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。     

西南地区油菜品种根肿病抗性及布局分析

为明确西南地区主栽油菜品种根肿病抗性,以期为合理品种布局提供依据,降低根肿病的危害和损失。结合病圃根肿病菌生理小种鉴定,在四川安县、大邑、广汉三地区,采用病圃自然发病法,对80个油菜品种进行根肿病抗性评价,并对22个品种连续3年进行抗性跟踪。结果表明：三地区病圃根肿菌为存在基因型分化的4号生理小种;供试油菜品种中无免疫根肿病品种,安县、大邑、广汉三地感病品种分别占比88.75%、83.75%、87.50%,其中55个品种在三地区均表现感病,即不适宜在根肿病菌为4号生理小种区域种植;抗性跟踪评价显示不同品种的抗性稳定性存在差异。‘浙油50’、‘油罐罐’适宜安县地区种植,‘黄金荚’、‘金油858’、‘油研9号’、‘种都油998’和‘渝黄4号’适宜大邑地区种植,‘志远油8号’适宜广汉地区种植。‘绵丰油5号’、‘德名油1号’表现抗性丧失趋势;‘丰油精’、‘高油48’抗性不稳定;‘矮架早’抗性完全丧失。     

抗白粉病胡麻种质资源田间鉴定与筛选

白粉病目前已成为影响胡麻产量和质量最常见的病害之一, 种植抗病品种是防控病害最经济环保的有效措施, 然而抗病亲本材料的缺乏已成为制约抗病品种选育的关键因素。为筛选出抗白粉病胡麻材料, 本研究在田间自然感病的条件下, 采用病情指数法对300份国内外胡麻种质资源材料进行了抗白粉病鉴定和评价。结果表明, 所有供试材料均程度不同地感染胡麻白粉病, 无免疫材料, 仅有5份材料为中抗; 其余295份均为感病材料, 其中8份材料中感, 52份材料感病, 235份材料高度感病。本研究可为抗白粉病胡麻品种的培育及相关抗病基因的发掘提供参考。     

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。     

家蚕品种单粒茧丝疵点差异及遗传性研究初报

采用小黑板机检验单粒茧丝疵点方法,研究家蚕品种间单粒丝疵点差异,探索家蚕品种单粒茧丝疵点的遗传特性。研究结果表明:不同蚕品种单粒茧丝疵点数量存在差异,且具有遗传性,"疵点少×少"的F1代茧丝疵点数显著低于"疵点多×多"的F1代。     

海绵城市绿化设计初探 ——以《李沧区区委党校改造工程》为例

青岛市作为第二批国家海绵城市试点城市,海绵城市实践正如火如荼。《李沧区区委党校改造工程》作为青岛市李沧区海绵城市试点项目,其实施对青岛市海绵城市建设的顺利推进具有重要的示范意义和引导作用,备受各级领导及人民的重视。项目完成后两年,各级反响良好。本项目共利用了透水混凝土、透水沥青混凝土、透水砖、蓄水池、雨水罐、雨水收集池、雨水花园、下沉式绿地、绿色屋顶、植草沟、水平阶共11项海绵城市技术措施。其中,雨水花园、下沉式绿地、绿色屋顶、植草沟、水平阶的设计对绿化设计带来极大影响。首先,海绵措施布于绿地中,改变了绿地形态,给植物的配植方式带来极大的改变;其次,道路上的油污、沙尘、融雪剂及其他一些有害物质等随水进入到绿地中,对植物的生长产生影响;第三,植物品种的耐水湿、耐旱等抗性有更高的要求;最后,青岛地区冬季落叶期长,冬季景观效果如何保证。     

2株毒死蜱降解菌的分离鉴定及其混合降解特性研究

从生产毒死蜱农药厂采集的活性污泥中分离筛选得到2株降解效率较高的毒死蜱降解菌,命名为D1、D3,根据表型特征、生理生化特性和16 S rRNA基因序列相似性分析,将其鉴定为苍白杆菌属(Ochrobactrum sp.)和副球菌属(Paracoccus sp.)细菌。2株菌以最佳配比(1∶1.25)混合施用时,与单菌相比,毒死蜱降解效率可提高12%~26%;以混合菌株为研究对象,发现其对毒死蜱最适降解温度为30℃,最适降解pH值为7.0,最适NaCl浓度为0.5%;混合菌株施入土壤后,可保持较高的定殖能力和降解效率。     

8株优良大豆根瘤菌与不同地区27个大豆主栽品种的匹配性研究

大豆是我国重要的油料作物和高蛋白粮饲兼用作物,具有与根瘤菌共生固氮的能力。近十几年来,我国大豆品种更新快,导致大豆根瘤菌株与新品种匹配能力差、接种效果不明显。筛选与主栽大豆品种匹配性好、固氮效率高的广谱性优良菌株,可为针对性的施用大豆根瘤菌接种剂提供菌种资源和方案。选取本实验室前期分离保存的6个优良快生型大豆根瘤菌株和2个慢生型大豆根瘤菌株,在砂培盆栽条件下与不同地区的27个大豆主栽品种进行匹配试验。测定分析了植株地上部分生物量、高度、根瘤数量、根瘤生物量和根瘤固氮酶活指标。结果表明:不同大豆根瘤菌之间结瘤固氮能力存在极显著的差异;供试根瘤菌均能够与国内24个大豆品种结瘤,广谱性较好;植株地上部分高度、根瘤数量、根瘤生物量和根瘤固氮酶活与地上部分生物量呈显著相关;大部分接种根瘤菌后的植物生物量显著高于CK;HN01、GR3、HH29、HH103匹配性和固氮效率均不逊色于USDA110,具有在东北地区、黄淮海地区、长江流域、东南地区推广的潜能;从品种来看,中豆39、BD2、天隆1号与8株供试大豆根瘤菌的匹配接种表现出高生物量特点。此外,本文还筛选出大豆-大豆根瘤菌的表型最佳匹配组合中豆39-GR3,适合长江流域地区;同样筛选到东北地区、黄淮海地区、东南地区最佳匹配组合,分别是HN01-辽豆14、HN01-徐豆14、HN01-BD2。本文初步建立了优良根瘤菌与大豆主栽品种的匹配关系,为在田间试验中进一步筛选和应用这些优良菌株提供了材料和指导。     

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。