冬小麦新品种京核一号的选育

京核一号冬小麦品种是利用太谷核不育小麦，通过阶梯杂交选育的新品种，具有抗旱、抗寒、抗病、高产、稳产、白粒优质、千粒重高等优点。体现了太谷核不育小麦能集主效基因和微效基因共同作用的理论。     

RAPD标记在油菜核不育两系及其杂种纯度检验上的研究：I.DNA快速制备及纯度检测

DNA分子标记技术是检测遗传差异的一项新技术，特别是RAPD标记技术应用更加广泛，DNA质量是保证RAPD分析成功的关键。本文采用改良SDS法对油菜叶片总DNA进行了提取，经琼脂糖凝胶电泳和紫外光光度计分析，结果表明：1、所提取的DNA浓度和纯度都高，可以作为分子生物学研究所用，并为本实验后续的PCR扩增奠定了良好的材料基础；2、不同时期叶片DNA的含量不一样，苗期幼叶DNA含量比青荚期无柄叶DNA含量高。     

水稻同核异质广亲和不育系细胞质效应的研究

利用同核异质广亲和不育系真系秋光A, 研究3种不育细胞质对杂交稻16个性状的遗传效应. 结果表明: (1) 不育细胞质在结实率、每穗实粒、单株产量、株高4个性状上表现显著的负效应, 在抽穗期、千粒重2个性状上表现显著的正效应, 单株穗数、每穗总粒及8个品质性状不育细胞质效应不显著, 不育细胞质效应与相对效应的分析结果基本     

陆地棉同核异质系异源胞质的遗传效应

通过核代换培育了具有亚洲棉(G.arboreum)、草棉(C.herbaceum)、异常棉(G.anomalum)、长萼棉(G.longicalyx)、哈克尼西棉(G.harknesii)、海岛棉(G.barbadense)、和陆地棉(C.hirsutum)野生种系蓬蓬棉(G.h.purpurascens)、墨西哥野生棉(C.h.mexicanum)等8个棉属种和种系胞质的中棉所7号同核系,并培育了中棉所7号自交系。在检验同核异质系核的同质性基础上研究了胞质遗传效应,结果所有供研究的胞质对产量、产量性状及除花器官外的形态特征均没有显著影响,胞质的遗传效应主要表现对花器官及抗枯萎病性的影响;哈克尼西棉胞质导致雄性完全不育并显著增加花药数量,笔形冠长度和直径显著变小,亚洲棉和异常棉胞质引起花药数量显著减少,笔形冠形状发生显著变化,亚洲棉胞质对抗枯萎病有较显著效应。     

低温敏优质光温敏核不育系茂康S 10的选育

茂康S 10是贵州好茂康农业科技有限责任公司用360 S为母本,优质中籼稻金麻粘为父本杂交选育而成的两用核不育系,该不育系株叶型好,不育起点温度23.5℃,不育期长,可繁性好,柱头外露率高,异交结实性好,配合力强,于2003年7月通过贵州省审定。配组的两系杂交稻茂优201于2005年6月通过贵州省审定。     

显性核不育油菜圆叶纯合两型系Gd1AB的选育

采用杂交、兄妹交和自交等育种手段，育成园叶显性纯合两型系Gd1AB。利用该两型系与花叶临保系进行全不育系制种，圆叶可作为苗期育性的指示性状，能有效地区别纯合两型系内可育株迟拔或漏拔而产生的杂株，从而提高全不育系的纯度。     

高油份高蛋白黄籽双低隐性核不育系2716AB的选育及应用

油菜是我国的主要油料作物 ,年种植面积上亿亩 ,油菜新品种的选育和栽培技术水平将直接影响着我国的油菜生产 ,进而影响油脂加工企业的生产和广大人民食用植物油的水平。育成高产优质甘蓝型油菜新的不育系将为油菜杂种优势的利用奠定新的基础。加拿大是世界上最早开展双低油菜品种选育和普及推广双低油菜品种的国家 ,育成的品种芥酸含量小于1% ,硫苷小于 30 μmol/ g·饼 ,含油量在 4 2 %以上 ,因而其生产的商品籽具有很强的国际竞争能力。尤其是菜籽的含油率高而倍受油脂加工部门的青睐。我国加入 WTO后 ,面临着国际油菜籽的竞争。育成高…     

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。     

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。