氧化应激与仔猪健康及其营养调控

随着我国畜牧业特别是现代养殖业集约化程度的提高以及人们对动物福利意识的增强,动物应激医学已成为动物医学的重要组成部分,其中畜禽氧化应激已逐渐发展成为一个重要的研究领域。生产实践中,部分维生素和微量元素缺乏或过量、饲粮氧化酸败和霉菌毒素污染等,都会导致机体氧自由基过量产生和/或细胞内抗氧化防御系     

低数据集下基于ASPP-YOLO v5的苋菜识别方法研究

针对田间苋菜识别存在准确率低、样本数量少等问题,通过引入扩展感受野和提取上下文信息的ASPP注意力机制改进YOLO v5苋菜识别模型,在低数据集下改进后的模型能够显著提高F1值和mAP。实验结果表明,在低数据集下引入ASPP注意力机制后苋菜识别模型F1值提高13个百分点、mAP提高18.6个百分点。采用横向录制的方式苋菜被检测到的概率提高15.4个百分点。因此,本研究为苋菜或其他杂草在低数据集下的识别提供了有效的方法,为农业领域的杂草识别和管理研究提供了参考。     

海参多肽提取工艺研究

[目的]研究提高海参多肽得率及其活性的工艺。[方法]探讨复配法对海参多肽得率及活性的影响,用谷胱甘肽作标准,采用邻二氮菲法测定其活性指标。[结果]海参多肽在VC0.1%、VE0.2%、卵磷脂2.0%条件下,样品活性比市售产品高50%左右,得率7.12%。[结论]该研究为海参深加工提供了有效思路。     

猪营养与营养源

营养对生物性状的表达、生产性能、经济效益有着明显的影响。营养的全部内涵包括营养素、营养源、营养水平和营养组合。营养及营养源的重要性有待深入认识。本文以猪为例,在讨论营养重要性的基础上,总结了近年来本研究室在营养源方面的研究进展,以推动这方面的深入研究。     

饲粮消化能和可消化赖氨酸水平对长荣杂交生长猪生长性能及胴体品质的影响

本试验旨在研究饲粮消化能水平和可消化赖氨酸与消化能比值对长白×荣昌(长荣)杂交生长猪生长性能及胴体品质的影响。试验选用144头初始体重约为27.05 kg的健康长荣杂交猪,按体重相近、公母各占1/2的原则随机分为6个处理,每个处理6个重复,每个重复4头猪。采用2×3因子设计,即饲粮消化能水平分别为13.00和14.50 MJ/kg,饲粮可消化赖氨酸与消化能比值分别为0.50、0.60和0.70 g/MJ。分别测定生长猪的生长性能、胴体性状、肉品质和血清生化指标。结果表明:饲粮消化能水平升高,显著提高生长猪平均日增重、胴体重、屠宰率和血清尿素氮含量(P<0.05),显著降低平均日采食量、料重比和滴水损失(P<0.05),且有提高血清低密度脂蛋白胆固醇含量(P=0.07)及降低血清甘油三酯含量(P=0.06)的趋势。随着饲粮可消化赖氨酸与消化能比值的增加,生长猪眼肌面积、血清尿素氮和高密度脂蛋白胆固醇含量显著增加(P<0.05),肌内脂肪含量显著降低(P<0.05),且料重比有提高的趋势(P=0.05),平均背膘厚呈降低的趋势(P=0.09)。饲粮消化能水平和可消化赖氨酸与消化能比值对生长猪胴体瘦肉率、血清尿素氮、肌肉pH45 min和pH24 h的影响存在显著交互效应(P<0.05)。以上结果表明,在保持氨基酸模式一致条件下,饲粮消化能和可消化赖氨酸水平对长荣生长猪的生长性能和胴体品质影响显著,综合评定可知,生长阶段的长荣猪最佳生长潜能和最优胴体品质所需的饲粮消化能和可消化赖氨酸水平分别为14.50 MJ/kg和0.73%。     

基于L系统的大豆根系模型构建及可视化

深入分析了大豆根系形态特征与生长特性,根据大豆根系生长呈S形曲线的特点,基于逻辑斯蒂方程对采集的根系数据进行了回归分析,获取大豆根系的生长方程。根据大豆根系形态结构具有自相似性特点,设计了大豆根系L系统,并在VC++环境下利用OpenGL技术实现了大豆根系拓扑结构模型的构建及可视化模拟。     

基于关键点存取的虚拟植物碰撞检测方法的研究

针对虚拟植物可视化模拟过程中的碰撞检测算法复杂等问题,提出了基于关键点存取的碰撞检测方法.该方法对植物生长特点进行分析,将要碰撞检测的植株进行关键生物点的提取和比较,采用邻接表的形式对关键点进行存储,使用深度优先遍历法进行查找.这种方式将有效减少关键点的比较数量,提高了碰撞检测速度.     

猪营养与肠道健康

肠道不仅在消化吸收营养物质过程中发挥着重要作用,而且是机体的重要免疫屏障,肠道健康水平决定着动物的健康状况。肠道结构的完整性和功能的正常发挥均需要通过获取各种营养物质来维持,因此,日粮中各种营养成分对肠道健康十分重要。本文综述了近年关于猪肠道营养成分对肠道健康影响的研究进展。     

对比Bayesian B等多种方法的大豆全基因组选择应用研究

为提高育种家选种选育的效率,运用统计学手段对两组大豆的基因型数据及对应的真实性状设置不同遗传力及有效位点数,模拟不同性状进行运算来预测精准值。采用交叉验证重复百次使预测值趋于稳定,对比分析Bayesian B及常见的几种基因组选择方法。结果图形直观展示出Bayesian B方法效果较好且较稳定,说明Bayesian B方法在大豆全基因组选择上有较明显的优势,可以在大豆育种分析中辅助使用。同时,介绍了Bayesian B方法的应用,以便指导大豆品种选育。     

基于深度学习的密闭式猪舍内温湿度预测模型

针对目前猪舍环境控制中传感器只能实现对当前环境状况的监测，无法对猪舍内环境变化趋势作出预判，不能提前对环境控制设备运行状态进行调节，在一定程度上造成环境控制效果滞后的问题，基于深度学习方法，结合实际传感器监测的历史数据和猪舍外影响数据，建立了长短时记忆（Long short term memory，LSTM）网络预测模型，实现了精确的猪舍内温湿度变化预测。结果表明，猪舍内冬季和夏季温湿度预测值与实测值变化趋势一致，温度最大误差1.9℃，平均误差为0.5℃；相对湿度最大误差为13.5%，平均误差为2.3%；温度和相对湿度预测的平均决定系数分别为0.821和0.645。本文建立的预测模型具有较优性能，可为制定优化的猪舍内环境控制策略，解决环境控制效果滞后问题提供可行的参考。