广8优673试种表现及高产栽培技术要点

广8优673是用福建省农业科学院水稻研究所选育的福恢673与广东省农业科学院水稻所育成的优质抗病三系不育系广8A配组而成的三系晚籼杂交稻新品种,具有群体整齐、穗大粒多、丰产性好、适应性广、米质较优等特点,2015年通过福建省农作物品种审定。总结其特征特性及高产栽培技术要点。     

缙云茭白绿色安全栽培技术

导读:缙云县茭白种植历史悠久,且享有“浙江茭白之乡”“中国茭白之乡”的称号,近年来,茭白产业已成为缙云县的主要农业产业之一。为消除市民对茭白安全性的担忧,从基地选择、品种(系)选择、育苗、定植、施肥、水分管理、病虫防治等方面对缙云茭白绿色安全栽培技术进行了介绍。     

弱感光型杂交稻元优919在建阳示范种植表现与高产栽培技术

元优919是福建省农业科学院水稻研究所、福建亚丰种业有限公司和三明市农业科学研究院利用不育系元丰A与恢复系福恢919共同选育的中籼弱感光三系杂交水稻新品种,2015年通过福建省农作物品种审定。2016年在建阳区潭城街道回瑶村连片种植20.8 hm~2,测产验收平均产量9 314.00 kg/hm~2,最高产量9 652.20 kg/hm~2。总结了元优919在建阳区的示范种植表现及高产栽培技术。     

打造线上线下混合式"金课"积极推进课堂教学改革

引入翻转课堂的理念,以《机械制图》课程为例,打造基于翻转课堂的线上线下混合式"金课",增加课程难度,拓展课程深度,切实提高课程教学质量。该教学模式,突破了传统教学在时间和空间上的限制,加快推进信息技术与教育融合创新发展,实现线上线下混合式教学,积极推进课堂教学改革。两学期的试验表明,学生对该模式认可度较高,既能提高学生的自主学习能力,又能改善教学效果,具有一定的推广价值。     

5年生马尾松生长性状3地点家系变异及评价

[目的]研究3个试验点5年生马尾松生长和抽梢性状的家系遗传变异和遗传稳定性,为马尾松各栽植区选择优良材料提供科学依据。[方法]对2014年营建于湖北京山、湖南桂阳、广东信宜的5年生马尾松家系区域试验林进行生长及抽梢性状调查,分析各性状遗传变异规律及相关性,在此基础上评价家系的稳定性和速生性。[结果]5年生马尾松生长和抽梢性状在家系间、地点间和家系与地点互作间均存在极显著差异。3个试验点各性状的家系遗传力均大于单株遗传力,胸径、树高、轮盘总数和抽梢性状具有较高的遗传力,家系遗传力为0.72～0.96,单株遗传力为0.45～0.88。性状相关分析表明,速生的家系抽梢次数更多,当年抽梢较长,而第1次抽梢长度较短;采用AMMI模型根据家系树高和胸径的稳定性分析得出:ZP325、ZP386家系的树高稳定性最好,ZJ5153、ZJ39家系的胸径稳定性最好,GD8家系的胸径和树高稳定性均最差。以高出各试验点树高和胸径5.00%,且高于各试验点相应的1代种子园对照为速生性评价标准,在湖北京山、湖南桂阳、广东信宜分别评价出13、4和7个速生家系,其中,GLN2和GD7家系在3个试验点既速生又稳定,可作为3地点速生、稳定型优良家系。[结论]5年生马尾松生长和抽梢性状在家系间存在丰富的遗传变异,生长和抽梢性状受到较强遗传控制;速生家系抽梢次数较多,抽梢长度较长,但固定生长量较短;GLN2和GD7家系为3地点速生、稳定型优良家系。     

基于图像处理的茶叶智能识别与检测技术研究进展分析

作为茶叶智能化生产的关键难题之一,基于图像处理的茶叶智能识别与检测技术受到广泛关注。通过综述图像处理技术在茶叶嫩芽识别定位、茶叶病虫害检测、茶叶品种识别与品质检测等方面的研究应用,分析比较各方法的优缺点,总结现有研究存在的主要问题有嫩芽分割受光照影响较大、难以分割含与嫩芽颜色相近背景的图像、枝叶遮挡情况识别效果不理想、缺乏真实背景下茶叶病斑识别算法等。指出基于图像处理的茶叶智能识别与检测技术未来的研究重点:增加不同地域茶叶及品种的样本数据以提高算法普适性;采取多信息融合的方法以求获得更全面的茶叶嫩芽信息;枝叶遮挡严重情况下的识别策略可考虑借助机械装置或风机拨开枝叶,从而避免因枝叶遮挡而导致识别率低的现象发生。     

烤烟使用植物生长调节剂效果试验初报

为探索植物生长调节剂对烤烟生产效益的影响,设置了植物生长调节剂生产示范试验。结果表明,打顶后喷施植物生长调节剂对烤烟农艺性状、烤后外观质量、经济性状有影响,对上部烟叶开片降碱具有一定作用。     

“一带一路”驱动下的万里茶路新机遇

茶学界,鲜有学者将"一带一路"国家战略与万里茶路理清逻辑关系。世界聚焦"一带一路",无人不知,无人不晓。从历史和国际贸易的角度分析万里茶路使得中俄万里茶路形成的文化价值变得清晰可见。"一带一路"为万里茶路带来新的发展机遇。这一"世纪动脉"从目标、流程、策略、内容等多方面的创新将对中国经济产生深远影响。     

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。     

新型果园宽幅联合仿形修剪机设计与研究

针对目前修剪机修剪形状单一,适应性差,修剪机械通用性能低的问题,通过理论分析、三维模型设计、性能试验相结合的方法,设计针对新型果园的宽幅联合仿形修剪机。主要对该整机的机架结构、切割装置、传动系统、液压系统进行了设计,并分别对机架结构和切割装置的机构进行运动分析。试验结果表明:该修剪机切割高度范围为500～4 000 mm,向左最大移动幅度为1 530 mm,向右最大移动幅度为740 mm,左右最大摆角幅度为±25°,最大切割直径为60 mm,修剪漏割率为7.3%,修剪合格率为90.9%,切割断面质量和修剪形状符合农艺学的要求。该机适应性强,通用性能高,能满足多种修剪树形的需要。