12份燕麦品种在阿鲁科尔沁旗地区的生产性能研究

【目的】筛选适宜内蒙阿鲁科尔沁旗地区种植的燕麦品种。【方法】对12份燕麦(Avena sativa)品种的生育期、草产量、茎叶比、营养特性等进行测定和分析,并运用灰色关联度分析法对各品种的生产性能进行综合评价。【结果】12份供试燕麦品种均能在阿鲁科尔沁旗地区完成整个生育期,表现出较好的适应性,生育期为83～94 d,其中枪手的生育期最短(83 d),爱沃的生育期最长(94 d)。贝勒二代和牧王的株高均达到100 cm以上。枪手、贝勒二代和牧王的干草产量较高,分别为9.99,8.69和8.59 t/hm~2。贝勒二代的茎叶比最低(1.12),适口性最好;美达的茎叶比最高(3.19)。爱沃和贝勒二代的粗蛋白含量(质量分数)较高,分别为12.20%和11.90%;太阳神、贝勒二代和领袖的中性洗涤纤维及酸性洗涤纤维含量较低,领袖和贝勒二代的相对饲喂价值较高。灰色关联度分析表明,综合评价排在前2位的燕麦品种为贝勒二代和牧王,其加权关联度分别为0.838 2和0.799 1。【结论】燕麦品种贝勒二代和牧王综合表现最好,适宜在阿鲁科尔沁旗地区推广种植。     

对校园贷的思考——以网络案例为例

指出了随着互联网金融的发展,网贷的触手伸进了没有稳定收入的大学生群体,在各大高校的校园里,随处可见各种校园贷的广告,大学生虽然没有固定收入但是却有着强烈的消费欲望,各大网络平台的贷款公司于是将业务延伸到了高校,形成了现在的校园贷。不需要任何抵押,只需要提供在校的学生证和身份证,就能贷到几千到上万元,同时收取一定的金额作为"手续费"、"低门槛"、"零利率"的校园贷对于涉世未深的大学生,无疑是一场灾难。由于大学生自制能力较差,不能按时还款造成违约,校园贷的利息越滚越多,最终的还款者还是落在了学生的家长身上,以一名高校辅导员的视角,对如何通过思想政治教育引导学生正确看待校园贷进行了阐述,提出了工作思考及建议。     

基于Fourier描述子和LBP相结合的植物叶片识别方法

针对植物叶片的复杂性导致基于叶片植物识别的识别率较低的问题,提出一种基于Fourier描述子和局部二值模式(local binary pattern,简称LBP)相结合的植物叶片识别方法。首先,利用Canny算法提取叶片的边缘图像,计算其中心-边缘距离序列的傅里叶变换,得到叶片图像的改进Fourier描述子;然后,提取叶片图像的局部二值模式特征;再利用判别典型相关分析算法将植物叶片的Fourier描述子和LBP特征进行融合,得到1个有利于分类的联合映射矩阵,由此将2类特征映射为1个低维特征向量;然后利用K-最近邻分类器进行植物识别。在公开的智能计算实验室(intelligent computing laboratory,简称ICL)叶片图像数据库上进行分类试验,识别率高达94%以上。结果表明,提出的方法是有效可行的,该研究能够为植物物种自动识别系统提供技术参考。     

"金梗1号"组培快繁技术研究

目的:采用植物组织培养方法,建立并优化"金梗1号"桔梗新品种的快速繁殖体系。方法:将不同大小的茎尖接种于培养基MS+6-BA 2.0mg/L+IAA0.2mg/L,考察最适宜大小的外植体;以MS培养基为基本培养基,通过不同种类和浓度的植物生长调节剂配比试验,筛选"金梗1号"试管苗最佳快速繁殖与生根培养基。结果:最适宜的外植体为直径0.4mm的茎尖,诱导丛生芽的最适培养基为MS+6-卞基腺嘌呤(6-BA)0.5mg/L+吲哚乙酸(IAA)0.2mg/L+病毒唑(RTCA)2.0mg/L;诱导试管苗生根的最适培养基为1/2 MS+IAA 0.5mg/L+生根粉(ABT)0.2mg/L+多效唑(PP333)0.1mg/L。结论:采用组织培养方法可进行"金梗1号"的快速繁殖,为示范推广奠定了基础。     

基于最大类间方差法的黄瓜病害叶片分割

以黄瓜病害叶片为研究对象,采用直方图阈值分割法去除背景,分别采用最大类间方差法(Otsu)和边缘检测法来分割黄瓜叶片中的病害部位,对比这2种方法的分割效果。最后,对已有的最大类间方差法进行了改进,对病害叶片图像的红色分量进行了病斑分割。结果表明,边缘检测法分割出来的病斑部位轮廓具有不完整性,而最大类间方差法的分割效果较好。采用最大类间方差法对黄瓜病害叶片分割取得了较理想的效果,为后续病害识别奠定了基础。     

阿鲁科尔沁旗紫花苜蓿产业发展的SWOT分析与建议

为了对阿鲁科尔沁旗紫花苜蓿产业可持续发展提供思路,笔者对阿鲁科尔沁旗紫花苜蓿产业发展现状进行了调查,应用SWOT方法分析其优势、劣势、机遇和危机,并就此提出了提升产业化水平、加快新品种培育、创建科企联合牧草科技示范基地、建立良好的企业信誉制度、加快牧草翻晒和打捆机械研发、加强草畜结合和新技术示范应用等建议。     

基于改进分水岭算法的作物病害叶片分割方法

传统的标记分水岭算法在作物病斑分割过程中存在伪标记,会造成过分割,本研究在传统的标记分水岭算法基础上提出了一种改进的标记分水岭分割算法。该算法首先采用形态学进行预处理,建立形态学梯度,并对梯度图像进行开闭重建。然后对重建的梯度图像进行前景标记,并利用病斑和正常叶片的颜色差异对前景标记中的伪标记进行滤除,对修改后的前景二值化图像进行距离变换和分水岭完成背景标记。最后用强制极小值技术进行梯度修正,并用分水岭算法对其进行分割。对多幅作物叶片进行分割试验,并对比不同分水岭的分割效果,结果表明该方法得到的区域数最少,能有效提取黄瓜叶片病斑,并且抑制过分割。     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。