湖南省稻瘟病菌无毒基因鉴定

【目的】了解湖南省稻瘟病菌无毒基因组成,为培育水稻新品种及合理布局抗稻瘟病品种提供参考依据。【方法】采用2014年分离自湖南桃江病圃丽江新团黑谷(LTH)上的120个稻瘟病菌单孢菌株室内离体针刺接种于24个已知抗瘟基因的水稻近等基因系(NILs)上,对供试菌株进行无毒基因鉴定。【结果】120个稻瘟病菌含有全部24个无毒基因,在24个无毒基因中,出现频率高于40.00%的有Avr-Pita和Avr-Pish;出现频率在30.00%~40.00%的无毒基因有Avr-Piz、Avr-Piz5、Avr-Pi3和Avr-Pi9;其余无毒基因出现频率均较低,特别是Avr-Piks、Avr-Pikp、Avr-Pib、Avr-Pi12和Avr-Pi11出现频率均低于10.00%。【结论】含抗性基因Pi-ta和Pi-sh的水稻品种可在湖南省推广利用;含抗性基因Pi-z、Pi-z5、 Pi-3和Pi-9的水稻品种在湖南推广时应慎重考虑;含抗性基因Pi-ks、Pi-kp、Pi-b、Pi-12和Pi-11的水稻品种不宜在湖南省推广利用。     

贵州乌蒙山区菜用马铃薯品种栽培比较试验

为筛选出可在贵州乌蒙山区推广的生长、产量表现较好的菜用马铃薯品种,以8个菜用马铃薯品种在贵州水城县双戛乡进行栽培比较试验,结果表明:费乌瑞它、中薯3号、郑薯5号和川芋39四个品种表现为早熟,新芋4号表现为晚熟；费乌瑞它、中薯3号、威芋5号在生育期、经济性状、商品外观上综合表现较好,且威芋5号、费乌瑞它小区产量最高(50 kg/18m2),其次是中薯3号(47.3 kg/18 m2),3个品种分别与其余参试品种达显著或极显著性差异,适宜在乌蒙山区进行推广.     

湖南桃江病圃稻瘟病菌对24个水稻抗稻瘟基因的毒性分析

稻瘟病是水稻生产上的重要病害,了解稻瘟病菌群体毒性组成是水稻抗病品种合理布局的重要基础。2012-2015年从湖南桃江病圃中不含已知抗瘟基因的水稻品种‘丽江新团黑谷’上成功分离出351个稻瘟病菌单孢菌株,在温室于水稻5叶期采用离体接种法测定了其对24个水稻抗稻瘟病单基因系的毒性,结果表明,病圃中稻瘟病菌以广谱强致病性的菌株为主,病菌对不同抗瘟基因的毒力频率在50.56%~96.67%之间,而不同年度间对24个抗性基因均具毒性的菌株出现频率在0~15%之间。对2015年的每2个抗瘟基因的联合毒力分析表明,基因两两搭配后的联合抗病系数最高、联合致病系数最低的组合是Pi-3*Pi-k(RAC=0.19,PAC=0.43)。     

湖南桃江病圃稻瘟病病菌遗传多样性的SSR分析

为了解湖南桃江病圃稻瘟病病菌遗传多样性,选用14对SSR引物,采用SSR标记技术分析了从该病圃中丽江新团黑谷(广谱高感稻瘟病品种)上分离的89个稻瘟病菌单孢菌株的遗传多样性。结果表明,以相似系数0.72为界,将89个菌株划分成20个遗传谱系,其中L06和L07为优势宗谱,分别含有18和13个菌株,各占总菌株数的20.2%和14.6%;有6个宗谱分别含4~7个菌株,共占总菌株数的34.8%,另12个宗谱分别含菌株1~3个,共占总菌株数的30.3%。该病圃中的稻瘟病菌群体复杂,遗传多样性丰富,湖南抗瘟品种选育和品种布局应针对L06和L07优势宗谱。     

起垄覆膜栽培对菜用马铃薯生长及产量的影响

以"中薯3号"马铃薯为试材,研究了单行、双行起垄覆膜,单行、双行起垄不覆膜4种处理对马铃薯生长及产量的影响。结果表明:起垄、不覆膜栽培处理的马铃薯生育期与对照的一致,而起垄、覆盖地膜处理明显提早了马铃薯的出苗期和成熟、收获期。起垄栽培提高了大薯率和中薯率以及单株薯重;各处理产量与对照的差异性呈极显著,且起垄覆膜栽培的处理(无论单行或是双行)与对照相比,增产率超过10%;起垄不覆膜栽培的处理与对照相比,增产率超过4%。     

犬洋葱中毒合并细小病毒感染的诊疗

洋葱是人们喜爱的食品,但因其含有正丙基二硫化物,犬食用后会引起急性溶血性贫血。临床上大部分洋葱中毒都出现在秋冬季节,同时该季节是犬病毒病的高发期。临床上洋葱中毒较为多见,但在动物病毒病高发期的秋冬季节出现犬洋葱中毒与细小病毒交叉感染不为多见,现将笔者于2010年12月     

利用改进Faster-RCNN识别小麦条锈病和黄矮病

条锈病和黄矮病是严重威胁小麦生产的重大病害,病害的早期识别对病害防控具有重要意义。现有病害识别模型对相似表型症状识别困难,对早期病害的识别准确度低。为此,该研究构建了一种改进的快速区域卷积神经网络（Faster Regions with CNN Features,Faster-RCNN）的病害识别方法。该方法采用卷积核拆解和下采样延迟策略优化了深度残差网络（Deep Residual Neural Network,ResNet-50）,用优化后的ResNet-50作为主干特征提取网络以增强所提取特征的表达力,同时简化模型的参数;并采用ROI （Region of Interest）Align改进ROI迟化层以降低特征量化误差,提升识别的精度。在自建的涵盖200余种不同发病时期、不同抗感性的小麦叶部图像数据集上进行试验,结果表明：改进的Faster-RCNN识别方法比其他SSD （Single Shot Multi-Box Detector）、YOLO（You Only Look Once）和Faster-RCNN网络模型的平均精度均值（mean Average Precision,mAP）分别提升了9.26个百分点、7.64个百分点和14.97个百分点。对小麦条锈病、黄矮病、健康小麦和其他黄化症状小麦识别的平均精度均值可达98.74%;对小麦条锈病和黄矮病轻、重症识别的平均精度均值可达91.06%。同时,模型损失函数值降低更快,整体性能表现更优。进一步开发小麦病害智能识别系统部署研究模型,使用微信小程序进行田间小麦病害的识别。在最大并发100的条件下,小程序平均返回时延为5.02 s,识别返回成功率为97.85%,对两种小麦病害及其细分轻重症识别的平均准确率为93.56%,能够有效满足实际应用需求,可用于指导病害的科学防控。