毛皮动物育种软件应用现状与展望

动物育种软件的应用,告别了传统的表型选种时代,对育种准确性的提高起到了至关重要的作用。我国在毛皮动物育种软件的研发与应用上还不成熟,而软件在动物育种中的应用是当前乃至未来规模化养殖的大势所趋。本文针对目前育种软件在畜禽和毛皮动物中的应用现状,从育种资料管理、遗传评估系统、计算机模拟研究、育种专家系统、网络信息传递与共享5个方面进行了相关论述,并在归纳、总结畜禽育种软件研究成果、先进经验的基础上,结合毛皮动物的自身特点,探讨了在毛皮动物中应用育种软件的必要性和可行性,以期能为今后毛皮动物育种软件的应用提供参考。     

基于改进YOLOv5m的采摘机器人苹果采摘方式实时识别

为准确识别果树上的不同苹果目标,并区分不同枝干遮挡情形下的果实,从而为机械手主动调整位姿以避开枝干对苹果的遮挡进行果实采摘提供视觉引导,提出了一种基于改进YOLOv5m面向采摘机器人的苹果采摘方式实时识别方法。首先,改进设计了BottleneckCSP-B特征提取模块并替换原YOLOv5m骨干网络中的BottleneckCSP模块,实现了原模块对图像深层特征提取能力的增强与骨干网络的轻量化改进;然后,将SE模块嵌入到所改进设计的骨干网络中,以更好地提取不同苹果目标的特征;进而改进了原YOLOv5m架构中输入中等尺寸目标检测层的特征图的跨接融合方式,提升了果实的识别精度;最后,改进了网络的初始锚框尺寸,避免了对图像里较远种植行苹果的识别。结果表明,所提出的改进模型可实现对图像中可直接采摘、迂回采摘（苹果上、下、左、右侧采摘）和不可采摘果实的识别,识别召回率、准确率、mAP和F1值分别为85.9%、81.0%、80.7%和83.4%。单幅图像的平均识别时间为0.025s。对比了所提出的改进算法与原YOLOv5m、YOLOv3和EfficientDet-D0算法在测试集上对6类苹果采摘方式的识别效果,结果表明,所提出的算法比其他3种算法识别的mAP分别高出了5.4、22、20.6个百分点。改进模型的体积为原始YOLOv5m模型体积的89.59%。该方法可为机器人的采摘手主动避开枝干对果实的遮挡,以不同位姿采摘苹果提供技术支撑,可降低苹果的采摘损失。     

不同形态氮肥及其用量对强筋小麦氮素转运、产量和品质的影响

【目的】研究强筋小麦产量品质形成的适宜氮肥形态和施氮量,对增加小麦产量、提高籽粒品质及减少农田氮污染有重要意义,同时为合理精确运筹施氮提供理论依据。【方法】田间试验采用二因素裂区设计,氮肥形态为主区(硝态氮肥、铵态氮肥、酰铵态氮肥),氮肥用量为副区(低氮75kg/hm^2、中氮150kg/hm^2、高氮225kg/hm^2)。分析小麦的氮转运量和产量、品质。【结果】1)在同一形态氮肥下,小麦成熟期氮累积量、籽粒产量和收获指数均在中氮(150kg/hm^2)处理达到最大值,中氮(150kg/hm^2)处理能通过显著增加花前氮转运量和花后氮积累量进而提高籽粒含氮量。生物产量、籽粒蛋白质组分含量(除醇溶蛋白)、蛋白质含量、湿面筋含量、面筋指数、总淀粉、直链淀粉、支链淀粉、可溶性糖和蔗糖含量均随施氮量增加而提高。2)在同一施氮量下,硝态氮肥和酰胺态氮肥处理的小麦各时期植株含氮量、生物产量和籽粒产量均显著高于铵态氮肥(P<0.05),硝态氮肥和酰胺态氮肥的籽粒产量处理无显著差异(除低氮处理)。铵态氮肥处理的品质最差,酰胺态氮肥处理更有利于增加蛋白质和淀粉含量,改善籽粒品质,酰胺态氮肥处理的氮素吸收效率和氮素生产效率最高。3)不同形态氮肥显著影响穗数,施氮量显著影响千粒重。产量和品质达到最优所需的氮肥用量不同,中氮(150kg/hm^2)时产量最高,高氮(225kg/hm^2)时品质最优。4)方差分析表明,不同形态氮肥和施氮量对冬小麦各生育阶段氮素积累量及所占比例有极显著的影响(P<0.01),且二者存在极显著的互作效应。通径分析表明,叶片花前氮转运量对产量的直接影响最大,直接通径系数为0.614。【结论】酰胺态氮肥是适合该地区的氮肥种类,酰胺态氮肥在中氮(150kg/hm^2)条件下能显著提高强筋小麦产量和籽粒含氮量,在高氮(225kg/hm^2)条件下能显著改善强筋小麦品质,因此在实际小麦生产中要根据产量品质要求合理运筹氮肥。     

基于CenterNet的密集场景下多苹果目标快速识别方法

为提高苹果采摘机器人的识别效率和环境适应性,使其能在密集场景下对多苹果目标进行快速、精确识别,提出了一种密集场景下多苹果目标的快速识别方法.该方法借鉴"点即是目标"的思路,通过预测苹果的中心点及该苹果的宽、高尺寸,实现苹果目标的快速识别;通过改进CenterNet网络,设计了Tiny Hourglass-24轻量级骨干...