猪细菌性疾病的科学防治

正春季的温湿度以及综合天气情况极容易导致大量病原菌以及病毒的滋生,使猪群感染各种细菌性疾病。因此在初春季节,要做好猪细菌性疾病的防治工作,以降低猪细菌性疾病的发生率及致死率,确保养殖户的经济收益。1猪细菌性疾病的显著特点猪细菌性疾病主要影响猪的呼吸、消化、神经以及循环等各个系统组织,其发病原因主要与饲养管理水平以及环境因素相关。在环境以及管理不良等应急因素的综合作用下,使动物出现生理以及代谢机能紊乱,机体抵抗力下降并出现     

兽用疫苗免疫过敏反应的原因及对策

本文对兽用疫苗免疫发生过敏反应的原因进行具体介绍,并在此基础上提出应对措施及预防方法,希望可以帮助兽医工作者更好地使用疫苗,从而减少免疫过敏反应的发生。     

基于无线智能温室农业大棚的构造与实现

近年来,随着我国农业种植技术以及计算机信息技术的快速发展,农业生产取得了令人满意的成果。"温室大棚"早在几十年前就已经出现,时至今日,其更是在各类先进技术的参与下,克服了各种难题,为人们的餐桌带来了更为新鲜、丰盛的各类蔬菜。有效地解决了人们在寒冷的冬季缺乏新鲜蔬菜的难题。有效地提升了人们的物质生活水平。无线温室大棚技术在温室大棚中的广泛应用,有效地消除了环境中温湿度以及光照等因素对植物生产的束缚,使得植物生长的更加健康、优良。基于此,重点探索无线智能农业大棚的构造以及实现,希望能够对农村地区的温室大棚修建有所帮助。     

驻马店市芝麻生产存在的问题及发展建议

驻马店市地处河南省中南部,位于北纬32°18'～33°35',东经113°36'～115°41',属北亚热带向北暖温带过度区,兼有南北气候之长.气候温和,雨量充沛,光照充足,土地肥沃,适宜多种油料作物生长.     

基于TMU-Net网络的苹果果心分割方法

针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题,该研究提出一种基于TMU-Net网络自动分割果心的方法,将Transformer编码器融入U-Net网络结构中,构建改进U型卷积网络TMU-Net模型。模型由特征提取模块、特征处理模块、解码器、特征拼接模块组成,以VGG-16前13层作为主干特征提取网络,在跳跃连接中叠加多重残差空洞卷积（Multiple Residual Dilated Convolution,MRDC）模块,增大感受野的同时增强了模型对底层特征提取能力。采用数据增强技术对果心数据集扩充后,利用迁移学习方法冻结特定的网络层,对TMU-Net模型进行训练。试验结果表明：引入迁移学习并使用最佳训练方式使模型分割精确率提高了22.48个百分点;TMU-Net网络模型在果心分割任务中实现了96.72%的精确率,与U-Net、PSPNet、DeeplabV3+网络对比,精确率分别提升了14.28、9.98、7.15个百分点。该方法能够精准、有效地实现果心分割,可为实现苹果内在品质智能检测提供参考。     

猪细菌性疾病的科学防治

春季是猪群易感各种细菌性疾病的季节,因此应做好猪细菌性疾病的防治工作,降低猪细菌性疾病的发生率以及致死率,以保证养殖户的经济收益。1猪细菌性疾病的特点猪细菌性疾病主要影响猪的呼吸、消化、神经以及循环等各个系统组织,其发病原因主要与饲养管理水平和环境因素相关,在环境以及管理不良等应激因素的综合作用下,使动物出现生理以及代谢机能紊乱,机体抵抗力下降并出现相应的病理症状。猪细菌病的特点有.     

猪瘟病毒实验室检测技术

本文主要介绍猪瘟血清学实验室诊断技术应用,猪瘟病毒中和试验、胶体金免疫检测、猪瘟正向间接血凝试验和猪瘟琼脂扩散试验的特点、猪瘟常见的血清学实验室诊断技术以及存在的问题与不足,以便更好地适用于临床应用。     

提高花生制种产量的技术措施

选择土壤疏松、地势平坦、耕层深厚、通气性好、渗水力强的沙质土或油沙土，有利于花生果针下扎结大果和饱果。花生制种地块应尽量做到冬季深耕、年后细耙，使土壤风化、冻化，从而调节土壤的团粒结构，减少病虫害并起到增温保湿功能。地块选好后要进行深耕，夏播花生进行深耕灭茬，有条件的最好进行秸秆还田，增加土壤有机质，增强蓄水保墒能力，减少病虫害的发生。     

非洲猪瘟病毒荧光定量PCR的建立及4种检测试剂盒的比较

为评估目前常用商品化非洲猪瘟荧光定量PCR检测试剂盒,参考OIE推荐的非洲猪瘟病毒(ASFV)荧光定量PCR方法合成引物和探针,建立非洲猪瘟病毒qPCR检测方法(OIE-qPCR);并与市面4种ASFV检测试剂盒进行了比较.以人工合成的ASFV p72基因TA克隆重组质粒为阳性标准品,OIE-qPCR可以检测到10～102 copies;而4种ASFV荧光定量PCR检测试剂盒中,进口试剂盒TF-qPCR能检测到10 copies,进口试剂盒ID-qPCR和国产试剂盒QD-qPCR能检测到10～102 copies,而国产试剂盒LY-qPCR能检测到102 copies.对健康猪组织样及临床模拟样品的检测结果显示:OIE-qPCR与4种检测试剂盒之间的符合率为92.60％～99.03％.其中,阳性样品CT值的相关系数为0.988～0.997(Perason法),表明各试剂盒之间相关性良好;但在检测病毒核酸含量较低的样品时,各试剂盒结果之间存在一定差异,其中,TF-qPCR试剂盒显示更高的阳性检出率,ID-qPCR试剂盒和LY-qPCR试剂盒次之.本研究为临床选用非洲猪瘟病毒快速检测试剂盒提供了依据.     

基于姿态估计和关键点特征向量的奶牛跛行识别方法

针对目前养殖场中自动检测奶牛跛行效率低、准确率不高等问题，设计了一种基于姿态估计和膝关节角度特征向量的奶牛跛行识别方法。鉴于奶牛行为具有随机停留的特点，制作奶牛在不同远近视场尺度和观测角度等条件下奶牛姿态估计数据集。将Faster RCNN卷积神经网络模型引入到奶牛关键点检测中提高跛行识别的可靠性；以ResNet101网络作为特征提取网络，构建奶牛姿态估计网络，并采用超参数微调训练方法，对网络模型进行迁移训练。通过视频中的奶牛姿态信息和关键点坐标信息，计算出奶牛行走时膝关节的角度特征，并利用1-D Convolution分类模型实现奶牛的跛行识别。实验结果显示：以ResNet101网络模型为基础的奶牛姿态估计网络的PCK@0.1值可以达到0.925 0；使用1-D Convolution模型对奶牛行为分类识别的准确率为97.22%，与LSTM、Bi-LSTM、GRU模型相比，分别提高5.55、2.78、11.11百分点。以上结果表明，所提方法对自然环境下奶牛跛行有较好的检测效果，可用于奶牛智能化养殖并为养殖管理提供技术参考。