基于经济效益的农业新型经营主体小麦玉米全程机械化农机配备研究

因山东省旱作灌溉区种植模式多样、技术模式不统一，规模化生产下的机械效能未能充分发挥，存在动力机械与机具配套比低、农机动力与资金浪费问题，在对小麦玉米周年轮作下全程机械化技术模式调研后，总结小麦玉米全程机械化技术路线，构建以作业成本最小为目标的农机装备优化配备模型。通过对平度市某小麦玉米种植合作社进行计算，作业成本较实际情况下降10.9%；总动力优化配备结果为23.712 kW，下降51.36%；农机配套比提高50%。研究结果可为山东省旱作灌溉区小麦玉米全程机械化技术模式优选、农机农艺深度融合、农业合作社的农机配备等方面提供技术参考。     

‘哈伯’南天竹组织培养和快速繁殖

为建立‘哈伯’南天竹组织培养和种苗繁育技术体系,以半木质化带芽茎段为外植体材料开展植株再生研究。通过观察对比试验法、L₉(3⁴)正交试验设计完全随机法、极差分析、显著性检验、LSD多重比较,探讨了‘哈伯’南天竹组培的最适培养基配方。试验结果表明：最佳诱导培养基为MS + 6-BA 2.0 mg/L + IBA 0.1 mg/L +蔗糖30 g/L,诱导萌动率71.77%,成活率85.51%;最佳增殖培养基为WPM +6-BA 1.5 mg/L + IBA 0.01 mg/L + 蔗糖30 g/L,增殖系数6.3;最佳生根培养基为1/2 MS+ IBA 0.5 mg/L + NAA 1.0 mg/L + 蔗糖20 g/L + AC 0.2 g/L,生根率97.63%;试管苗移入泥炭土:珍珠岩=3:2(V/V)混合基质中,移栽成活率96.67%。该试验建立了高效稳定的组培快繁技术体系,得到的组培苗后代能够稳定的保持母本优良性状,为工厂化育苗提供了技术支撑。     

牦牛源正呼肠孤病毒2型的检测和分离鉴定

旨在调查川西北牦牛哺乳动物正呼肠孤病毒（MRV）的感染情况并分离病毒。采用RT-PCR方法，对采自川西北15个牧场的72份牦牛腹泻粪便样本和其中5个牧场的15份腹泻牦牛血清样本进行MRV检测，阳性样本进一步用分型PCR确定其血清型。结果显示，粪便样本中MRV检出率为20.83%（15/72），血清2型的比例为60%（9/15）；血清样本中MRV检出率为40%（6/15），血清2型的比例为83.33%（5/6）；未检测到其他血清型。成功地从腹泻粪便中分离到1株MRV血清2型毒株（TCID₅₀为4×10^-8.56·mL^-1），并获得长度为23 587 bp的分离株全基因组，该分离株与中国猪源毒株的遗传关系最近；与GenBank中所有的MRV S1基因相比，该分离株有4个独特的氨基酸突变。本研究从牦牛中检测到MRV，并分离到1株牛源MRV血清2型毒株，为进一步研究MRV血清2型生物学特性奠定了基础。     

食用菌多糖抗运动疲劳研究进展

采用文献资料法对食用菌多糖抗运动疲劳的研究进展情况进行了研究。结果表明:食用菌多糖提取方法不同而食用菌多糖的提取率也不相同,超声波法+复合酶法及微波法提取食用菌多糖提取率较高,2种方法科学合理的结合提取食用菌多糖以及不同产地、品种和不同部位提取率是未来学者们需要研究的领域;目前,只是对极少部分食用菌多糖抗运动疲劳进行了研究,研究对象(动物)、模型、指标、评价单一而没有确定最佳剂量的时间而没确定的量。为此,提出了未来应加强和重视食用菌多糖抗疲劳运动多食用菌、多对象(尤其是人)、多模型、多指标、多评价、最佳剂量的研究以及量-效、构-效关系的研究建议。     

红枣提取物对虹鳟血清指标和头肾免疫相关基因表达的影响

为了探讨添加红枣提取物对促进虹鳟(Oncorhynchus mykiss)机体健康的可能性,选取体长为7.2~8.4 cm的健康虹鳟,随机分成4个试验组,分别投喂红枣提取物添加量为0%(对照组)、0.25%、0.50%和1.00%的等氮等脂饲料,饲养56 d,养殖结束后测定12项血清生化指标和头肾的6个免疫相关基因mRNA表达量。结果显示:与对照组相比较,血清中肌酐(CREA)和尿素氮(BUN)含量三个红枣提取物组均出现极显著下降;谷丙转氨酶(GPT)活性在0.50%和1.00%组极显著下降,谷草转氨酶(GOT)活性也在0.50%和1.00%组出现了一定程度下降,但差异不显著;酸性磷酸酶(ACP)和碱性磷酸酶(AKP)活性无显著变化;总蛋白(TP)和白介素6(IL-6)含量在0.25%组出现显著增加;溶菌酶(LZM)活性三个红枣提取物组均显著升高;超氧化物歧化酶(SOD)活性在0.50%组极显著增加;补体4(C4)和肿瘤坏死因子(TNF-α)含量在0.25%和0.50%组均极显著增加。在头肾中,与对照组相比,SOD、白介素1β(IL-1β)和补体3(C3)基因表达量在0.50%和1.00%组均为显著或极显著上调;Factor H基因表达量在0.50%组显著上调;过氧化氢酶(CAT)和LZM基因表达量在0.50%和1.00%组仅出现差异不显著上调。上述结果表明,在虹鳟饲料中添加一定量的红枣提取物,可以起到促进肾功能,保护肝脏和提高其非特异性免疫功能的作用。     

不同培育模式对牦牛犊牛生长性能、瘤胃发酵参数和血清生化指标的影响

本试验旨在研究不同培育模式(随母哺乳与饲喂代乳粉)对牦牛犊牛生长性能、瘤胃发酵参数和血清生化指标的影响。选用日龄[(30±1)日龄]和体重[(22.5±0.9) kg]接近的牦牛犊牛60头(母犊牛40头、公犊牛20头),按照体重接近原则随机分为2组,每组母犊牛20头、公犊牛10头。对照组牦牛犊牛随母哺乳,试验组牦牛犊牛与母牛分离并饲喂专用代乳粉,试验共持续120 d。结果显示:试验组牦牛犊牛在30～150日龄的生长性能与对照组无显著差异(P0.05)。试验组牦牛犊牛存活率显著高于对照组(73.3%vs. 46.7%,P0.05)。试验组牦牛犊牛瘤胃总挥发性脂肪酸浓度和丁酸摩尔比例以及血清总蛋白质、球蛋白、免疫球蛋白G、胰岛素、β-羟丁酸和生长激素含量均显著高于对照组(P0.05)。由此得出,在本试验条件下,30日龄断母乳饲喂代乳粉的牦牛犊牛在随后4个月的生长性能与随母哺乳的牦牛犊牛无显著差异,但饲喂代乳粉显著提高了牦牛犊牛的存活率。基于瘤胃发酵参数和血清生化指标,可能是因为采食代乳粉能够保证牦牛犊牛摄入的营养浓度一致,有利于维持其正常的生理代谢功能,最终提高了牦牛犊牛的存活率。     

复合型霉菌毒素脱毒剂对海兰褐蛋鸡生产性能、蛋品质及血清生化指标的影响

试验旨在研究添加复合型霉菌毒素脱毒剂对饲喂霉变饲料的蛋鸡生产性能、蛋品质和血清生化指标的影响。将420日龄的600只海兰褐蛋鸡随机分为5组,每组5个重复,每个重复24只。空白对照组(Ⅰ组):饲喂正常玉米日粮;阴性对照组(Ⅱ组):饲喂用50%霉变玉米替代正常玉米的日粮;试验Ⅲ、Ⅳ和Ⅴ组,饲喂在阴性对照日粮的基础上添加复合型霉菌毒素脱毒剂,添加量分别为1.0‰、2.0‰和4.0‰。结果表明:(1)与空白对照组相比,霉菌毒素显著降低蛋鸡产蛋率、显著提高日耗料量、料蛋比和破软壳率;与阴性对照霉菌毒素组相比,2.0‰和4.0‰复合型霉菌毒素吸附剂组可显著提高蛋鸡产蛋率、显著降低日耗料量、破软壳率和料蛋比,其中以4.0‰添加量组效果最优。(2)与空白对照组相比,阴性对照饲喂霉菌毒素日粮蛋壳厚度、蛋壳强度和蛋黄色泽分别降低19.44%、16.29%和20.50%,差异均显著(P<0.05)。与阴性对照组相比,2.0‰和4.0‰复合霉菌毒素吸附剂添加量组蛋壳厚度分别提高20.69%和27.59%、蛋壳强度分别提高17.79%和15.77%、4.0‰添加量组蛋黄色泽提高19.00%,差异均显著(P<0.05)。(3)与空白对照组相比,霉菌毒素显著提高了血清中ALT、AST和ALP含量。4.0‰复合型霉菌毒素脱毒剂组谷丙转氨酶(ALT)、谷草转氨酶(AST)和碱性磷酸酶(ALP)分别降低25.04%、16.19%和17.46%,差异均显著(P<0.05)。由此可知,霉变饲料中添加该复合型霉菌毒素脱毒剂能够提高蛋鸡生产性能、改善蛋品质及减轻毒素对肝脏的损伤,综合比较以试验Ⅴ组4.0‰添加量时效果最优。     

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。     

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。