静松灵对小型猪脑区NO-cGMP信号转导系统的影响

以巴马小型猪为研究对象,探究静松灵对小型猪主要脑区中NO-cGMP信号系统的影响。将20头小型猪随机分为2组,生理盐水对照组5头,其余为静松灵(T1=15 min、T2=45 min、 T3=75 min)试验组各5头。收集不同脑区组织后测定NO含量、NOS活性与cGMP含量。结果显示,注射静松灵后会使小型猪不同脑区中NO含量、NOS活性与cGMP含量均下降。在大脑皮质、丘脑、海马和脑干4个脑区内NOS活性均下降,而在海马和丘脑内NO含量与大脑皮质和脑干内cGMP含量会出现显著降低。结果表明,静松灵的麻醉作用可以显著抑制NO-cGMP信号转导系统。     

敢啃“硬骨头” 助产业发展

珠海市现代农业发展中心(以下简称“农发中心”)水产技术推广部副部长李勇,加人农技推广工作20年来,始终以产业需求为首要任务,从不计较个人得失。他深度参与了白蕉海鲈的品牌创建、技术推广、示范区建设、地理标志产品申报等工作,敢于啃“硬骨头”,默默为产业发展奉献自己的力量。     

灭茬深松整地联合作业机的研究进展

灭茬深松整地是农田准备中至关重要的环节，它能够提高土壤质量并改善作物的生长环境。联合作业机结合了多种功能，包括茬地清理、深松翻耕和整地平整，具有高效、节约人力和资源的优势。详细论述了灭茬深松整地联合作业机在研究方面的进展，归纳了研究人员在改进机械结构、刀具设计和智能控制方面取得了一系列进展，使得新型联合作业机具备更高的作业速度和更好的适应性。然而，该技术仍然面临一些挑战，例如处理复杂地形和实现操控的自适应性。未来研究将集中解决这些问题，以提升作业机的性能和可持续发展。     

《猪业科学》投稿须知

《猪业科学》杂志为月刊,每月25日出版,面向全国发行。内容充实、实用,每期一个主题,充分挖掘、深度报道、全面分析,全面反映养猪产业的最新成果、发展动态和市场经济信息。全彩色印刷、图文并茂适应现代“读图时代”潮流。     

基于BERT+BiLSTM+CRF深度学习模型和多元组合数据增广的渔业标准命名实体识别

为解决渔业标准命名实体识别任务中部分实体语料分布稀疏导致的效果不佳问题,提出了基于多元组合数据增广(data augmentation method based on multiple combination,MCA)的渔业标准命名实体识别方法,该方法融合了基于领域词典的联合替换算法(joint replacement algorithm based on domain dictionary,DDR)、基于槽点保护的随机删除算法(random deletion algorithm based on slot protection,SPD)和基于槽点保护的随机插入算法(random insertion algorithm based on slot protection,SPI)进行语料库的数据增广,首先构建"水产品名称"同类词词典和领域同义词词典,通过两个词典分别对"水产品名称"类实体和随机词进行同类词替换和同义词替换,生成新的句子,以增加目标实体数量和句子的多样性,然后在基于槽点保护的情况下对原句子分别进行随机删除和随机插入操作,在保留实体及上下文特征的情况下进一步丰富语料的多样性,提高模型的泛化能力.结果表明,采用基于融合注意力机制的BERT+BiLSTM+CRF网络模型和多元组合数据增广方法进行渔业标准命名实体识别,准确率、召回率、F1值分别达到了91.73％、88.64％、90.16％,具有较好的效果.研究表明,基于多元组合数据增广的渔业标准命名实体识别方法有效解决了部分实体样本稀疏问题,提升了渔业标准命名实体识别的整体效果.     

基于卷积神经网络马铃薯叶片病害识别和病斑检测*

针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。     

基于VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

采摘机器人深度视觉伺服手-眼协调规划研究

针对现有采摘机器人的识别-采摘精度与效率偏低等问题，开展了采摘机器人深度视觉伺服手-眼协调规划研究。开发了在手RealSense深度伺服的小型升降式采摘机器人，进行了采放果的工作空间与姿态分析，针对“眼在手上”模式建立了手-眼协调的坐标变换模型。对采摘机器人提出了基于在手RealSense深度伺服的由远及近手眼协调策略，并根据RealSense与机械臂参数完成了基于深度视觉的远近景协调关键点间分段动作规划。手眼协调采摘试验表明，末端在X、Y、Z方向的平均定位精度为3.51、2.79、3.35mm，平均耗时为19.24s，其中机械臂从初始位开始采果的平均耗时为12.04s，中间识别与运算的平均耗时为3.82s，放果动作平均耗时为7.2s，机械臂动作耗时占整个环节的80.2%。该机器人结构和在手RealSense深度伺服的手眼协调策略可满足采摘作业需求。     

1LF-540型浅翻深松犁的研制

设计研发了浅翻深松犁,对表层耕作土壤进行翻耕而对底层进行疏松,最后形成有利于作物根系生长发育的良好土体结构。文中介绍了整组犁体的结构、工作原理、试验情况和机具特点,作为与保护性农业耕作技术相配套使用的农业机具,有着良好的推广应用前景。