玉米雄穗主要性状QTL定位分析

研究以RA×M5P构建而成的包含205个家系的RIL群体为作图群体,结合2个环境下的表型鉴定,运用复合区间作图法(CIM)对玉米雄穗长(TL)、雄穗分枝数(TBN)和雄穗重(TW)等雄穗性状进行QTL定位分析。结果表明,2个环境条件下,共检测到3个与TL性状连锁的QTL位点,分别位于第3、5、8号染色体上,可解释表型变异的5.19%~5.97%;共检测到5个与TBN性状连锁的QTL位点,分别位于第1、2、3、9号染色体上,可解释表型变异的3.66%~8.41%,在染色体bin值1.04、9.03位置,2个环境中均稳定检测到与TBN连锁的QTL位点;共检测到3个与TW性状连锁的QTL位点,分别位于第4、8号染色体上,可解释表型变异的4.39%~13.65%,在染色体bin值4.04~4.06、4.08位置,2个环境中均稳定检测到与TW连锁的QTL位点。这些不同环境条件下稳定检测到的雄穗性状QTL位点可以为进一步的遗传研究提供理论基础。     

系列玉米雄穗突变系的创制

通过对野生型玉米自交系(A378)离体花粉生殖细胞N-甲基-N亚硝基脲处理所得M1～M2群体的雄穗性状的筛查,创制出3种类型的玉米雄穗突变系。结果显示,与A378相比,第1类型雄穗突变系具有无分枝、主轴发育不良、无花粉的性状;第2类型雄穗突变系显示主轴退化、主轴与分枝上部分小穗雌化的性状;第3类型雄穗突变系具有正常发育的主轴与短小簇生的分枝。这些雄穗突变性状在M2群体中均出现表型分离现象。其中,1份雄穗雌化突变系具有显性性状,别的突变系均具有隐性性状。这些玉米突变系有望用于玉米雄性生殖器官发育与性状表达遗传机制的研究。     

玉米雄穗分枝性状的数量遗传分析

以2个株型不同的玉米自交系自330和PH4CV构成的6世代群体为材料,目测计数玉米不同群体雄穗分枝数量。通过P1、P2、F1、F2、B1和B2共6个世代联合分析法,以玉米雄穗分枝数为性状,研究控制玉米雄穗分枝性状的基因遗传分离规律。结果表明:该性状在F2分离世代群体呈双峰分布,B1和B2群体分离世代呈多峰分布,说明玉米雄穗分枝性状遗传为多基因数量性状控制,且符合加性-显性-上位性多基因遗传模型(即C模型)。显性效应起主要作用,多基因遗传力较高,在74.83%～80.42%之间,若选择雄穗分枝较少的自交系必须从基础材料入手。这一研究结果为玉米雄穗分枝选择提供方法和理论依据。     

基于Faster R-CNN复杂背景的茶芽检测

茶芽检测是判断茶树农艺性状的基础,也是研发基于计算机视觉采茶机器人的基础。针对复杂背景中传统茶芽检测方法准确率低、稳定性差等问题,提出一种基于深度学习的茶芽检测方法。以Faster R-CNN(region-convolutional neural network)算法为框架,比较AlexNet、ResNet50、VGG19 3种网络模型茶芽检测性能,寻找最佳网络模型。结果表明,使用VGG19的茶芽检测准确率为86.3%,召回率为96.1%,F1分数为0.909,综合检测效果最优。该方法可很好地应用于复杂背景茶芽检测。     

玉米雄穗主要性状研究进展

雄穗性状是玉米生长发育过程中重要的农艺性状。介绍了玉米雄穗与产量的关系,环境因素对雄穗的影响,并综述了前人对玉米雄穗主要性状的遗传研究及数量性状基因座(QTL)定位分析,以期为玉米高效育种、高产栽培以及深入开展玉米雄穗性状的遗传研究提供一定的理论基础。     

基于改进Faster R-CNN模型的草莓果实识别算法

针对Faster R-CNN模型对自然状态下草莓（Fragaria ananassa Duch.）识别准确率不高的问题,以地垄种植草莓的实拍图片为数据源,采用改进RPN结构和更换主干特征提取网络的方法对Faster RCNN模型进行了改进。结果表明,改进Faster R-CNN模型识别成熟草莓平均精度（AP）为0.893 0,识别未成熟草莓平均精度（AP）为0.820 7,草莓识别准确率达到较高水平,解决了未成熟草莓识别困难的问题。同时,为了检验模型的自动计数性能,依据模型的识别结果建立了自动计数与人工计数的线性回归,成熟草莓、未成熟草莓的相关系数分别为0.973 7、0.944 7,自动计数与人工计数拥有较高的相关性,表明改进Faster R-CNN模型具有较高的识别性能与计数能力。     

玉米雄穗碳氮代谢研究

大田条件下,以农大364和郑单958为材料,对两种基因型玉米各生育时期雄穗可溶性糖、蔗糖以及可溶性蛋白质积累状况进行了研究.结果表明,随着玉米生育进程的推进,可溶性糖、蔗糖含量呈现先升后降的变化趋势,在散粉期达最高值,说明抽雄期至散粉期是一个碳水化合物积累的过程.可溶性蛋白质呈现不断下降的变化规律,成熟期降至最低值.     

玉米雌穗和雄穗外部性状相关关系研究

为了明确玉米雌穗和雄穗各性状之间的相关关系,对40份材料进行了系统的调查研究。结果表明,雄穗主枝长度与雌穗穗长的相关系数为0.642,达显著水平,说明雄穗的主枝长度越长,雌穗的穗长也就越长。其他各性状之间相关关系不显著,但雄穗主枝长度与雌穗穗粗、行粒数的相关关系为正相关,与雌穗穗行数的相关关系为负相关;雄穗分枝数与雌穗穗粗的相关关系为正相关,与雌穗穗长、穗行数、行粒数的相关关系为负相关。正相关说明此性状出现的可能性大,在玉米田间套袋授粉时可有目标地选择单株,从而提高育种的效率。     

近似联合训练的Faster R-CNN对立木图像的检测与识别

为提高复杂背景下立木图像的识别准确率,提出近似联合训练的Faster R-CNN对立木图像进行目标提取并分类。首先迁移ImageNet上的模型VGG16、ResNet101和MobileNetV2提取图像特征并微调网络,然后构建新的数据集包括7科10种立木图像共2 304张,通过该数据集训练和测试3种网络模型下的Faster R-CNN。结果表明,通过近似联合训练的Faster R-CNN得到的均值平均精度分别是93.64%、92.38%、92.58%,对于不同种属的立木,VGG16网络效果最佳。由于光照会对图像识别造成影响,将光照平衡前后的结果作对比,得到光照平衡后的立木图像识别结果优于平衡前。并利用训练的模型对斜向生长的立木图片进行检测,结果显示生长方向不影响图像识别准确率。证明该方法在具有复杂背景的立木图像上具有良好的效果,对更多立木的识别有一定的参考价值。     

海南南繁生态区玉米自交系雄穗发育动态研究

为探明海南南繁生态区玉米自交系雄穗发育动态,以6个不同类型玉米自交系KWS2-4321、13H6、10H9、KWS2-2220、11H37、PHHJC为试验材料,研究了玉米自交系雄穗鲜重、雄穗体积发育动态,雄穗逐日开花与逐时开花规律及雄穗逐日散粉特点。结果表明：雄穗鲜重发育呈现先上升后下降趋势,雄穗发育第1～4 d鲜重变化不大,第7～10天鲜重迅速增加,第13～16天稍有下降,玉米自交系雄穗鲜重与发育日数间经拟合附合二次多项式数量关系;雄穗体积与雄穗鲜重变化趋势不同,随雄穗发育进程的推进呈先升高后下降,最后又升高的变化趋势;雄穗开花可持续6～8 d,第2～4 d为盛花期,超过开花总量50%,第1 d开花较少,第2～4天开花数急剧增加,第7～8天开花数显著降低;07∶00、08∶00雄穗开花数量较少,09∶00、10∶00雄穗开花数量迅速增加,其开花数超过当日总开花数40%,11∶00开花数有所下降,12∶00之后开花数显著减少;逐日散粉量随散粉日数的推进呈现先升高后下降趋势,散粉后2～4 d达最大峰值,散粉持续5～8 d,与逐日开花规律基本一致。雄穗鲜重第7～10天增加快,雄穗体积与雄...     

抽雄期干旱胁迫与复水对不同玉米品种生长及产量的影响

[目的]探讨广西不同玉米品种在抽雄期对干旱胁迫及旱后复水的响应,为玉米抗旱机理研究、抗旱品种选育及广西玉米秋播用种选择提供理论依据.[方法]在大棚内采用桶栽法对桂单0810、迪卡008、正大619、琛玉969和桂单901等5个玉米品种在抽雄期进行4、8、12、16和20 d的干旱胁迫处理及相应胁迫时间后的复水处理试验,每个品种均以正常浇水为对照,分别于相应干旱胁迫时间后的第1 d及旱后复水15 d取样,统计次生根数、最长根长和绿叶数,测定各处理根、冠干物质量,计算各指标与对照的比值;成熟期计算单株果穗产量,以产量为基准计算抗旱系数和抗旱指数,并对抗旱系数进行聚类分析.[结果]干旱胁迫下各玉米品种的冠干重、根干重、次生根数、最长根长和绿叶数均比对照下降,且各指标与对照比值随胁迫时间的延长而下降.复水后,各指标的恢复生长量随胁迫时间的增加而减少;除最长根长在干旱胁迫4 d后复水出现超补偿生长外,其他指标均未产生超补偿效应.桂单0810、迪卡008和正大619在干旱胁迫下各指标的降幅均小于琛玉969和桂单901;复水后,前者的恢复能力又高于后者.桂单0810、迪卡008和正大619的抗旱系数和抗旱指数均高于琛玉969和桂单901,通过抗旱系数的聚类分析,可将5个玉米品种分为两大类,桂单0810、迪卡008和正大619归为抗旱性较强的品种,桂单901和琛玉969归为抗旱性较弱的品种.[结论]桂单0810、迪卡008和正大619在抽雄期受干旱胁迫时根、冠生长所受影响较小,且在复水后能够有效地恢复生长,从而保证较高的生物量及产量,可作为广西秋播玉米抗旱品种推广应用.     

基于Darknet深度学习框架的桃花检测方法

[目的]为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测.[方法]文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别.[结果]模型精度评估表明,YOLO v4模型的平均准确率MAP值(86％...     

Detection and enumeration of wheat grains based on a deep learning method under various scenarios and scales

Grain number is crucial for analysis of yield components and assessment of effects of cultivation measures. The grain number per spike and thousand-grain weight can be measured by counting grains manually, but it is time-consuming, tedious and error-prone. Previous image processing algorithms cannot work well with different backgrounds and different sizes. This study used deep learning methods to resolve the limitations of traditional image processing algorithms. Wheat grain image datasets were collected in the scenarios of three varieties, six background and two image acquisition devices with different heights, angles and grain numbers, 1 748 images in total. All images were processed through color space conversion, image flipping and rotation. The grain was manually annotated, and the datasets were divided into training set, validation set and test set. We used the TensorFlow framework to construct the Faster Region-based Convolutional Neural Network Model. Using the transfer learning method, we optimized the wheat grain detection and enumeration model. The total loss of the model was less than 0.5 and the mean average precision was 0.91. Compared with previous grain counting algorithms, the grain counting error rate of this model was less than 3% and the running time was less than 2 s. The model can be effectively applied under a variety of backgrounds, image sizes, grain sizes, shooting angles, and shooting heights, as well as different levels of grain crowding. It constitutes an effective detection and enumeration tool for wheat grain. This study provides a reference for further grain testing and enumeration applications.     

玉米雌雄穗发生发展及生理特性研究进展

在研究和了解国内外研究成果的基础上,对玉米雌雄穗发生发展、生理特性以及环境因子对它们的影响等方面的研究进展进行简要概述,以期为今后深入开展玉米雌雄穗的研究和合理利用提供一定的科学依据。     

融合注意力机制的Cascade R-CNN田间害虫检测方法

为解决测报灯采集图像中害虫依赖人工识别及统计结果可靠性低和准确性差的问题,本研究提出一种改进型Cascade R-CNN田间害虫检测算法。该算法以Cascade R-CNN为基础框架,采用ResNeSt-50作为主干网络,融合了跨通道注意力机制;使用统一目标检测头（unifying object detection heads with attentions,DyHead）,并融合尺度感知、空间位置感知和任务感知。此外,采用简单复制-粘贴（simple copy-paste,SCP）方法进行了数据增强。研究共采集到20类害虫总计1 500张图像,制作了符合MS COCO格式（microsoft common objects in context 2017, MS COCO 2017）的测报灯田间害虫数据集。结果显示,本研究提出的方法的F1分数（F1-score）达到了86.2%。当交并比（intersection over union,IoU）为0.5时,其F1-分数与经典Cascade R-CNN、Faster R-CNN和YOLOv4相比,分别提升了2.8、5.8和8.2个百分点。...     

鲜食糯玉米农艺性状与鲜穗产量的分析

本文以参加国家黄淮区域试验的19个糯玉米品种为材料,分析了糯玉米的11个农艺性状与鲜穗产量表现。结果表明,参加区试的糯玉米品种,鲜穗产量最高的是西星白糯2号,其次是郑彩糯1号、莱农糯6号,科泰糯2号的鲜穗产量最低。为今后推广高产的新品种及种植生产提供重要依据。     

基于深度残差网络的麦穗回归计数方法

单位面积的穗数是估算小麦产量的重要指标,针对传统麦穗计数方法效率低、主观性高等问题,将基于深度残差网络的密度回归模型引入麦穗的计数领域,建立原始图片与密度图的对应关系,以密度图像素值总和确定图像中麦穗数量.对ResNet34网络进行改进,提出了ResNet-16模型,实现端对端的麦穗计数.针对ResNet34网络复杂度...     

玉米品种穗部性状与高产稳产性的关系

应用高稳系数法分析玉米穗部性状的效应和稳定性,研究玉米品种穗部性状变异与高产稳产性的关系.结果表明:供试玉米品种之间的每穗粒数、千粒重、每穗粒重、每穗行数及每行粒数差异显著或极显著.玉米品种产量与每穗粒数、千粒重和每穗粒重相关极显著.玉米品种产量高稳系数与千粒重高稳系数的相关显著,与每穗粒重的相关不显著,玉米品种产量的稳定性主要与千粒重的稳定性相关.每穗粒重的高稳系数与每穗粒数高稳系数相关显著,而与千粒重的高稳系数相关不显著.     

生物炭对豫西旱作玉米花后穗位叶光合生理特性及产量的影响

【目的】探究生物炭对旱作玉米花后穗位叶光合生理特性及产量指标的影响,为在旱作农田合理施用生物炭,延缓功能叶衰老和提高产量提供理论依据。【方法】以玉米品种郑单958为材料,在河南科技大学实验农场,设置不施用生物炭（C0）、施用生物炭20 t/hm²（C20）和40 t/hm²（C40）3个试验处理,研究生物炭对旱作玉米花后0,15,30和45 d穗位叶的叶绿素含量（SPAD）、光合特性、丙二醛（MDA）含量、抗氧化酶活性及籽粒产量和其构成要素的影响。【结果】施用生物炭可提高旱作玉米花后穗位叶SPAD、净光合速率（P_n）、蒸腾速率（T_r）和气孔导度（Gs）,降低旱作玉米花后穗位叶片胞间CO₂浓度(C_i),且C40处理效果较C20处理显著。除花后0 d外,花后15,30和45 d C20和C40处理穗位叶MDA含量均显著降低,表现为C40P<0.05）,显著降低了玉米秃尖长（P<0.05）。相关分析表明,生物炭施用量与SPAD、P_n、CAT活性呈极显著正相关(P<0.01);与T_r、G_s、POD活性、产量呈显著正相关(P<0.05);与C_i和MDA含量呈显著负相关(P<0.05)。【结论】施用生物炭能够改善旱作玉米花后穗位叶光合性能,提高穗位叶抗氧化酶活性,延缓穗位叶衰老,提高玉米产量,且以40 t/hm²的施用量增产效果最佳。