美观新颖的昆虫标本制作

为了保护环境，减少昆虫资源的浪费，介绍表面皿标本，琥珀标本，蝴蝶珍藏卡等标本制作方法。     

基于Web的猪育种管理系统设计

针对种猪场育种管理中存在的弊端和技术力量薄弱,提出构建基于Web的猪育种管理系统的设想,利用Web的资源共享功能,采用Asp.net技术完成系统设计。将系统应用到实践中,养殖户不需单独购买育种管理软件,只需登录到此系统的网络平台即可完成所有与育种相关的工作,可以降低猪场育种管理方面的成本。系统还可完成有遗传联系的猪场育种数据集成化,促进区域联合育种。与同类系统相比,系统添加了专家评估模块和猪性状优良库。专家可以分析猪场的育种现状,提供有针对性的技术服务。场方以猪性状优良库为参照标准,了解本场猪种优良情况,明确自身努力方向,提高本场种猪选育水平。     

茶树菇单孢菌株的单一性分析

为了研究担子菌单核菌株单一性，通过形态与分子鉴定比对，以期为食用菌的杂交育种及遗传研究提供参考。用单孢稀释法涂布孢子，挑选单孢菌株进行锁状结构观察，判定的“单核菌株”用A和B交配位点进行扩增分析。结果表明：（1）随机挑选的11个单孢菌株中，10个菌株缺少该结构，被判定为单核体，而剩下的1个菌株具有明显的锁状结构，被判定为异核体；（2）依据交配位点A和B设计的引物扩增结果表明3个“单核体”为非单一性菌株，有两种A交配位点，但只有一种B交配位点。根据锁状结构认定的部分“单核体”可能会混有相同A或B交配型的异源菌株，建议单核体的分离采用单孢分离法，并且要结合分子鉴定。     

基于深度学习的蔬菜鳞翅目害虫自动识别与检测计数

鳞翅目害虫是蔬菜作物中最重要且常见的一类害虫。由于受到复杂田间背景,光照及害虫姿态等的影响,传统的害虫自动识别与检测计数方法准确率比较低。为实现在田间快速准确地对目标害虫进行自动识别和检测计数,分别提出了基于深度卷积神经网络的识别模型和检测计数模型。针对菜粉蝶、棉铃虫、甜菜夜蛾、小菜蛾、斜纹夜蛾这5种常见且容易混淆的蔬菜鳞翅目害虫,构建了分类识别数据集和检测计数数据集,并分别进行了实验,平均识别率达到94.5%,检测均值平均精度(mAP)达到76.6%,与传统方法相比,证明了此方法的优越性。实验结果表明,该方法对于蔬菜鳞翅目害虫的识别和检测计数是可行的,且达到了实际应用水平。     

疫病远程诊断系统应用的概述

简述疫病远程诊断技术,比较了疫病远程诊断专家系统和基于面对面的疫病远程诊断系统的优缺点,重点概括了基于面对面的疫病远程诊断系统对多媒体技术和通信技术的基本需求,拟将该技术应用于安徽省兽医诊断领域。     

茶树菇B交配型位点结构分析

为了探明茶树菇有性生殖内在分子机制,包括交配极性转换产生的同核体出菇问题。以茶树菇YSG同核体子代为实验菌株,依据基因组注释信息,利用嵌套引物验证B交配位点,设计引物扩增同核体群体,获得的扩增谱与菌株交配型进行比对。结果表明：（1）同核体培养后出现3种类型,菌丝型、无盖型和菌柄型,后两种为畸形子实体,不进行有性生殖;（2）依据交配位点B设计的引物扩增谱显示,B交配位点完整遗传到子代菌株中,没有观察到重组事件发生;（3）交配型分析显示,该B交配位点决定菌株的交配型,没有新的交配极性出现。本研究推断供试菌株茶树菇YSG同核体只包含一个B交配位点,结果与已报道的3个亚位点不同。这些结果差异是否由于类群差异造成,还需要更多的出菇实验及交配位点鉴定予以确认。     

基于Web的猪育种管理系统设计

针对种猪场育种管理中存在的弊端和技术力量薄弱,提出构建基于Web的猪育种管理系统的设想,利用Web的资源共享功能,采用Asp.net技术完成系统设计。将系统应用到实践中,养殖户不需单独购买育种管理软件,只需登录到此系统的网络平台即可完成所有与育种相关的工作,可以降低猪场育种管理方面的成本。系统还可完成有遗传联系的猪场育种数据集成化,促进区域联合育种。与同类系统相比,系统添加了专家评估模块和猪性状优良库。专家可以分析猪场的育种现状,提供有针对性的技术服务。场方以猪性状优良库为参照标准,了解本场猪种优良情况,明确自身努力方向,提高本场种猪选育水平。     

基于物联网的生猪养殖的探讨

在生猪养殖中,应用物联网技术,不仅能提高生猪养殖的标准化、健康化、智能化,还能让生猪养殖尽快实现“无疫病、无公害、无残留、无污染,以及产品优质安全”的远大目标.本研究简述物联网的概念,介绍国内外物联网技术在生猪健康养殖中的应用情况,指出国内基于物联网的生猪健康养殖存在的不足,为今后生猪养殖研究工作找到努力的方向.     

疫病远程诊断系统应用的概述

简述疫病远程诊断技术,比较了疫病远程诊断专家系统和基于面对面的疫病远程诊断系统的优缺点,重点概括了基于面对面的疫病远程诊断系统对多媒体技术和通信技术的基本需求,拟将该技术应用于安徽省兽医诊断领域。     

基于迁移学习的多模型水稻病害识别方法研究

水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害.使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型.试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97％,尤其是Xception模型不仅可以达到98.50％的最高识别准确率而且是最稳定的.该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性.