保存方法对牧草DNA提取效果的影响

为从野外采集的禾本科牧草样品中获得优质DNA,在有限的试验条件下找到最合适的样品保存方法。本研究在野外试验站采集了8种禾本科牧草,分别采用变色硅胶、-20℃、4℃、自然风干和45℃烘干等5种方法进行保存,保存一个月后进行DNA的提取。通过琼脂糖凝胶电泳、ISSR-PCR以及DNA的浓度和纯度对比,对几种保存方法下保存的牧草样品中所提取DNA的效果和质量进行鉴别。此外,为了解样品中多糖和多酚含量对DNA提取效果的影响,本研究还对采集样品多糖和多酚含量与DNA浓度和纯度进行了相关性分析。结果显示变色硅胶的保存效果最佳,烘干的保存效果最差,其他3种保存方法对不同植物的保存效果不能确定。多糖和多酚含量与DNA的提取效果、提取质量无明显关系,与DNA的浓度和纯度也无显著相关性,二者不是影响本研究DNA提取效果的主要因素,本研究中DNA提取效果的差异性是由于保存方法的不同造成的。在野外试验采集禾本科牧草样品时,如需要获得优质的DNA进行深入的试验,用变色硅胶保存样品,是一种便捷、效果优越的保存方法。     

基于改进YOLO v5的橙子果实识别方法

针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题，提出一种改进的YOLO v5方法。首先，在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块，加强网络对特征信息的提取能力；其次，在颈部网络使用鬼影混洗卷积(ghost-shuffle convolution)代替原有的标准卷积，能够在保证精度的前提下，降低模型参数量；再次，在预测头前加入ECA(efficient channel attention)注意力模块，能够更加准确定位目标信息；最后，引入EIOU(efficient intersection over union)损失函数加速预测框的收敛，提高其回归精度。改进的YOLO v5网络在自然环境下的橙子检测中平均精度达到90.1%,相比于目前热门的检测网络CenterNet、YOLO v3和YOLO v4其在识别效果方面有一定的提升。可见，所提出的改进网络在橙子检测上更有优势，能为今后智能采摘机器人的研发提供理论支撑和技术参考。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

吉林玉米育种效率的提升途径研究

近些年来,伴随着我国经济发展水平的不断提升,在农业发展过程中,玉米种植行业的发展速度越来越快,尤其是在玉米育种方面,工作效率与工作质量正在不断提升。玉米种植面积占据了粮食播种总面积的七成以上,多年以来,在全国范围之内,吉林省地区的玉米商品率、商品量、人均出口量、人均占有量均位列第一,吉林省地区的玉米种植产业,在吉林省乃至我国全国地区的粮食生产当中,都占据着十分关键的地位,有效确保了我国的粮食安全、推动了农业经济的发展、促进了农民的增产增收。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

基于多分类器DS证据理论融合的水果识别研究

针对不同分类器对不同水果种类识别准确率的不均衡问题,提出一种基于多分类器DS证据理论融合的水果识别方法。该研究选择kaggle上fruits360数据集中的5种水果作为研究对象,首先对预处理后的5种水果图像的颜色、纹理、形状特征进行提取,分别选用BP神经网络、K均值、SVM三种分类器,结合被测图像在每种分类器上的识别结果和各个分类器对不同水果的分类准确率,构建基本概率函数(BPA函数),通过DS证据融合规则对分类器融合后对被测图像进行识别。试验结果表明:该方法对5种水果的识别平均准确率为95.2%,总体标准偏差为0.02993,在提高单分类器识别准确率的同时,解决了分类器对各种水果识别的不均衡问题。对10组测试集识别的平均准确率为93.5%,总体标准偏差为0.055,该方法对水果种类的识别更准确和稳定。     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于MeDIP-seq研究蛋氨酸对巨噬细胞炎症中甲基化水平的影响

本课题组前期已研究表明蛋氨酸(Met)能缓解脂多糖(LPS)诱导的巨噬细胞的炎症反应,但其调控的分子机制尚不明确。本研究旨在从甲基化角度初步探讨DNA甲基化与Met抑制LPS诱导巨噬细胞炎症中分子机制的相关性。应用全基因组甲基化测序技术(MeDIP-seq)检测空白组、LPS组和LPS+Met组细胞的全基因DNA,每组3个重复。结果表明:LPS组甲基化峰(peak)的数量、总长度和覆盖率均高于空白组和LPS+Met组;与空白组相比,LPS组的高甲基化基因数在不同基因功能元件上均多于低甲基化基因数;与LPS组相比,Met+LPS组的低甲基化基因数在不同基因功能元件上均多于高甲基化基因数。运用GO富集和KEGG分析发现,LPS组与LPS+Met组差异甲基化基因主要富集在单一生物过程(Single-Organism Process)和细胞过程(CellularProcess),信号通路主要富集在Hippo信号通路。本研究为Met调控机体免疫和炎症反应提供一定的科学依据。     

基于LCA与AVC的乡村景观特征识别与评价研究 ——以潜山市黄铺村为例

对乡村景观进行特征识别及景观评价,可以更好地了解乡村景观特征及资源,找出乡村景观资源发展的优劣,实现其特色化发展.该研究运用地理信息系统对乡村景观进行特征识别,绘制乡村景观特征分区图,再基于AVC理论构建乡村景观综合评价体系,运用定量和定性相结合的方法确定指标分值,得到综合评价结果,并以潜山市黄铺村为例,进行了较为完整的景观特征识别与综合评价研究.结果表明,黄铺村具备良好的乡村旅游条件,其社会吸引力和环境承载力较高,但经济生命力相对较低,有待进一步提升.研究结果可为黄铺村景观评价及制定有针对性的乡村规划提供科学依据.     

鸡脂肪组织TCF21基因启动子区DNA甲基化与其表达的关系

旨在研究鸡脂肪组织中TCF21基因启动子区DNA甲基化水平与其表达的关系。以东北农业大学高、低腹脂双向选择品系（简称高、低脂系）第24世代7周龄肉鸡为试验材料，利用RT-qPCR检测高、低脂系肉鸡腹部脂肪组织中TCF21基因的mRNA表达水平；利用生物信息学和双荧光素酶报告系统分析TCF21基因启动子的结构与功能；利用Sequenom MassARRAY飞行质谱检测高、低脂系肉鸡腹部脂肪组织中TCF21基因启动子区CpG位点的甲基化水平；利用CpG甲基转移酶处理TCF21启动子报告基因质粒，分析DNA甲基化对TCF21基因启动子活性的影响。结果显示，高脂系肉鸡腹部脂肪组织中TCF21基因的mRNA表达水平极显著高于低脂系（P<0.001）；TCF21基因的启动子区存在40个CpG位点，且在启动子的近端和远端均有分布，但不存在CpG岛；将TCF21基因的启动子划分为5个功能区域，分别为R1区域（-2 000~-1 500 bp）、R2区域（-1 500~-1 000 bp）、R3区域（-1 000~-500 bp）、R4区域（-500~-200 bp）和Core区域（-200~-100 bp）；高脂系R2、R3和R2+R3区域的DNA甲基化水平显著或极显著高于低脂系（P<0.05或P<0.001）；R2、R3、R2+R3区域的DNA甲基化水平与TCF21基因mRNA表达水平呈显著正相关（R2区域：r=0.438，P<0.05；R3区域：r=0.371，P<0.05；R2+R3区域：r=0.489，P<0.05）；R2区域的DNA甲基化显著抑制其转录活性（P<0.05）。综上所述，TCF21基因在高、低脂系肉鸡腹部脂肪组织中的表达水平主要与其启动子R2区域的DNA甲基化水平有关。