基质栽培与土壤栽培对越心草莓蔗糖和柠檬酸积累的影响

为了解基质栽培和土壤栽培条件下草莓果实品质形成的差异,探究其影响规律,以越心草莓为材料,测定果实不同发育时期的蔗糖和柠檬酸含量,以及相关基因的表达量。结果显示,土壤栽培条件下蔗糖和柠檬酸含量高于基质栽培,其中,蔗糖积累的差异主要体现在草莓果实的尖部,柠檬酸积累的差异在果实尖部和基部。FaSPS2基因是土壤栽培和基质栽培蔗糖积累差异的关键基因,与蔗糖积累呈正相关。FaACO1、FaACO3基因的表达量与柠檬酸的积累呈负相关,基质栽培中FaACO1、FaACO3的表达量显著高于土壤栽培,导致基质栽培的成熟草莓果实中的柠檬酸含量低于土壤栽培。因此,FaSPS2、FaACO1和FaACO3基因在越心草莓蔗糖和柠檬酸含量的积累中发挥了重要作用,土壤栽培较基质栽培可能更有利于越心草莓蔗糖和柠檬酸含量积累。     

3个草莓品种在广西南宁市露地种植表现及品质特性

为筛选出适宜广西南宁地区露地栽培的草莓良种,引进‘京藏香’、‘京桃香’、‘红颜’3个草莓品种并进行试种和调查分析。结果表明,‘京藏香’、‘京桃香’、‘红颜’在露地栽培条件下物候期与‘甜查理’较接近,果实可溶性固形物含量都在10.5%以上,果实大小适中,平均单株产量在0.211 kg以上,平均单位面积产量在18990 kg/hm²以上。这些草莓品种产量较高,果实品质优良,抗性中等或偏弱,在做好水肥管理和病虫害综合防治的情况下可作为优良品种进行推广。     

南五味子木脂素复合涂膜液在草莓保鲜中的应用

草莓在采收和贮运中易受损伤和病原微生物侵染而腐烂变质,影响其商品价值。为研究南五味子木脂素复合涂膜液对草莓保鲜效果的影响,以南五味子为材料,采用超声辅助乙醇浸提法提取其木脂素。以抑菌圈直径为指标,南五味子木脂素对3种供试菌的抑菌效果从强到弱为大肠埃希氏菌>沙门氏菌>金黄色葡萄球菌。考察南五味子木脂素、叶绿素铜钠、魔芋葡甘聚糖、氯化钙4个组分对草莓失重率、可溶性固形物含量、Vc含量的影响。在单因素实验基础上进行响应面优化实验,得到南五味子木脂素复合涂膜液的最优配方为0.32%木脂素+0.0021%叶绿素铜钠+0.27%魔芋葡甘聚糖+1.0%氯化钙,将制备的复合涂膜液应用于草莓贮藏实验,使用复合涂膜液的草莓的失重率下降73.86%,可溶性固形物含量提高67.55%,Vc含量提高21.80%,与对照组相比保鲜效果显著提高,可以作为草莓保鲜的技术参考。     

合肥草莓基地土壤重金属污染风险评价

采集合肥市某草莓基地区域100个样点的土壤,测定表层土壤（深度分别为0～10 cm和10～20 cm）的6种重金属（Cd、Hg、As、Pb、Cr和Cu）,利用地累积指数方法对草莓种植土壤重金属的污染程度和生态风险进行评价,并结合多元统计分析探讨重金属来源。结果表明,Pb、Cd、Hg、Cu和Cr虽对草莓基地部分区域的土壤有一定程度的累积和污染,但污染风险低;主成分分析表明,Pb、Cd、As、Cu和Hg源于人类农业活动,Cr源于土壤母质及风化累积。显示草莓基地整体区域的土壤重金属生态风险低,种植基地土壤重金属未对草莓质量安全产生影响。     

基于改进YOLO v3的自然场景下冬枣果实识别方法

为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3（YOLO v3-SE）的冬枣果实识别方法。YOLO v3-SE模型利用SE Net 的SE Block结构将特征层的特征权重校准为特征权值,强化了有效特征,弱化了低效或无效特征,提高了特征图的表现能力,从而提高了模型识别精度。YOLO v3-SE模型经过训练和比较,选取0.55作为置信度最优阈值用于冬枣果实检测,检测结果准确率P为88.71%、召回率R为83.80%、综合评价指标F为86.19%、平均检测精度为82.01%,与YOLO v3模型相比,F提升了2.38个百分点,mAP提升了4.78个百分点,检测速度无明显差异。为检验改进模型在冬枣园自然场景下的适应性,在光线不足、密集遮挡和冬枣不同成熟期的情况下对冬枣果实图像进行检测,并与YOLO v3模型的检测效果进行对比,结果表明,本文模型召回率提升了2.43~5.08个百分点,F提升了1.75~2.77个百分点,mAP提升了2.38~4.81个百分点,从而验证了本文模型的有效性。     

基于迁移学习和双线性CNN的细粒度菌菇表型识别

为了对细粒度菌菇进行表型识别,在双线性卷积神经网络细粒度图像识别框架基础上,提出了一种基于迁移学习和双线性Inception-ResNet-v2网络的菌菇识别方法。利用Inception-ResNet-v2网络的特征提取能力,结合双线性汇合操作,提取菌菇图像数据的细粒度特征,采用迁移学习将ImageNet数据集上预训练的模型参数迁移到细粒度菌类表型数据集上。试验表明,在开源数据集和个人数据集上,识别精度分别达到87.15%和93.94%。开发了基于Flask框架的在线菌类表型识别系统,实现了细粒度菌菇表型的在线识别与分析。     

基于多源信息融合的中文农作物病虫害命名实体识别

随着农作物病虫害研究文献的快速增长,对农作物病虫害领域文献进行文本挖掘变得越来越重要。开发有效、准确的农作物病虫害命名实体识别系统有助于在农作物病虫害相关研究报告中提取研究成果,为农作物病虫害的治理提供有效建议。本文针对中文农作物病虫害数据集缺失问题,提出了基于半远程监督的停等算法,利用该算法构建中文农作物病虫害领域语料库,大幅度减少标注过程的人工成本和时间成本;同时,提出了中文农作物病虫害命名实体识别模型（Agricultural information extraction, Agr-IE）,该模型基于BERT-BILSTM-CRF,辅以多源信息融合（多源分词信息和全局词汇嵌入信息）丰富字符向量,使其充分结合字符级与词汇级的信息,以提高模型捕捉上下文信息的能力。实验表明,该模型可以有效地识别病害、虫害、药剂、作物等实体,F1值分别为96.56%、95.12%、94.48%、95.54%,并对识别难度较大的病原实体具有较好的识别效果,F1值为81.48%,高于BERT-BILSTM-CRF、BERT等模型的相应值。本文所提模型在MSRA和Weibo等其他领域数据集上与CAN-NER、Lattice-LSTM-CRF等模型进行了对比实验,并取得最佳的识别效果,F1值分别为95.80%、94.57%,表明该算法具有一定的泛化能力。     

基于深度学习和图像处理的水果收获机器人抓取系统

首先,介绍了水果收获机器人抓取系统的总体架构;然后,利用深度学习对水果目标识别进行了研究,实现了一套基于卷积神经网络的目标检测算法;接着,利用图像处理技术实现了对目标物体定位的功能,可以引导水果收获机器人完成对目标水果的采摘。实验结果表明:水果收获机器人抓取系统对水果坐标的计算误差较小,且具备较强的水果识别和定位能力。     

连阴雨寡日照对大棚草莓小气候、产量和品质的影响

为分析冬春季连阴雨寡日照对大棚草莓产量和品质的定量化影响,探究其影响规律,促进草莓生产减灾增收,实验筛选3个连阴雨寡日照天气发生较重的典型受灾年份,将未发生该灾害的相近年份同时段作为对照,对比分析草莓棚内气象要素、果实产量和品质相关指标,根据上述年度数据差异进一步分析了受灾最重年份逐月果实产量品质指标,以探究连阴雨寡日照天气对大棚草莓果实生长、果实产量、品质等相关指标的影响。结果显示,连阴雨寡日照年份与对照年份的棚内各小气候要素差异较明显,与对照年份相比,发生连阴雨寡日照时段的日均温平均偏低2.5 ℃,相对湿度平均偏高13.5%,太阳辐射平均偏低61.4%;连阴雨寡日照年份较对照年份年产量平均减产11.6%,连阴雨导致果实生长迟滞,果实横纵径均较对照年份偏小,果实畸形和病害影响加重,畸、烂果明显比正常年份偏多;连阴雨寡日照年份逐月产量受影响较重,且有滞后发灾特点,该灾害发生时段对可溶性固形物抑制作用较明显,当灾害结束、天气转好后,该指标能在较短时间内反弹。本研究可为下一步开展大棚草莓连阴雨寡日照灾害防御技术研究奠定基础。     

改进RetinaNet的刺梨果实图像识别

为实现加工车间刺梨果实的快速识别,提出一种基于改进的RetinaNet刺梨果实图像的识别方法。基于RetinaNet的模型,对RetinaNet框架中Focal loss的bias进行改进,使其能根据不同的情况控制bias的取值,再运用维度聚类算法找出Anchor的较好尺寸并匹配到相对应的特征层,对卷积神经网络结构进行优化。通过改进RetinaNet目标检测算法对7426幅刺梨果实图像进行检测识别,并与原始RetinaNet目标检测算法对比。试验结果表明:改进的RetinaNet网络模型识别方法对6类刺梨果实的识别率分别为99.47%、91.42%、96.92%、90.92%、96.89%和93.53%,平均识别率为94.86%;相对于原始RetinaNet目标检测算法,改进算法的识别准确率提高4.21%,单个刺梨果实检测时间由60.99 ms缩减到57.91 ms,检测时间缩短5.05%。本文改进算法对加工车间刺梨果实的识别具有较高的正确率和实用性。