基于茎秆生物力学特性的油菜抗倒调控机制研究

为了应用生物力学特性指标对茎秆抗倒性进行评价，进而指导油菜抗倒栽培，以华杂62和金油杂158为试验材料，基于不同栽培因素下油菜茎秆的弹性模量、弯曲强度、剪切强度及抗倒性，分析了栽培因素对油菜茎秆力学特性指标的影响及其与抗倒性的相关性。结果表明：油菜抗倒性与茎秆的弹性模量、弯曲强度、剪切强度呈显著负相关；随着播期推迟，油菜茎秆的弹性模量、弯曲强度及剪切强度分别减小15.31%、29.16%和13.88%，倒伏指数增大32.18%；随着播种密度增大，油菜茎秆的弹性模量、弯曲强度及剪切强度均呈先增大后减小趋势，而倒伏指数先减小后增大；随着施氮量增加，油菜茎秆的弹性模量、弯曲强度及剪切强度均逐渐减小，而倒伏指数逐渐增大，与施氮量120 kg·hm^-2处理相比，在施氮量为360 kg·hm^-2下，油菜茎秆的弹性模量、弯曲强度及剪切强度分别减小39.43%、19.40%和16.63%，倒伏指数增大16.36%。因此，播期提前、适当增加播种密度、控制氮肥投入，有助于提高油菜茎秆的力学特性强度，从而增强油菜的抗倒伏能力。研究结果可为油菜抗倒栽培调控提供理论依据。     

大田经济作物性状研究中的图像分割技术应用

大田经济作物在我国占有重要地位,其性状研究在机械化生产收获过程中至关重要,直接影响到生产效率和产品质量,数字图像技术的引入不仅为其性状研究带来高效的解决方案,更显示出广阔的应用前景。综合分析了近年来不断改进的图像分割方法,将其分成传统分割方法和结合特定工具的图像分割算法两大类,重点介绍了传统分割方法中基于阈值的分割方法和基于边缘检测的分割方法两种流行算法,结合特定理论工具的图像分割算法中的小波分析变换、遗传算法、主动轮廓模型、聚类算法、深度学习方法等 6 种方法,并对各大类算法中使用的各种图像分割方法进行归纳总结,列举其在油菜、棉花、大豆和花生等经济作物性状研究中的应用,同时对遗传算法、主动轮廓模型、聚类算法和深度学习中的 Fast R-CNN 算法添加技术框架图。最后对图像分割技术在大田经济作物中应用存在的主要问题进行分析并提出展望。     

基于茎秆生物力学特性的油菜抗倒调控机制研究

为了应用生物力学特性指标对茎秆抗倒性进行评价,进而指导油菜抗倒栽培,以华杂62和金油杂158为试验材料,基于不同栽培因素下油菜茎秆的弹性模量、弯曲强度、剪切强度及抗倒性,分析了栽培因素对油菜茎秆力学特性指标的影响及其与抗倒性的相关性。结果表明：油菜抗倒性与茎秆的弹性模量、弯曲强度、剪切强度呈显著负相关;随着播期推迟,油菜茎秆的弹性模量、弯曲强度及剪切强度分别减小15.31%、29.16%和13.88%,倒伏指数增大32.18%;随着播种密度增大,油菜茎秆的弹性模量、弯曲强度及剪切强度均呈先增大后减小趋势,而倒伏指数先减小后增大;随着施氮量增加,油菜茎秆的弹性模量、弯曲强度及剪切强度均逐渐减小,而倒伏指数逐渐增大,与施氮量120 kg·hm^-2处理相比,在施氮量为360 kg·hm^-2下,油菜茎秆的弹性模量、弯曲强度及剪切强度分别减小39.43%、19.40%和16.63%,倒伏指数增大16.36%。因此,播期提前、适当增加播种密度、控制氮肥投入,有助于提高油菜茎秆的力学特性强度,从而增强油菜的抗倒伏能力。研究结果可为油菜抗倒栽培调控提供理论依据。     

基于振动特性预测不同栽培措施下油菜抗倒性

为了研究油菜茎秆抗风性能，以提供油菜抗倒栽培和倒伏预测的理论依据和技术支撑。选用华杂62和金油杂158两个品种，设置种植密度（30×10⁴、45×10⁴和60×10⁴株·hm^-2）、施氮量（120、240和360 kg·hm^-2）和播期（9月20日、10月1日和10月10日）各3个水平的单因素试验，测定花期（初花期、盛花期和终花期）茎秆自振、风振、弯曲特性等力学指标和终花后20 d的倒伏指数。结果表明：增大种植密度，花期油菜茎秆自振频率、阻尼比、风振频率、弹性模量和弯曲应力均先增大后减小，最大振幅和倒伏指数先减小后增大，抗倒性先增后降；增大施氮量，花期油菜茎秆自振频率、阻尼比、风振频率、弹性模量和弯曲应力均逐渐减小，最大振幅和倒伏指数逐渐增大，抗倒性逐渐降低；推迟播期，花期油菜茎秆自振频率、阻尼比和风振频率均逐渐增大，弹性模量、弯曲应力最大振幅和倒伏指数逐渐减小，抗倒性逐渐增强。建立了华杂62和金油杂158的BP神经网络倒伏指数预测模型，经检验，预测值与实测值的均方根误差分别为0.157和0.177，平均绝对百分误差分别为7.68%和8.30%，精确度较高，可实现于花期预测油菜终花后的抗倒性。