排序方式: 共有5条查询结果,搜索用时 296 毫秒
1
1.
[目的]选择适合干旱、半干旱地区栽培的菜豆品种。[方法]在我国水方典型的旱作农业区阳曲县进行7个菜豆品种的旱作栽培试验。[结果]特优特架豆、超级无筋与新欣一尺青圆龙植株较为粗壮;爱丰、精选架豆王、超长四季豆生长速度较快;爱丰功能叶的蒸腾速率最低。天马95-33架豆王产量显著高于其他品种,单产达36.33t/hm2,为爱丰产量的1.39倍、新欣一尺青圆龙产量的1.9倍;爱丰单产次之,为26.07t/hm2,是新欣一尺青圆龙产量的1.37倍。[结论]天马95-33架豆王与爱丰产量较高,蛋白质含量较高,适于在试验区及周边地区进行推广栽培。 相似文献
2.
采用聚乙二醇(PEG-6000)模拟干旱胁迫方法,对3个番茄品种(纳宝早圣、精品硬粉风暴和菲腾一号)的耐旱性进行了鉴定,并对其成熟期的果实品质进行了分析.结果表明:PEG浓度越高,对番茄种子萌发的抑制作用越大;在12.5%PEG-6000胁迫下,精品硬粉风暴的发芽率、发芽势、发芽指数、活力指数和胚根长均显著高于其他两个品种的;精品硬粉风暴的果实糖酸比、可溶性固形物含量显著高于其他两个品种的,且其番茄红素含量适中.综上所述,精品硬粉风暴的抗旱性最强,果实品质优,适合进行旱作栽培. 相似文献
3.
果实识别是视觉检测技术重要的环节,其识别精度易受复杂的生长环境及果实状态的影响。以大棚环境下单个、一簇、光照、阴影、遮挡、重叠6种复杂生长状态下的番茄果实为对象,提出一种基于改进YOLOv4网络模型与迁移学习相结合的番茄果实识别方法。首先利用ImageNet数据集与VGG网络模型前端16卷积层进行模型参数预训练,将训练的模型参数初始化改进模型的权值以代替原始的初始化操作,然后使用番茄数据集在VGG19的卷积层与YOLOV4的主干网络相结合的新模型中进行训练,获得最优权重实现对复杂环境下的番茄果实进行检测。最后,将改进模型与Faster RCNN、YOLOv4-Tiny、YOLOv4网络模型进行比较。研究结果表明,改进模型在6种复杂环境下番茄果实平均检测精度值mAP达到89.07%、92.82%、92.48%、93.39%、93.20%、93.11%,在成熟、半成熟、未成熟3种不同成熟度下的F1分数值为84%、77%、85%,其识别精度优于比较模型。本文方法实现了在6种复杂环境下有效地番茄果实检测识别,为番茄果实的智能采摘提供理论基础。 相似文献
4.
5.
有机肥施肥量及施肥方式对菜豆生长和产量的影响 总被引:2,自引:0,他引:2
在干旱、半干旱地区,研究了不同施肥方式(撒施和沟施)和施肥量(45 m3/hm2、75 m3/hm2和105 m3/hm2)对菜豆生长及产量的影响。结果表明:有机肥不同施肥方式及施肥量对菜豆生长势、产量和功能叶光合速率均有影响。高肥水平处理下,菜豆生长势旺盛,光合速率高,产量高;相同施肥量条件下,沟施处理的菜豆生长势较撒施处理旺盛,并且光合速率和产量高。本试验条件下,沟施有机肥105 m3/hm2处理产量最高(36 315 kg/hm2),是撒施有机肥45 m3/hm2处理产量(26 400 kg/hm2)的1.38倍。 相似文献
1