围的涡轮叶型损失。

摘要： 本发明属于现代农业技术领域，尤其是一种粮食产后损失的评价方法，解决了现有技术中缺少能够如实反映粮食损失变化，可操作性强的粮食产后损失的评价方法，无法对粮食按批次进行精确计量的问题，所述粮食产后损失的评价方法，包括以下步骤：S1、对收获后的粮食进行取样，未脱粒粮食脱粒后取样；S2、对经步骤S1取样后的粮食进行分样，按照指标水分含量、千粒重、不完善粒率和容重进行检验，计算平均值；S3、对同一批次收获的粮食，经过常规方法处理、储藏后获得的粮食进行取样；S4、对经步骤S3取样后的粮食进行分样。本发明采用国标法取样，方法具有显著的科学依据，能够如实反映粮食产后损失状况。