母猪饲养管理要点

养猪业是否赚钱,关键在于对母猪的饲养管理。要想提高养猪生产水平,在相同条件下获得最佳经济效益,就必须做好母猪饲养管理的相关工作。母猪是养殖场经济效益的"发动机",做好母猪的体况管理有助于维持母猪群的健康,提高母猪群饲料利用率,延长母猪群使用年限,充分发挥母猪的遗传潜力和提高母猪终生的繁殖性能。     

1株猪源2009/H1N1流感病毒反向遗传系统的建立

为建立1株猪源2009/H1N1流感病毒A/swine/Heilongjiang/44/2009(HLJ44)的反向遗传系统,利用双向表达质粒p HW2000,分别构建了该病毒株8个基因节段的重组质粒,将其共转染于293T和MDCK混合培养的细胞,拯救出重组病毒R-HLJ44。测序结果表明,R-HLJ44与亲本病毒HLJ44的核苷酸序列完全一致;二者在细胞上具有相似的增殖特性;抗原性未发生变化;分别以106TCID50的剂量鼻腔感染BALB/c小鼠,结果显示R-HLJ44与亲本HLJ44在小鼠脏器中的复制滴度也基本一致。以上结果表明拯救的重组病毒保持了与亲本病毒一致的生物学特性。该病毒反向遗传系统的建立,为进一步研究H1N1亚型流感病毒的致病分子机制及新型疫苗研制等奠定了基础。     

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。     

武夷岩茶种质资源遗传多样性与亲缘关系的SRAP分析

本研究利用SRAP-PCR反应体系,从88对SRAP引物组合中筛选出43对引物组合,对武夷岩茶主要的30份种质资源进行SRAP分析,共扩增出385条带,其中具有多态性的有236条带,占总数的61.30%,表明30份武夷岩茶种质呈现一定的遗传多样性。武夷岩茶种质资源间遗传距离变幅在0.31~0.98之间,平均为0.63,基于SRAP标记利用系统聚类法把武夷岩茶分为三大类,为武夷岩茶遗传研究、品种选育与资源保护提供参考。     

基于荧光SSR标记的毛白杨核心种质构建

  目的  研究毛白杨核心种质的取样策略，在进行相应的遗传分析基础上，构建核心种质，分析其遗传多样性，为毛白杨种质资源库建设、引种和新品种选育提供科学依据，亦为其他树种核心种质构建提供参考。  方法  基于16对荧光SSR引物，利用毛细管电泳技术分析272份毛白杨和白杨杂种种质不同取样比例的遗传多样性参数。根据期望杂合度，计算每个样品对总体遗传多样性的贡献值，然后对所有样品根据贡献值从大到小进行排序。通过比较贡献率最高的前50%、45%、40%、35%、30%、25%、20%和15%取样比例获得的平均有效等位基因数（Ne）、平均Shannon信息指数（I）、平均期望杂合度（He）等，分析核心种质的代表性，确定其合适的取样比例。  结果  随着取样比例的降低，Ne、I和He值均在升高，均大于原始种质相应数值，而且He值均大于0.5，表明具有丰富的遗传多样性，而原始种质的He值小于0.5。按照25%取样比例，得到前68名种质，其中包含18份杂种种质以及所有省份选出的部分优异种质。所得到的Ne、I和He分别是2.761、1.094和0.539，均大于原始种质的相应值2.075、0.825和0.432。t检测结果表明，核心种质与原始种质的遗传多样性无显著差异，表明这68份种质在遗传多样性方面具有可靠的代表性，可以作为核心种质。北京的种质与河北的种质遗传一致度最高，为0.997；与山西次之，为0.990。  结论  毛白杨核心种质的最佳取样比例是25%，最佳取样范围为20% ~ 40%，如果种质资源数目较大，可以适当降低至15%，如果基数较小，可以升高至45%。He、Ne、I等均表明这些核心种质具有丰富的遗传多样性。杂种种质遗传变异丰富，聚合了亲本的优良等位基因，首次从分子水平证明了杂种种质是毛白杨遗传改良的重要育种资源。建议相关部门或者育种者要高度重视白杨杂种种质的收集、保存和再利用。      

基于双向准Z源逆变器的无刷直流电机驱动系统研究

针对农用电动运输车直流电源电压降落而导致的动力降低,以及车辆行驶工况复杂多变等问题,设计一种基于双向准Z源逆变器的无刷直流电机驱动系统。以STM32F103C8T6为控制器,完成驱动系统的硬件电路设计。通过直流母线方波升压和SVPWM控制策略,使无刷直流电机驱动系统具有ON-PWM斩波、准Z源方波升压、准Z源SVPWM三种驱动模式。最后搭建驱动系统的试验平台,取直流电源电压U_(dc)=24 V,直通占空比D_0=0.2,准Z源方波升压和准Z源SVPWM都将逆变桥的直流母线电压提升至40 V以上,有效解决直流电源电压降落的问题。驱动系统根据加速、爬坡、重载等具体工况快速、准确地切换工作模式,满足车辆的动力需求,提高车辆行驶的安全性和可靠性。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。     

香蕉与B基因组相关的SCAR标记研究

香蕉(Musa L.)是由2个二倍体野生种Musa acuminata Colla(AA基因型)和Musa balbisiana Colla(BB基因型)种内或种间杂交进化而来,其B基因组中带有重要的优良基因。利用与香蕉B基因组相关的gypsy-IRAP分子标记,成功开发了一对SCAR引物,适用于鉴定尖叶蕉(AAw)、长梗蕉(BB)、香牙蕉(AAA)、贡蕉(AAcv)、大蕉、粉蕉(ABB)、粉大蕉(ABB)、龙牙蕉(AAB)以及四倍体香蕉(AAAB)等是否含有B基因组。