春小麦新春31号种子活力与穗位和籽粒成熟度的关系

为确定新疆主栽春小麦品种新春31号的种子活力与穗位、成熟度的关系,分别在花后15d、20d、25d、30d、35d收获穗上部、中部和下部种子,测量种子长、宽、厚、千粒重等性状,并通过发芽实验分析发芽率、幼苗高度、干鲜重等种子活力指标。结果表明,花后35d收获的穗中部种子发芽率、发芽势均最高。在同一部位,随着收获期的延迟,种子长度、宽度、厚度、千粒重、幼苗干鲜重和种子活力指数呈明显的上升趋势,种子活力指数表现为中部穗位下部穗位上部穗位。经逐步回归分析,种子活力与千粒重和籽粒宽度的相关性最好,因此这两个指标可用作筛选高活力种子的主要指标。     

郭予元院士在小麦害虫预测和治理上的学术贡献——纪念郭予元院士诞辰90周年

本文回顾了郭予元院士在小麦害虫预测和治理上的重要贡献，主要包括：在20世纪70-90年代，创新了害虫生物学与生态学有机结合方法，显著提升小麦害虫预测技术水平。从宏观到机理，突破了多项小麦害虫治理关键技术，包括小麦品种抗吸浆虫鉴定技术与抗吸浆虫机制，创新性提出吸浆虫成虫期防治及穗期保护策略；利用田间开放式控制虫量的办法建立小麦蚜虫防治阈值及复合防治指标；麦田天敌资源的保护及利用。面向小麦生产实际，创建小麦吸浆虫综合治理技术体系。吸浆虫穗期保护策略和技术、蚜虫防治指标与防治适期等研究成果一直传承至今，列入我国农业行业标准和国家标准。本文还介绍了在后续小麦吸浆虫、蚜虫预测与防控研究与实践中，传承与发展郭予元院士的学术思想，以及未来研究展望。     

基于改进YOLOX-s的田间麦穗检测及计数

麦穗检测与计数关乎小麦的产量预估与育种，估算小麦产量的重要指标之一就是单位面积穗数，如何准确检测单位面积穗数对于农业生产管理决策有着重要的指导作用。因此本研究提出了基于改进的YOLOX-s的田间麦穗检测方法对麦穗进行精准识别与计数。首先，选取多个国家的不同品种小麦图像，使用图像增强、数据清洗等方法建立全球小麦图像数据集。其次，在YOLOX-s的基础上根据麦穗图像的特点，重新设计了特征提取网络的深度，同时加入注意力机制，充分提取麦穗特征。将SPP模块替换为SPPF模块，在提升推理速度的同时，不降低模型性能。通过全球小麦图像数据集进行模型训练，并使用实地拍摄的麦田图像对模型进行测试。试验结果表明：通过全球小麦图像数据集的训练，改进的YOLOX-s网络模型的mAP达到了89.03%,精确度达到了91.21%。在实拍的麦田图像中，计数准确率达到了97.93%,平均单幅图像计数为0.194 s,单株小麦识别速度为2.8 ms,检测速度较YOLOX-s提升30.2%,计数速度优异，麦穗定位准确。