基于显微图像处理的稻瘟病菌孢子自动检测与计数方法

稻瘟病菌孢子的检测通常在显微镜下由人工目测完成,该方法费时、费力、自动化程度低。因此,该研究提出了一种基于显微图像处理技术的稻瘟病菌孢子自动检测和计数方法。首先,采用显微图像系统获取稻瘟病菌孢子图像;然后提出一种分块背景提取法对其进行光照校正;根据显微图像中孢子的边缘特征,利用Canny算子进行边缘检测,其中Canny边缘检测过程中的阈值应用模糊C均值算法在梯度图上自动确定;接着对边缘检测后的二值图像进行数学形态学闭开运算处理。根据孢子和主要杂质的形态特征,利用椭圆度、复杂度和最小外接矩形宽度等形态特征参数对目标物进行分类,提取只含孢子的二值图像。最后,提出了基于距离变换和高斯滤波的改进分水岭算法对粘连孢子进行分离。测试结果表明:在100幅测试的显微图像样本中,孢子检测的平均准确率为98.5%,满足稻瘟病菌孢子自动检测和计数要求。     

水库底层水培育优质扣蟹试验

河蟹养殖效益的高低与扣蟹的优劣直接相关。目前市场上扣蟹品系不纯,规格参差不齐。针对这一现象,笔者经过多年的对比试验,找到了培育优质扣蟹的新方法,利用水库底层水培育出优质的扣蟹。1材料与方法1.1培育池的位置和面积扣蟹培育池紧靠浙江省天台县里石门水库放水渠道旁,水质较好,无污染,酸碱度为7.8,有相对独立的进排水系统。每口池塘面积为30米×30米,坡度比为1∶2,属沙质土,池深1.8米。共有6只相同规格的池塘。1.2放苗前的准备2002年4月10日进行池塘修整。4月15日修补堤埂和进排水系统。整个场的周围用20目的聚乙烯网布拦成80厘米高的…     

棉田套种小麦、绿豆中久效磷的污染水平及控制措施的研究

1989—1990年在聊城、东阿、武城、平原和滨州5个县(市)按上述施药方法进行了久效磷在棉田套种小麦、绿豆上的残留量示范。示范面积3300余亩,采收小麦,绿豆样品测定久效磷残留量,小麦中久效磷检出率为16.9％,含量为0.01-0.014ppm,不超标。绿豆中久效磷检出率为48.3％,含量在0.045ppm以下,均未超标。同时,进行药效调查,结果表明,能有效地控制棉田中棉蚜、棉铃虫危害。     

中国水稻主产区白叶枯病菌致病型分析及近等基因系鉴别寄主的构建

【目的】分析中国不同稻区白叶枯病菌（Xanthomonas oryzae pv. oryzae）致病型,建立近等基因系鉴别寄主,为白叶枯病菌群体结构田间实时准确监测、抗性品种应用以及抗病育种提供科学依据。【方法】利用中国鉴别寄主、IR24以及15个抗白叶枯病近等基因系等共21个鉴别寄主,采用人工剪叶接种方法,对2018—2021年采自广东、广西、海南、浙江、湖南、辽宁、云南共7个省（自治区）的954个单菌落分离菌株进行致病型测定,探明白叶枯病菌致病型种类、分布及毒性分化;基于测试菌株与15个近等基因系及IR24的抗感互作,应用主成分因子分析法,开展近等基因系与病菌互作的变量因子分析,构建白叶枯病菌致病型近等基因系鉴别寄主;基于抗病基因与测试菌株的抗感反应,分析抗病基因聚合效应。【结果】954个测试菌株在中国鉴别寄主上鉴定出11个致病型,包括SRRRR（I）、SSRRR（Ⅱ）、SSSRR（Ⅲ）、SSSSR（Ⅳ）、SSRRS（V）、SRSRR（Ⅵ）、SSSSS（Ⅸ）、SSSRS（新型1）、SRSRS（新型2）、SRSSS（新型3）以及SSRSS（新型4）,占测试菌株的比率分别为11.53％、4.82％、7.34％、6.18％、7.23％、1.05%、59.96％、1.57%、0.10%、0.10%、0.10%。Ⅸ型菌作为致病性最广的强毒菌系已上升为华南和长江中下游湖南和浙江稻区的优势致病型,西南稻区的云南以Ⅳ型菌为主,东北稻区的辽宁以I型菌为主。15个水稻抗白叶枯病近等基因系对954个菌株的抗感性分析结果表明,测试的15个近等基因系可分为5种类型,第Ⅰ类为高感基因系,包括IRBB1、IRBB2、IRBB10、IRBB11、IRBB4;第Ⅱ类为中感基因系,包括IRBB3、IRBB203、IRBB14;第Ⅲ类为中抗基因系,包括IRBB8、IRBB13;第Ⅳ类为抗病基因系,有IRBB21;第Ⅴ类为高抗基因系,包括IRBB5、IRBB7、CBB23、GDBB23;测试菌株中,出现可侵染抗病基因xa5的有42个、Xa7的有34个、Xa23的有31个。对以白叶枯病近等基因系为主的16个品种（系）与954个菌株组成的抗感互作变量数据矩阵进行因子分析,以解释总变量>85.0%为界,提取出8个主成分因子,组建了以近等基因系为主的10个品种(系)组成白叶枯病菌近等基因系鉴别寄主,按其对变量方差贡献大小,这些寄主分别为IRBB10（Xa10）、IRBB4（Xa4）、GDBB23（Xa23）、IRBB5（xa5）、IRBB7（Xa7）、IRBB21（Xa21）、IR24（Xa18）、IRBB13（xa13）、IRBB3（Xa3）、金刚30;新鉴别寄主可将954个测试菌株划分为55个致病型,对测试稻区的白叶枯病菌菌株表现出较好的鉴别力。基因聚合联合抗性分析表明,不同抗病基因聚合对病菌的抗性频率有一定的提升,不同抗病基因对测试菌株的抗性具有一定的互补性。【结论】监测稻区的白叶枯病菌系趋向多样化,毒性分化明显,强毒菌系Ⅸ型菌在部分稻区已上升为优势致病型,侵染xa5、Xa7及Xa23等广谱抗性基因的菌株有上升趋势;抗病基因聚合可拓宽品种对病原菌系的抗性谱,是培育广谱抗性品种的有效途径;近等基因系鉴别寄主的建立与应用可为白叶枯病发生流行的精准监测以及田间实时预警提供技术支撑。     

一种引致水稻稻叶褐条斑的病原鉴定初报

对广东稻区近年来水稻生产上发生较为普遍的水稻稻叶褐条斑病进行了病原分离鉴定,根据柯赫氏法则,初步鉴定其致病病原菌为稻黑孢霉菌[Nigrospora oryzae (Berk.et Br.)petch];其症状与水稻窄条斑病类似,主要见于水稻生长中后期,在叶面上形成黄褐至黑褐色的短细条状斑,严重时均可致全叶枯死,引起穗枯,谷粒结实差或不结实,造成水稻严重减产.对该病在广东主栽水稻上的发生症状、病原鉴别进行了详细描述,并对该病原菌在国内外不同寄主上发生、防治状况进行了综述.     

源宝占抗稻瘟病遗传分析及基因定位

稻瘟病是水稻三大病害之一,严重威胁着粮食安全。解决这一问题最安全、有效的措施是选育、推广抗 病品种。源宝占是一份新育水稻材料,经鉴定,源宝占对来自广东各稻作区的25 个菌株中23 个表现为抗性,抗频达 92%,为广谱抗性材料。以源宝占与粤香占进行杂交,构建F1、F2群体,选用GD00-193a 菌株对亲本及世代群体进行 接种鉴定,结果表明F2代单株抗感分离比符合3颐1,这说明源宝占对菌株GD00-193a 的抗性是由一对显性基因或一 个主效QTL 控制。利用群体分离分析法（BSA）结合隐性群体分析法（RCA）将此基因定位于标记RM136 与RM549 之 间。 [2009]356 号）;广东省科技计划项目     

广东省侵染美香占2号的稻瘟病菌致病性及无毒基因变异分析

[目的]分析侵染广东稻区优质品种美香占2号稻瘟病菌(Magnaporthe oryzae)的致病性及无毒基因变异特征,为美香占2号在不同稻区的合理布局提供参考依据.[方法]利用9个抗稻瘟病单基因系,对稻瘟病菌单孢分离菌株进行致病性测定;并利用8个稻瘟病菌已克隆无毒基因的功能性分子标记对2013-2018年不同年份、不同...     

基于高光谱成像的水稻穗瘟病害程度分级方法

为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络"词"(word)用作高光谱图像表达的"基",直方图统计各光谱"词"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3"词袋表达-病害程度等级标签"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。     

久效磷在粮食作物上的残留量研究

研究结果表明:50%久效磷乳油在水稻上每亩用量不超过60毫升,稀释1000倍以上,喷药次数不超过3次,最后一次施药距收获期间隔30天以上;小麦上每亩用量不超过40毫升,稀释1500倍以上,最后一次施药距收获期20天以上,在稻米和麦粒中其残留量均低于联合国粮农组织、世界卫生组织规定的最大允许量0.05ppm.     

基于深度卷积神经网络的水稻穗瘟病检测方法

穗瘟是一种严重影响水稻产量及品质的多发病害,有效地检测穗瘟是水稻病害防治的重要任务。该文提出基于深度卷积神经网络GoogLeNet模型的水稻穗瘟病检测方法,该方法利用Inception基本模块重复堆叠构建主体网络。Inception模块利用多尺度卷积核提取不同尺度穗瘟病斑分布式特征并进行级联融合。GoogLeNet利用其结构深度和宽度,学习复杂噪声高光谱图像的隐高维特征表达,并在统一框架中训练Softmax分类器,实现穗瘟病害预测建模。为验证该研究所提方法的有效性,以1 467株田间采集的穗株为试验对象,采用便携式户外高光谱成像仪Gaia Field-F-V10在自然光照条件下拍摄穗株高光谱图像,并由植保专家根据穗瘟病害描述确定其穗瘟标签。所有高光谱图像-标签数据对构成GoogLeNet模型训练和验证的原始数据集。该文采用随机梯度下降算法(SGD,stochastic gradient descent)优化GoogLeNet模型,提出随机扔弃1个波段图像和随机平移平均谱图像亮度的2种数据增强策略,增加训练数据规模,防止模型过拟合并改善其泛化性能。经测试,验证集上穗瘟病害预测最高准确率为92.0%。试验结果表明,利用GoogLeNet建立的深度卷积模型,可以很好地实现水稻穗瘟病害的精准检测,克服室外自然光条件下利用光谱图像进行病害预测面临的困难,将该类研究往实际生产应用推进一大步。