果壳种类对生物膜特性及废水处理效果的影响

为促进植物果壳的资源化利用，选择花生壳、核桃壳和夏威夷果壳3种果壳，使用SEM和FTIR表征其表面微观特征与化学基团，探索植物果壳作为SBBR反应器填料的可行性，考察果壳类型对生物膜特性和废水处理效果的影响。结果表明：3种果壳表面粗糙多孔且富有OH、COOH等亲水性基团，有利于微生物附着生长。花生壳上生物膜量呈现“先增后降”变化，试验前期从6.80 mg·cm^-3上升至24.66 mg·cm^-3。后期花生壳软化分解，生物膜量不断降低，与试验前期基本持平，生物膜中夹杂过多腐烂的代谢产物，导致EPS含量最低（49.90 mg·g^-1），DHA低，生物膜活性差，对COD、NH₄⁺-N长期去除效果不理想，仅能达到约65%；核桃壳、夏威夷果壳上生物膜量含量高，试验前期分别从7.98 mg·cm^-3和8.45 mg·cm^-3快速上升至26.75 mg·cm^-3和25.96 mg·cm^-3，之后缓慢上升。悬浮于反应器中的核桃壳受到强烈水力剪切作用，污染物传质效果的增强促进微生物EPS分泌，EPS含量最高达66.44 mg·g^-1；2种果壳生物膜DHA均呈现“先增后稳”变化，最高达到81.72 mg·g^-1·h^-1，生物膜活性高，对COD、NH₄⁺-N去除率不断增长，最高均达到90%左右。因此，除花生壳外，核桃壳和夏威夷果壳结构稳定，生物膜特性良好、污染物去除效果较好，可作为填料长期使用。     

武汉地区香椿芽苗菜简易化栽培技术

芽苗菜是利用种子自身的营养发芽成苗供食用的一种蔬菜。它作为一种新兴的绿色无公害高档蔬菜，以其种类繁多、生产周期短、投入少、风味独特、营养丰富、保健、无公害等特点，深受广大消费者喜爱。香椿芽苗菜则是利用香椿种子萌发形成芽苗以供食用的一种蔬菜。下面介绍一套武汉地区香椿芽苗菜周年供应简易化栽培技术。     

自然环境下绿色柑橘视觉检测技术研究

绿色柑橘具有与背景相似的颜色特征,自然环境下绿色柑橘的视觉检测比较困难。提出基于深度学习技术,利用Faster RCNN方法进行树上绿色柑橘的视觉检测研究。首先配置深度学习的试验环境,同时设计了绿色柑橘图像采集试验,建立了柑橘图像样本集,通过试验对批处理大小、学习速率和动量等超参数进行调优,确定合适的学习速率为0.01、批处理为128、动量系数为0.9,使用确定的超参数对模型进行了训练,最终训练模型在测试集上的平均精度(MAP)为85.49%。通过设计自然环境下不同光照条件、图像中不同尺寸柑橘、不同个数柑橘的Faster RCNN方法与Otsu分割法的柑橘检测对比试验,并定义F值作为对比评价指标,分析2种方法的检测结果,试验结果表明:Faster RCNN方法与Otsu方法在不同光照条件下检测绿色柑橘的F值分别为77.45%和59.53%;不同个数柑橘果实检测结果的F值分别为82.58%和60.34%,不同尺寸柑橘检测结果的F值分别为73.53%和49.44%,表明所提方法对自然环境下绿色柑橘有较好的检测效果,为果园自动化生产和机器人采摘的视觉检测提供了技术支持。     

自然环境下树上绿色芒果的无人机视觉检测技术

为了快速检测芒果树上的芒果,本文提出了一种基于无人机的树上绿色芒果视觉检测方法。本文采用深度学习技术,利用YOLOv2模型对无人机采集的芒果图像进行检测,首先通过无人机采集树上芒果图像,对芒果图像进行人工标记,建立芒果图像的训练集和测试集,通过试验确定训练模型的批处理量和初始学习率,并在训练模型时根据训练次数逐渐降低学习率,最终训练出来的模型在训练集上的平均精度(Mean average precision,MAP)为86.43%。通过试验,分析了包含不同果实数和不同光照条件下芒果图像的识别准确率,并设计了芒果树产量估计试验,试验结果表明:本文算法检测一幅图像的平均运行时间为0.08s,对测试集的识别准确率为90.64%,错误识别率为9.36%;对含不同果实数的图像识别准确率最高为94.55%,最低为88.05%;顺光条件下识别准确率为93.42%,逆光条件下识别准确率为87.18%;对芒果树产量估计的平均误差为12.79%。表明本文算法对自然环境下树上芒果有较好的检测效果,为农业智能化生产中果蔬产量的估计提供了视觉技术支持。     

哈尔滨太平国际机场冬季鸟类组成及鸟撞预防措施效果的分析

2001—2003年冬季(11月-翌年4月)对哈尔滨太平国际机场冬季鸟类的种类和数量进行了调查，共发现鸟类5目14科23种，在机场飞行区内鸟类有9种，主要影响飞行安全的鸟类有毛脚鵟(Buteo lagopus)、红隼(Faclo tinnunculus)、家鸽(Columba sp.)、长耳鴞(Asio otus)、喜鹊(Pica pica)、小嘴乌鸦(Corvus corone)等7种。根据以上情况，采用消灭飞行区内的啮齿娄动物、填理清理场区北端垃圾场、对冬季来机场松林内聚集栖息的长耳鴞进行短期猛烈驱赶、对机场飞行区出现的家鸽采用随时驱赶4项措施驱鸟以减少飞机鸟撞机会，并对驱鸟效果进行了验证分析。分析结果显示，采用驱鸟措施后，除家鸽的出现频率没有明显变化外，其他主要防治鸟类数量均显著下降。     

农杆菌介导的葡萄柚转化再生体系建立研究

【目的】建立邓肯葡萄柚上胚轴遗传转化再生体系,为葡萄柚基因转化研究奠定基础。【方法】以邓肯葡萄柚上胚轴为外植体,研究上胚轴不定芽和生根诱导、遗传转化的影响因子。【结果】在添加TDZ0.50～1.00mg/L的培养基上,上胚轴不定芽诱导率为72.7%～81.6%;无菌枝条的最适生根条件为1/2MT添加ABT6号1.0mg/L,生根率可达81.3%。不同抗菌素中,以替门汀杀菌效果较好,且对外植体出芽无明显抑制作用。转化芽选择初期,5～7d的暗培养有利于卡那霉素抗性芽的诱导发生。PCR检测结果显示,7株抗性植株中有6株呈阳性。【结论】建立了邓肯葡萄柚上胚轴植株再生繁殖体系,为其基因转化奠定了基础。     

链霉菌WH13的分离鉴定及其拮抗致病疫霉活性的初步探究

马铃薯晚疫病(potato late bright)是由致病疫霉(Phytophthora infestans)引起的最为严重的马铃薯(Solanum tuberosum)病害之一。因放线菌多能产生天然活性物质而拮抗病原微生物,被研究者视为植物病害重要的生防菌种。其中,链霉菌是最主要的一类。本研究从内蒙古乌海地区的土壤中分离得到1株对致病疫霉拮抗效果良好的菌株WH13,其16S rRNA与Streptomyces enissocaesilis的相似性达100%,初步鉴定其为链霉菌。WH13对致病疫霉的平板对峙抑菌率可达74. 44%,其发酵上清液和菌体破碎液中均存在抑制致病疫霉的活性物质,抑菌率分别为49. 44%和58. 38%。对马铃薯离体叶片的接种试验表明,WH13可显著降低致病疫霉导致的病斑面积。试验结果为后续利用该菌株开发成抗马铃薯晚疫病生防制剂奠定了基础。     

夜间自然环境下荔枝采摘机器人识别技术

利用机器视觉实现自然环境下成熟荔枝的识别,对农业采摘机器人的研究与发展具有重要意义。本文首先设计了夜间图像采集的视觉系统,然后选取了白天和夜间两种自然环境下采集荔枝图像,分析了同一串荔枝在白天自然光照与夜间LED光照下的颜色数据,确定了YIQ颜色模型进行夜间荔枝果实识别的可行性。首先选择夜间荔枝图像的I分量图,利用Otsu算法分割图像去除背景,然后使用模糊C均值聚类算法分割果实和果梗图像,得到荔枝果实图像;再利用Hough圆拟合方法检测出图像中的各个荔枝果实。荔枝识别试验结果表明:夜间荔枝图像识别的正确率为95.3%,识别算法运行的平均时间为0.46 s。研究表明,该算法对夜间荔枝的识别有较好的准确性和实时性,为荔枝采摘机器人的视觉定位方法提供了技术支持。     

非结构环境中扰动葡萄采摘点的视觉定位技术

非结构环境下采摘机器人对扰动葡萄采摘点的视觉识别定位有实际应用价值。首先基于"挠性杆-铰链-刚性杆-质量球"模型对葡萄串形态进行分析,将其扰动状态分解为XOY和YOZ 2个平面的类单摆运动,对扰动葡萄进行视频拍摄,通过对视频中多帧葡萄图像进行Otsu阈值分割得到果实和果梗,并计算出各帧图像中葡萄串的质心;对各帧图像的葡萄串质心进行曲线拟合,计算出葡萄类单摆运动的周期与摆角,从而确定当前扰动葡萄是否适合视觉定位;对可实现视觉定位的扰动葡萄,选取类单摆中间位置质心点对应的葡萄图像,对葡萄串上方矩形区域进行Canny边缘检测,再利用霍夫直线拟合结合角度约束法实现扰动葡萄采摘点的定位。视觉定位试验结果表明:自然环境中不同光照下扰动葡萄采摘点的视觉定位准确率达80%以上,为采摘机器人应用于实际生产提供了理论基础。