香梨树腐烂病菌表型菌株生物学特性及致病性

In order to clarify the intraspecies diversity and pathogenic differentiation of Valsa pyri, eight strains with markedly different colony phenotypes out of the 303 strains isolated from Korla fragrant pear producing area were screened out for biological characteristics and pathogenicity research. According to the difference of colony color and sporulation ability on PDA medium, eight strains were divided into four phenotypes: easy to sporulate with golden yellow, hard to sporulate with cream yellow, brown green and gray black. Biological research results showed that the mycelial growth rate of the four phenotypic strains was the fastest at 28 ℃, full light, pH 5, wettable starch as carbon source and glutamic acid as nitrogen source, but there were differences among different phenotypes. The results of pathogenicity test showed that there was pathogenicity differentiation between different phenotypes, in which the brown green phenotype strain were classified to the strong pathogenicity type, the gray black and golden yellow phenotype strain was determined to belong to medium pathogenicity type, while the milky yellow phenotype strain was affiliated with weak pathogenicity type. The results provide a basis for revealing the population diversity of pathogen and the control of Korla fragrant pear tree rot.     

花椒抗旱性研究进展

花椒是我国重要的油料和经济作物，在干旱半干旱地区分布较广。近年来，随着全球气候变暖的加剧，水资源短缺的形势更加严峻，干旱已成为影响花椒生产的主要环境因子。本文从花椒生长形态特征、生理生化变化和抗旱分子机制3个方面阐述了花椒抗旱性的国内外研究现状，并分析了花椒抗旱性评价的方法。结果表明：花椒主要通过根、茎、叶特征的变化实现形态上的抗旱；通过保持较高的光合色素含量和调整气孔开度维持较高的光合效率、积累较多的渗透物质以增强叶片保水能力和细胞的渗透调节性能，保持较高的抗氧化酶活性减轻活性氧对细胞的伤害来提高其生理上的抗旱性；长链非编码RNA(Incrna)和ZbWRKY转录因子在花椒的抗旱过程中发挥了重要作用，其通过调控代谢途径、合成代谢物和产生植物激素应对干旱胁迫。隶属函数法、主成分分析法、聚类分析法、灰色关联度分析法可作为花椒抗旱性评价的主要方法。今后应继续加强花椒抗旱生理研究，并建立系统的抗旱性鉴定评价体系，以期为花椒抗逆性研究提供参考。     

基于阵列式ESP32-CAM的番茄根系表型原位测量方法

为原位采集番茄根系图像，解决番茄根系表型原位测量问题，该研究提出一种基于阵列式ESP32-CAM的番茄根系表型原位测量方法。通过4×4阵列式ESP32-CAM结合OV2640镜头模组实现土壤中根系图像原位自动化无线采集，并采用张正友标定法实现相机标定和畸变校正，利用尺度不变特征转换和最邻近分类的特征检测匹配算法实现图像配准，基于离线标定方法获取相机间变换矩阵实现根系图像拼接；通过引入多头自注意力机制改进U型卷积神经网络（Uarchitecture convolutional networks,U-Net）模型对根系图像进行语义分割，采用形态学处理和骨架提取测量根系长度、面积、平均直径、根深和根宽。研究结果表明：相机阵列图像的拼接迭代均方根误差小于1.11 mm，全局拼接图像的拼接融合质量评分大于0.85；改进后的U-Net模型应用于番茄根系分割的精度、召回率、交并比和F1值分别为86.06%、78.98%、71.41%和82.37%，相比于原始U-Net模型分别提高了18.97、13.21、21.67和16.30个百分点；与人工测量值相比，根系的面积、长度、平均直径、根深和根宽的平均绝...     

基于RGB-D相机的黄瓜苗3D表型高通量测量系统研究

传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题，提出了一种使用RGB-D相机的黄瓜苗表型无损测量方法。研制了自动化多视角图像采集平台，布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask R-CNN网络分割近红外图像中的叶片和茎秆，再与对齐图进行掩膜，消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使用CycleGAN网络处理单个叶片的对齐图，对缺失部分进行修补并转换为3D点云，再对点云进行滤波实现保边去噪，最后对点云进行三角化测量叶面积。在Mask R-CNN分割得到的茎秆对齐图像中，利用茎秆的近似矩形特征，分别计算茎秆的长和宽，再结合深度信息转换为下胚轴长和茎粗。使用YOLO v5s检测对齐图中的黄瓜苗生长点，利用生长点与基质的高度差计算株高。实验结果表明，该系统具有很好的通量和精度，对子叶时期、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均不高于8.59%、R²不低于0.83,可以很好地替代人工测...     

基于激光雷达和Kinect相机点云融合的单木三维重建

为了更好地建立单木三维彩色模型，获得准确表型参数，提出了一种基于Kinect v2相机和激光雷达的单木点云信息融合检测方法。首先由激光雷达采集樱树单木所在区域的完整环境点云，生成点云地图；由Kinect相机采集樱树单木多视角点云得到完整的三维彩色点云；然后以激光雷达点云位置为基准，通过选取对应同名点的方式对2种点云进行初始配准，使点云之间具有良好的初始位置关系，再使用最近点迭代（iterative closest point, ICP）算法对点云进行精配准；最后使用彩色点云对雷达点云进行点云着色融合处理，实现樱树单木的三维重建。结果显示：与只使用Kinect v2相机生成的樱树单木表型参数对比，融合后的樱树单木的株高、冠幅和胸径的平均相对误差分别降低了1.52、6.46和18.17个百分点。研究结果表明，Kinect v2深度彩色相机和激光雷达在单木三维重建上能实现优势互补，提升点云配准精度，同时，既能降低光照气候条件的影响，又能增加测量距离，单木表型参数更准确。     

自走式表型平台及在线自整定PID速度控制研究

为了适应现代化育种、植保及栽培管理的需求,高通量作物表型信息获取成为了当前的研究热点。为了提高作物表型信息获取平台的可扩展性、泛用性和使用灵活性,设计了一种自走式作物表型信息获取平台。平台车体采用框架结构,利用4台直流电机实现4轮独立驱动,并采用1个主控芯片和4个分控芯片的模式构建了控制系统;基于继电反馈法设计了在线自整定PID调控方法,实现了PID参数在线自整定和平台的运行速度控制,并进行了空载和地面负载对比试验。结果表明:在系统空载和地面负载条件下,针对设定的不同速度,系统均可在0.169~0.468s达到稳定状态,具有较高的调节速度与精度;地面负载条件下,直接利用空载时整定得到的参数与负载后重新整定得到的参数进行速度的调节,不同速度要求条件下两者之间的误差均小于0.08s,证明空载时一次整定后的参数可直接应用于表型平台的实际速度控制。     

农业试验数据智能采集系统的设计与应用

【目的】 为了快速准确获取农业科研试验中具有体量大、种类繁多且复杂、可变性大、对真实性有严格要求等特点的田间植株表型数据。【方法】 文章基于物联网与大数据技术构建了一个农业试验中大数据采集应用系统，用于辅助人工进行试验数据采集与应用。数据采集方法有基于NodeMcu开发板结合传感器获取环境数据、通过树莓派连接摄像头对试验区域进行图像采集并利用物联网设备上传至数据库、网络爬虫、通过终端设备记录作物单株形态等。获得数据后对不同来源数据进行清洗与处理，将原始数据与清洗处理后的数据分别存储至不同数据区域中并固化，通过分布式文件系统HDFS（Hadoop Distributed File System）读写操作，最后利用数据处理模块对数据进行监控与处理，将结果以图像、表格和视频等形式提交到前端交互网站。【结果】 基于构建的大数据采集系统获得了5 450幅大豆叶片图像，然后利用yolov5的深度学习模型训练，最终实现了大豆叶形分类识别；利用株高测量设备获取了1 306株大豆株高数据，结果较为可靠。【结论】 研究表明，该系统设计方案具有可行性高、用途广泛、构建成本低和可拓展性强等特点，将多种技术运用于农业试验的数据获取中，规范化试验流程与数据保存，提高数据获取的广度和数据利用的深度，为更深层次的农业科学研究奠定了基础。     

80份陆稻晚稻农家种资源的遗传多样性综合分析

为保护和利用陆稻农家种资源,本研究利用SNP标记和表型鉴定对80份陆稻晚稻农家种资源进行遗传多样性综合分析。结果表明：利用水稻1KSNP芯片对80份资源进行检测后共获得739个SNP的基因型数据,基于SNP的群体结构分析、PCA分析和聚类分析,均将80份资源分为云南亚群（63份）、海南亚群（11份）和贵州亚群（6份）共3个亚群,3个亚群间的平均遗传距离分别为0.83、0.63、0.80,其中海南亚群与其他2个亚群的遗传距离较远。贵州的陆稻资源分别属于贵州亚群和云南亚群,表明黔南地区的陆稻资源可能存在不同的来源。云南亚群可进一步分为3个亚群,平均遗传距离分别为0.30、0.28和0.22,表明细分亚群间的遗传距离很近。表型鉴定结果表明,11个表型性状的变异系数在4.09%~38.77%之间,其中有效分蘖数和穗重的变异系数较大,均超过25.00%,株高、种子长、种子宽、种子长宽比和种子圆度均值变异系数较小,均低于10%;遗传多样性指数范围为1.76~2.84,种子长的遗传多样性最丰富。相关分析结果表明,11个表型性状间存在着复杂的相关关系,其中种子长宽比与圆度均值的相关系数最高为0.98。在表型PCA分析中,前5个因子累计贡献率为82.37%,可反映表型性状的绝大部分信息,各成分的贡献率分别为29.08%、23.42%、12.35%、9.77%和7.75%,主要反映了株型和产量相关信息。80份资源的综合得分范围为0.15~0.73,排名前10的种质资源（ZRG36、ZRG101、ZRG58、ZRG31、ZRG1、ZRG102、ZRG104、ZRG63、ZRG29、ZRG11）均来自海拔较高地区,其中2份来源于海南,5份来源于贵州,3份来源于云南,且在穗长、种子长、种子宽、穗重和千粒重表现较好。该研究结果为陆稻农家种资源的保护和利用提供了参考。     

基于三维点云的番茄植株茎叶分割与表型特征提取

针对当前温室番茄表型参数难以自动获取的问题，研究提出通过对三维点云进行配准、骨架提取以及分割从而自动获取苗期番茄植株株高、茎粗、叶倾角和叶面积参数的方法。首先通过机器人搭载机械臂在温室中自动获取多视角番茄点云，并通过配准得到完整植株点云；对番茄点云利用拉普拉斯收缩的骨架提取算法获取植株骨架，对骨架进行修正后分解为茎秆和叶片子骨架，实现茎秆叶柄分割；再通过基于区域生长的MeanShift聚类方法对叶片和叶柄进行分割；最后通过番茄点云获取株高、茎粗参数，通过骨架测量叶倾角，对叶片点云进行曲面拟合提取叶面积参数。试验结果表明，茎叶分割与叶片分割的精确率、召回率、F1分数和平均总体准确率分别为0.84、0.91、0.87、0.92和0.92、091、0.91、0.93。株高、茎粗、叶倾角和叶面积参数的提取值与人工测量值的决定系数分别为0.97、0.53、0.90和0.87，均方根误差分别为1.40 cm、1.52 mm、5.14°和37.56 cm2。结果表明该研究方法与人工测量值具有较强的相关性，可以为温室番茄的高通量自动化表型测量提供技术支持。     

基于改进Mask R-CNN的黄瓜叶面积测量模型

植物叶面积可以反映出植物的生长速率、养分吸收以及光合作用能力，针对锯齿状边缘的黄瓜叶片分割精度较低，叶面积测量误差较大等问题。该研究提出一种深度卷积网络模型Marm，在Mask R-CNN的基础上利用Sobel算子进行边缘检测，使模型生成的掩膜更接近叶片的边缘。另外，引入边缘损失以提升叶片边缘的分割精度。借助参照物标签，利用模型输出的掩膜图像进行面积计算，获得黄瓜叶片在不同生长周期的叶面积。试验结果表明，Marm模型精确率、召回率和交并比达到99.1%、94.87%和92.18%，比原始的Mask R-CNN分别提高1.28个百分点、1.13个百分点和1.05个百分点，面积误差率下降1.43个百分点。当图像中存在叶片遮挡和阴影等多种影响，黄瓜叶片的面积误差率仍然能保持在5.45%左右。该研究有效解决了锯齿状边缘的叶片分割问题，将为植物表型研究提供技术支撑。