小体积网箱养鱼技术

<正> 1991年我市在龙门水库进行了小体积高密度网箱养鱼技术研究。经过一年的试验,每立方米水体仅投资700元,产量最好达200kg,盈利792.50元,投入产出比为1∶2.2,取得显著的经济效益和社会效益。现将小体积网箱养鱼技术简述如下: 1 网箱的结构与设置 1.1 网箱的规格 1.1.1 箱体体积在不小于1m~3,不大于8m~3之间为宜。箱体小,利于增加网箱内外水体交换的量和次数,而且较小的网箱(最佳在1～4m~3)容易管理。在生产中一人可管理20～30只。     

保护地西葫芦主要病害发生及防治对策

西葫芦(Cucurbita pepo I.)别名茭瓜,原产于北美洲南部,故又称美洲南瓜.它是人们喜食的瓜类蔬菜.近年来随着保护地特别是日光温室的迅猛发展,西葫芦栽培面积迅速扩大,其保护地栽培面积在瓜类中仅次于黄瓜,已成为保护地栽培的主要品种之一,但是由于温室特殊的温湿小气候造成西葫芦病害发生严重,影响了西葫芦的品质和产量.为此,近两年我们对保护地西葫芦病害的发生规律及防治技术作了调查研究,现总结如下.     

对原蚕区熟蚕上蔟的几点思考

原蚕区养蚕是一家一户分散的养蚕方式,在生产实践中有时遇到这样的情况:有的户平时管理较好,养蚕条件也不差,虽然都是使用方格蔟上蔟并在养蚕前进行了消毒,但到茧质调查时,健蛹率反而不是很高。经过对比分析,对原蚕区熟蚕上蔟有以下几点思考。     

安福"红豆杉王"

江西省安福县章庄乡龙回村海拔约1000米的深山里生长着一株国家一级珍稀濒危保护植物红豆杉。这株红豆杉树围约2.5米,树高30米,树龄在1000年以上,树冠枝繁叶茂,如同一把巨大的绿伞覆盖周围300平方米的地面,被当地人称为"红豆杉王"。红豆杉树形美丽,是改善生态环境、建设秀美山川的优良树种。此外,从红豆杉中提取的紫杉醇具有广泛的药用价值。     

水稻铵转运蛋白基因OsAMT1;2的启动子分析

AMT是介导植物铵态氮高亲和吸收的跨膜蛋白,已报道编码AMT蛋白的大部分基因的表达依赖外界氮水平和环境的调控,但调控的机制目前尚不清楚。水稻的Os AMT1;2基因在氮缺乏条件下强烈诱导表达,因此,本研究从水稻基因组DNA中PCR克隆Os AMT1;2基因上游1 940 bp的启动子序列,采用软件和试验分析Os AMT1;2启动子存在的顺式调控元件与外界氮调控的相关性。软件预测结果表明,启动子区域内除含有TATA-box和CAAT-box外,同时含有多种非生物胁迫、生物胁迫、激素响应和光响应相关的顺式作用元件,如Box-w1、MBS、Me JA、TATC和ERE应答元件。将Os AMT1;2启动子的5′端顺序删除获得5个不同缺失片段分别与GUS报告基因融合构成表达载体,通过农杆菌介导转入水稻成熟胚诱导的愈伤组织中获得转基因水稻,T1代植株水平上的GUS活性分析表明,最短启动子片段(–211 bp)能够启动GUS表达,但是GUS活性较低,对缺氮效应也不显著;中等长度启动子片段(–763 bp)的GUS活性提高,受缺氮诱导显著,且缺氮诱导不再随启动子长度增加而显著增强,说明应答氮响应的顺式作用元件位于–211 bp和–763 bp之间,非生物胁迫和激素相关的顺式作用元件多在这个区域内,是否与氮的调控存在相关性有待后续进一步证明。     

高大平房仓入粮中的问题及建议

最近河南濮阳国家粮食储备库新建的高大平房仓5万ｔ压仓粮入库工作已全部结束,现根据入仓过程中遇到的问题提出以下几点建议,供大家讨论。1　入库粮质情况　入粮过程中,大批来粮质量把关很重要,从各项指标来看,水分、杂质、容重、不完善粒都有规定标准,操作起来比较容易把握。但要达到新仓装新粮的要求,却存在小麦的新陈鉴定很难准确掌握的问题,因此,建议有关部门能够研制和提供新陈小麦快速鉴定仪或快速鉴定方法。2　入粮机械情况　目前,用于高大平房仓的装仓机械都不能解决多点卸粮和自动分级问题,入仓时还要动用大量的人工在仓内扒堆和摊…     

基于OpenCV的大豆籽粒多表型参数获取算法

大豆籽粒的表型参数获取对大豆育种具有重要的作用。现有的深度学习算法获取的大豆籽粒表型性状较少，且识别表型的神经网络模型训练成本高。本研究基于OpenCV图像处理库，提出了一种提取大豆籽粒多表型参数的算法，从大豆图像中一次性获取籽粒的多种表型性状参数，同时能识别大豆的优劣品质。将每个待测大豆单株的所有籽粒拍成一张图像，首先对大豆籽粒图像进行二值化、去噪等预处理，然后采用分水岭算法和改进的目标分割算法提取图像中的大豆籽粒轮廓。根据大豆籽粒的轮廓信息，调用OpenCV图像处理函数计算大豆籽粒的个数、长轴长度、短轴长度、面积、周长等多个表型性状参数。引入圆形度识别残缺大豆籽粒，使用RGB阈值判断识别病变大豆籽粒。测试结果表明，采用本文算法计算的颗粒总数识别率为98.4%，大豆籽粒正确识别率为95.2%，破损大豆和病变大豆的识别率分别为91.25%和88.94%，籽粒的长轴长度与短轴长度的测量精度分别为96.8%、95.8%；引入多进程并行计算，该算法的 处理215张图片时间为248.9 s，相对于单进程计算缩短了约2/3，实现了低成本高通量的高精度大豆籽粒多表型性状参数的自动获取，为大豆籽粒自动化考种提供有效的处理方法。