基于经济效益的农业新型经营主体小麦玉米全程机械化农机配备研究

因山东省旱作灌溉区种植模式多样、技术模式不统一，规模化生产下的机械效能未能充分发挥，存在动力机械与机具配套比低、农机动力与资金浪费问题，在对小麦玉米周年轮作下全程机械化技术模式调研后，总结小麦玉米全程机械化技术路线，构建以作业成本最小为目标的农机装备优化配备模型。通过对平度市某小麦玉米种植合作社进行计算，作业成本较实际情况下降10.9%；总动力优化配备结果为23.712 kW，下降51.36%；农机配套比提高50%。研究结果可为山东省旱作灌溉区小麦玉米全程机械化技术模式优选、农机农艺深度融合、农业合作社的农机配备等方面提供技术参考。     

‘哈伯’南天竹组织培养和快速繁殖

为建立‘哈伯’南天竹组织培养和种苗繁育技术体系,以半木质化带芽茎段为外植体材料开展植株再生研究。通过观察对比试验法、L₉(3⁴)正交试验设计完全随机法、极差分析、显著性检验、LSD多重比较,探讨了‘哈伯’南天竹组培的最适培养基配方。试验结果表明：最佳诱导培养基为MS + 6-BA 2.0 mg/L + IBA 0.1 mg/L +蔗糖30 g/L,诱导萌动率71.77%,成活率85.51%;最佳增殖培养基为WPM +6-BA 1.5 mg/L + IBA 0.01 mg/L + 蔗糖30 g/L,增殖系数6.3;最佳生根培养基为1/2 MS+ IBA 0.5 mg/L + NAA 1.0 mg/L + 蔗糖20 g/L + AC 0.2 g/L,生根率97.63%;试管苗移入泥炭土:珍珠岩=3:2(V/V)混合基质中,移栽成活率96.67%。该试验建立了高效稳定的组培快繁技术体系,得到的组培苗后代能够稳定的保持母本优良性状,为工厂化育苗提供了技术支撑。     

耐低温耐低氧萌发野败不育系赣野A的选育

赣野A是江西省农科院水稻研究所将东乡野生稻的耐冷性和耐低氧萌发能力导入抗稻瘟病保持系赣香B后再与赣香A测交和回交育成的野败型三系籼稻不育系。该不育系败育彻底,异交结实率高,配合力较强,具有较强的耐冷性和耐低氧萌发能力,在直播杂交稻育种中应用前景广阔。2019年通过了江西省品种审定。     

蓝靛果忍冬优良品种引种试验

从俄罗斯里萨文科园艺研究所引进13个蓝靛果忍冬品种的优质扦插苗木,定植在黑河市中俄林业科技合作园区试验地内,进行物候期、果实性状特征、区域化试验等方面的试验.以当地野生蓝靛果忍冬为对照,从单株产量、百果重、区域化试验等方面综合分析,结果表明:Огненныйопал2C表现出产量高、栽培性好、适应性强、抗病等优点,适合在黑河及生态相似地区推广栽培.     

浅析杂交水稻1A品种的选育研究

随着我国社会经济的不断发展,人们收入的增加,人们对生活质量的要求也在逐渐提升。农业作为我国经济发展中重要组成部分,杂交水稻种植作为农业种植体系中一个关键部分,种植质量及高产性与人们生活质量提升有直接关系。因此,在农民种植水稻时,应该秉持品质高、产量高的原则进行选育,这样既可以保证粮食的生产质量,也可以满足人们对生活质量的需求。以下是本文以昌粳品种为例,对杂交水稻品种选育进行简单分析。     

我国黄瓜抗病品种选育技术研究进展

黄瓜在我国蔬菜产业中占有重要地位,然而连片种植、重茬栽培等条件下容易滋生病菌,尤其是随着我国保护地蔬菜生产规模的扩大,棚室内的温湿度条件更利于病害的发生与流行,黄瓜生产上面临着严重的病虫害威胁,包括生理性病害、感染性病害及虫害等。本文从抗病品种选育的角度分析了黄瓜病害抗病品种选育技术,并简要介绍了其他防治方法,展望了相关研究的发展方向,为黄瓜病虫害的防治提供参考。     

农作物新品种选育及推广应用策略分析

众所周知,自古以来,农业在我国生产生活中的重要性非常明显,农业有关工作的开展,需要得到广大人员的重视,进而满足社会大众的根本需要。另外,因为我国是农业大国,所以做好农作物新品种选育以及推广应用策略的分析,不仅仅关系着国内民生工作的开展,也同样关系着国内农业发展转型的根本性动力。本文基于这样的前提,将会着重分析农作物全新品种选育与推广应用措施的分析,希望能够为有关人员提供根本性参考。     

天然彩色茧新品种“秋芳×金玉”选育初报

"秋芳×金玉"是新育成的金黄色茧中丝量家蚕新品种。本文主要介绍了该品种的选育经过,分析了初步育成期实验室鉴定成绩和浙江省家蚕新品种实验室鉴定成绩以及农村试养情况,测试分析了该品种的茧丝色牢度。     

特早熟抗病棉花品种辽棉35选育及栽培技术

本文主要介绍辽棉35的选育过程、生物学特性、产量、纤维品质、抗病性及栽培技术要点。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。