番木瓜ERF家族与果实成熟相关成员的分析

通过比较分析番木瓜ERF家族成员的系统进化关系、基本理化性质、保守基序、启动子顺式元件,结合分析番木瓜在乙烯利和乙烯抑制剂1–甲基环丙烯(1-MCP)处理下以及不同成熟期果肉的RNA-seq数据,筛选出22个ERF家族成员进行表达差异分析,最终比较得出两个处理数据中显著差异表达基因有18个,推测这些基因可能在番木瓜果实成熟过程中起重要作用。     

红壤旱地一株自生固氮菌的筛选鉴定及其固氮能力评估

为了鉴定从红壤中分离得到的一株自生固氮菌,并探讨其固氮能力。采用形态观察、生理生化测定和16S rDNA基因序列分析的方法研究了菌株的分类地位,采用乙炔还原法测定其固氮酶活性,并在室内培养条件下,通过花生、玉米的幼苗盆栽试验研究菌株对土壤MBN、矿化氮和植株氮素积累量的影响。结果表明：从种植于红壤的玉米根际,筛选出15株自生固氮菌,以菌株CM12固氮能力最强,初步鉴定CM12为伯霍尔德杆菌属(Burkholderia sp.),固氮酶活性达C₂H₄ 39.1 nmol/(h·mL)。室内培养试验结果表明,接种CM12菌株的处理,花生和玉米土壤MBN含量较CK处理分别提高了2.38和2.37倍,其中种植花生体系中,接菌处理与施用化学氮肥处理土壤MBN含量无显著差异。接种固氮菌影响了旱地红壤NO₃^--N和NH₄⁺-N比例,降低了土壤中NO₃^--N含量,且种植玉米体系中土壤NO₃^--N含量降低较明显。固氮菌短期接种增加了花生根系和玉米地上植株的氮素积累量。研究结果为该菌株在红壤旱地实际生产中的应用提供了理论基础。     

江西一季籼粳杂交稻稻曲病防治药剂及次数研究

选择合适的防治药剂和防治次数是减轻稻曲病危害的关键。本研究以籼粳杂交稻甬优12为材料,比较了6种药剂和3种喷施次数对稻曲病的防控效果和产量性状差异。结果表明,在6种药剂中,阿米妙收处理的病穗率防效和病指防效最好,分别达到91.53%和96.63%,但与其他药剂无显著性差异。在防治次数上,爱苗和拿敌稳均为防治3次的处理病指防效最好,分别为81.73%和80.15%,显著高于防治次数3次以下的处理。阿米妙收处理的产量最高,达11 719.52 kg/hm~2,显著高于其他处理。     

CD光盘轨道间距测量

从合适的角度看光盘,在日光下可见彩色的辐射光带,而且不同的观察角度,光带的色彩不同。当白光照射到这种反射光栅上时,由于光栅衍射的作用,产生彩色光带,其色彩取决于光栅常量和观察角度。本实验就用一种简单的方法来测量CD光盘的光栅常量。     

基层畜牧兽医站生猪检疫检验工作解析

随着社会的不断发展与人民生活水平的日趋提高,人们对于身体健康越来越重视,因此也越来越关注食品安全质量。而猪肉作为人们日常生活中不可或缺的食品,其安全质量也严重影响着人们的身体健康。要确保猪肉的安全质量就需要做好生猪的防疫工作。对于当前基层畜牧兽医站的生猪检疫与检验的相关工作进行解析,并提出解决方法。     

鹅育雏期饲养管理注意事项

正鹅的全身都是宝,鹅肉蛋白质含量高,能美容保健;鹅肝细腻鲜美,营养丰富;鹅羽绒柔软轻便,保暖性好,同时鹅是草食性节粮型家禽,所以发展养鹅业,形成良性生态循环,提供大量绿色健康食品。在鹅饲养过程中,如果育雏期管理不当会导致高死亡率,同时影响鹅的生长发育,造成重大经济损失。所以广大养殖户要高度重视育雏工作。     

在狮子林的假山群里捉迷藏

正苏州园林是中国的十大风景名胜之一。有一年暑假,我们一家三口从杭州到了上海。听说上海到苏州只有两小时的路程,我们便与朋友一起,加入了苏州一日游的团,参观了苏州有名的四大园林之一的狮子林。跟随旅游团,我们游了苏州的报恩寺、姑苏河、寒山寺、山塘街,最后来到了目的地——狮子林。这座园林是元代僧人天如禅师为纪念他的师父中峰禅师所建。1918年,贝氏家族买下狮子林。贝氏家族有位世界著名的建筑大师     

基于YOLO v3与图结构模型的群养猪只头尾辨别方法

在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。