黄瓜根分泌物中的7,8-苯并黄酮及其对枯萎病发生的影响

分别提取黄瓜枯萎病感病品种津研4号和抗病品种中农10号的根分泌物,感病品种根分泌物甲醇提取液能够刺激枯萎病菌的菌丝生长,而抗病品种根分泌物甲醇提取液则抑制病原菌生长。利用LC-MS/MS技术分别对感病品种和抗病品种根分泌物中的差异物质进行分析鉴定。与感病品种津研4号相比,抗病品种中农10号根分泌物中含有7,8-苯并黄酮(7,8-BF),含量为0.02μg/株。50μg/mL的7,8-BF能够显著抑制黄瓜枯萎病菌菌丝生长和孢子萌发,而100μg/mL的7,8-BF能显著抑制抗感品种侧根形成,但是抗病品种的耐受力高于感病品种。用7,8-BF处理黄瓜种子,枯萎病侵染程度显著降低。当7,8-苯并黄酮浓度为50μg/mL时,感病品种病情指数从71.7降为30.8,达到中抗水平。     

一种基于解耦旋转锚框匹配策略的谷粒检测方法

【目的】基于计算机视觉技术建立水稻考种中谷粒计数与粒径的检测方法,节省考种人力成本,提升效率,有利于数字化育种体系建立。【方法】通过对比基于 YOLOv5l 骨架结构的水平框目标检测策略与基于 ResNet101 和 DarkNet53 骨架结构的旋转框检测策略,同时比较旋转框检测策略预测的水稻谷粒长宽比值与实际测量值之间的差异,验证该方法的可行性。【结果】旋转框的目标检测模型计算得到的水稻谷粒长宽比与实测值无显著差异,两者的均方根误差为 0.91~2.29;而水平框的目标检测模型计算的长宽比显著小于实测值,且均方根误差值（9.38~9.45）比旋转框的目标检测模型更大。基于水平框的目标检测策略与基于旋转框的检测策略在谷粒计数的精度几乎相当,但水平框检测模型无法实现水稻谷粒长宽比的准确计算,而使用旋转框的目标检测策略能够较为准确计算谷粒长宽比。【结论】基于解耦旋转锚框匹配策略可对水稻谷粒进行准确计数,相比传统水平框的目标检测策略,可降低检测中的背景噪声和密集堆积物体的漏检情况,同时快速准确计算水稻谷粒长宽比。该方法可以进一步应用到水稻品种识别中的谷粒长短和大小的计算,以及种子质量检测及品种鉴定等数字化育种场景中。     

根癌农杆菌介导hrf1基因转化小麦增强赤霉病抗性

将hrfl基因由根癌农杆菌EHA105介导,采用剪去颖壳和直接注射小穗2种侵染方法,转入江苏省重要小麦品种扬麦158.经硫酸卡那霉素抗性筛选和PCR检测,获得转基因阳性株系599个,2种侵染方法的转化率分别为0.8%和1.5%.经抗性分析表明,T1 代对小麦赤霉病防效为28.3%,其中高抗株系78个;这78个株系的T2代对赤霉病防效为59.7%,高抗株系34个.结果表明,转hrfl基因小麦株系对小麦赤霉病有较好的抗病性.     

荧光定量PCR监测黄瓜根分泌物对土壤中枯萎病菌生物量的影响

本文建立了土壤中黄瓜枯萎病病原物的Real-time PCR监测方法,该方法能准确快速反应环境中的病原物数量变化,且检出限为2 ng·g-1.进一步研究黄瓜枯萎病感病品种津研4号和抗病品种中农10号根分泌物对土壤中黄瓜枯萎病病原菌的影响.结果表明,抗病品种和感病品种根际的枯萎病菌数量变化趋势明显不同.抗病品种的根分泌物抑制枯萎病菌在土壤中的存活,第14 d已不能检出.而感病品种的根分泌物却能延长枯萎病菌的存活时间,第21 d,LgQ为2.32±0.07.     

Harpin xoo在水稻中表达提高对白叶枯病不同小种抗性

用剪叶接种法测定10个转hrf1基因水稻株系对15个水稻白叶枯病菌小种的抗性.所有的转基因系对JxOV和PXO79小种的抗性与受体对照相比显著提高,RT-PCR结果显示,在转化hrf1基因的抗病水稻中,信号传导基因npr1表达明显增强,表明转hrf1基因水稻可能通过激发水稻中信号传导基因的表达,提高对白叶枯病菌不同小种的抗性.     

深度学习训练数据 分布对植物病害识别的影响研究

牛结节性皮肤病（Lumpy Skin Disease,LSD）是一种由牛结节性皮肤病病毒（Lumpy Skin Disease Virus,LSDV）引起牛产生结节特征性病变的动物传染病,在东亚、南亚和东南亚等国家广泛流行,对当地养牛 业造成严重的经济损失。目前我国将 LSD 作为二类动物疫病管理,自 2019 年以来,国内已有 10 多个省份报告 过 LSD 疫情,疫情形势十分严峻。当前分离增殖 LSDV 较优的细胞为牛肾细胞。LSDV 为痘病毒科山羊痘病毒属, 其病毒粒子大小约为 290 nm × 270 nm,具有两种存在形态,病毒基因组复杂庞大,约为 151 kb,包含 150 多个 基因。目前 GenBank 数据库中仅保存有 40 多条 LSDV 病毒株的全基因组序列信息,流行毒株除了 田间野毒株, 近年来在亚洲部分地区还出现了田间野毒株和疫苗毒株的重组毒株,并且流行的重组毒株具有致病性,给未来 LSD 的疫苗研制和防控策略制定提出了新挑战。综述了 LSD 的病原学,以及非洲、欧洲和亚洲不同地区 LSDV 毒株全基因组学的研究进展,以期为 LSD 的防控和深入研究提供参考。     

基于 YOLOv7 的无人机影像稻穗计数方法研究

【目的】利用深度学习技术开展基于无人机采集的水稻稻穗 RGB 图像进行稻穗快速计数技术研究，利于建立省工、省时、高效的产量评估预测，为后续收获、烘干、仓储工作以及品种试验评估等提供依据。【方法】在水稻齐穗 - 灌浆期，使用无人机采集水稻稻穗图片，通过对图片中稻穗的标注、分类以及训练，获得基于 YOLOv7 的网络结构模型，与田间实际调查结果进行对比和验证，针对该方法对不同亚种水稻稻穗的数穗计数精度作出评价。【结果】将得到的模型的预测结果与真实结果进行比较，对于相同的训练集，YOLOv7模型的重叠率（Intersecion of union，IoU）值的中位数普遍高于 YOLOv5 模型。仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度，YOLOv7 模型的 mAP@0.5 为 80.75%、mAP@0.25 为 93.01%，优于 YOLOv5l 模型的 mAP@0.5 值 73.36%、mAP@0.25 值 91.16%；两种模型对籼稻识别精度不高。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型，YOLOv7 模型的 mAP@0.5 为 73.19%、mAP@0.25 为 83.71%，优于 YOLOv5l 模型的mAP@0.5 值 72.77%、mAP@0.25 值 81.66%；但两种模型均对粳稻识别精度不高。对预测结果与实际调查结果进一步比较验证表明，仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度，模型预测值与观察值显著相关。其中 YOLOv7 模型对粳稻预测精度最高，R2 为 0.9585、RMSE 为 9.17；其次为 YOLOv5 模型，R2 为 0.9522、RMSE为 11.91。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型。其中 YOLOv7 模型对籼稻预测精度最高，R2 为 0.8595、RMSE 为 24.22。其次为 YOLOv5 模型，R2 为 0.7737、RMSE 为 32.56。【结论】本研究初步建立的基于无人机的田间水稻单位面积穗数快速调查方法，具有较高精度，可应用于实际田间测产工作，有利于克服人工田间估产工作量大、效率低、人为误差等问题，未来可进一步应用于可移动水稻估产装置的开发。