大蒜根系分泌物化感作用及化感物质的比较

【目的】利用生物测定和GC-MS分析方法,研究大蒜根系分泌物的化感作用及化感物质。【方法】采用琼脂培和砂培2种栽培方式收集大蒜根系分泌物,分别采用乙醚、乙酸乙酯、三氯甲烷和正丁醇4种有机溶剂进行萃取分离,对各有机溶剂萃取液进行萝卜种子发芽试验,确定出强化感作用组分,并对其成分进行GC-MS分析。【结果】各有机溶剂萃取液的化感作用强弱顺序依次为：乙酸乙酯萃取液>三氯甲烷萃取液>正丁醇和乙醚萃取液,初步确定大蒜根系分泌物中的化感物质为2,6-二异丙基苯酚、2,6-二叔丁基对甲酚和二烯丙基二硫醚。【结论】2种栽培方式收集的大蒜根系分泌物的乙酸乙酯组分中的成分相似,但在含量上差异较大,表现为砂培>琼脂培。     

基于热红外和RGB图像的番茄苗期高温胁迫检测方法

【目的】针对实际生产场景中番茄苗期生长遇到的高温胁迫问题，提出一种基于热红外和RGB图像的番茄苗期高温胁迫检测方法。【方法】首先，通过番茄苗期热红外图像反演获取番茄冠层温度参数，采用偏最小二乘(Partial least squares, PLS)模型提取冠层温度特征指标；然后，建立采用3种不同主干特征提取网络的MaskRCNN模型，通过迁移学习的方式将番茄苗期RGB图像输入Mask-RCNN模型，进行高温胁迫症状实例分割，得到番茄苗期胁迫症状特征指标；最后，利用提取的温度和胁迫症状特征指标构建分级数据集，输入高温胁迫分级模型，得到高温胁迫等级。【结果】基于PLS模型提取的冠层温度特征指标累计贡献率达95.45%；基于ResNet101+Mask-RCNN的高温胁迫症状分割网络对番茄苗期轻度和重度胁迫的分割精度最高，均值平均查准率(Mean average precision, mAP)分别为77.3%和73.8%；基于温度和胁迫症状特征指标构建的4种高温胁迫分级模型中，反向传播神经网络(Back propagation neural network, BPNN)获得最好的高温胁迫分级...     

萝卜肉质根糖含量相关性状的关联位点分析

【目的】挖掘与萝卜肉质根糖含量相关性状密切关联的SSR位点，为萝卜品质改良提供参考。【方法】以134份萝卜品种构成的自然群体为材料，在成熟期对萝卜肉质根中的果糖、葡萄糖、蔗糖、可溶性总糖含量和甜度值进行连续3年（2015-2017年）的表型鉴定，利用SPSS 20.0软件对上述5个糖含量性状进行相关性分析，选用156对SSR引物进行群体扫描，利用PowerMarker V3.25软件分析134份萝卜品种的遗传多样性，应用Structure 2.3.4软件分析包含134份萝卜品种自然群体的遗传结构，利用Tassel 3.0软件对SSR标记与糖含量相关性状进行关联分析。【结果】134份萝卜品种的糖含量相关性状在群体中变异较广，甜度值的广义遗传力最高（60.10%），其次是葡萄糖（53.79%）、可溶性总糖（48.51%）和果糖（40.73%），蔗糖的广义遗传力最低（30.67%）。用156对SSR引物从134份萝卜品种中共检测到349个多态性位点，多态性信息量（PIC）为0.106~0.864，多样性指数为0.112~0.877。群体结构分析表明，134份萝卜品种可分为2个亚群，其中亚群1包含46个萝卜品种，对应表1中1~46号品种；亚群2包含88个萝卜品种，对应表1中47~134号品种；且亚群分类与地理来源无明显对应关系。在P≤0.01阈值条件下，检测到与５个糖含量相关性状关联的位点61个，其中与葡萄糖含量关联的位点16个，与甜度值关联的位点13个，与蔗糖含量关联的位点13个，与可溶性总糖含量关联的位点10个，与果糖含量关联的位点9个，单个位点的表型变异解释率为5.19%~16.29%。【结论】获得61个与萝卜肉质根糖含量相关性状显著关联的SSR位点，其中有14个标记位点具有“一因多效”现象，能同时被2个或2个以上性状检测到。     

百合根系分泌物中不同组分的化感作用

【目的】明确百合根系分泌物不同组分的化感作用,为揭示百合连作障碍产生的机理奠定理论基础。【方法】通过水培法收集百合根系分泌物,分别用石油醚、乙醚、乙酸乙酯、氯仿萃取及甲醇层析2种方法分离百合根系分泌物,获得不同组分;采用生物测试法,以萝卜为受体检测百合根系分泌物不同组分的化感作用。【结果】各组分对萝卜发芽率、苗高和苗鲜质量均表现出抑制效应,而对根鲜质量均表现出促进效应;甲醇、氯仿和石油醚组分对萝卜发芽指数、发芽势、根长表现出抑制效应,而乙酸乙酯和乙醚组分则表现出促进效应;从化感效应指数来看,甲醇、氯仿、石油醚和乙醚组分对萝卜种子萌发和幼苗生长表现出抑制作用,而乙酸乙酯组分则表现出促进作用。各组分化感效应大小的顺序为甲醇组分>氯仿组分>石油醚组分>乙酸乙酯组分>乙醚组分。各组分均导致萝卜幼苗丙二醛含量增加,吲哚乙酸氧化酶活性升高;各组分对萝卜幼苗超氧化物歧化酶和过氧化物酶活性影响不显著。【结论】百合根系分泌物的不同组分均具有化感效应,其中以甲醇和氯仿组分的化感效应较强。     

基于改进ResNet18的胡麻干旱胁迫识别与分类研究

【目的】为实现在移动端对胡麻干旱胁迫实时监测,解决传统机器学习方法在识别分类时准确率低、速度慢的问题,提出一种基于改进ResNet18的胡麻干旱胁迫分类识别方法。【方法】首先在网络中添加卷积块注意力（CBAM）模块,强化网络对胁迫特征的提取能力;其次调整残差块中批标准层、激活函数、卷积块的连接顺序,实现对输入的样本数据进行归一化操作;最后将ReLU激活函数替换成LeakyReLU激活函数,避免出现神经死亡现象。试验分为无胁迫、轻度干旱、重度干旱3个水分胁迫处理,分批次采集不同干旱程度胡麻叶片图像,数据样本按3∶1分为训练集与测试集,并使用数据增强的方法增加样本的多样性。【结果】改进ResNet18模型分类准确率高达98.67%,相比于ResNet18和VGG16分别提高6.14和4.87个百分点,而模型所需参数大小仅为42.80 MB,单幅图像推理时间为17.50 ms。【结论】该文模型对胡麻干旱胁迫具有更好的分类识别效果,能够实现嵌入式设备上胡麻干旱胁迫识别的实时性要求。可为胡麻干旱监测、机械化生产等研究提供技术支持。     

基于深度学习和无人机遥感技术的玉米雄穗检测研究

【目的】玉米雄穗在玉米的生长过程和最终产量中起关键作用,使用无人机采集玉米抽穗期的RGB图像,研究不同的目标检测算法,构建适用于无人机智能检测玉米雄穗的模型,自动计算图像中雄穗的个数。【方法】使用无人飞行器(UAV)在25 m飞行高度下获得大量玉米抽穗时期的RGB图像,裁剪并标注出图像中玉米雄穗的位置和大小,训练数据和测试数据按照3:1的比例划分数据集;在深度学习框架MXNet下,利用这些数据集,分别训练基于ResNet50的Faster R-CNN、基于ResNet50的SSD、基于mobilenet的SSD和YOLOv3等4种模型,对比4种模型的准确率、检测速度和模型大小。【结果】使用无人机采集了236张图像,裁剪成1 024×1 024大小的图片,去除成像质量差的图像,利用标注软件labelme获得100张标注的玉米雄穗数据集;最终得到4个模型的mAP值分别为0.73、0.49、0.58和0.72。在测试数据集上进行测试,Faster R-CNN模型的准确率最高为93.79%,YOLOv3的准确率最低,仅有20.04%,基于ResNet50的SSD和基于mobilenet的SSD分别为89.9%和89.6%。在识别的速度上,SSD_mobilenet最快(8.9 samples·s-1), Faster R-CNN最慢(2.6 samples·s-1), YOLOv3检测速度为3.47samples·s-1, SDD_ResNet50检测速度为7.4 samples·s-1。在模型大小上,YOLO v3的模型最大,为241 Mb, SSD_mobilenet的模型最小,为55.519 Mb。【结论】由于无人机的机载平台计算资源稀缺,综合模型的速度、准确率和模型大小考虑,SSD_mobilenet最适于部署在无人机机载系统上用于玉米雄穗的检测。     

基于小波神经网络的柑橘pH机器视觉检测

【目的】研究涟红温州蜜柑pH的机器视觉检测及影响检测精度的因素。【方法】对机器视觉系统采集的柑橘图像进行图像裁切、RGB空间至HSI空间的转换和差值法去图像背景,用色调H和饱和度S为输入,建立小波神经网络柑橘pH预测模型,无损检测柑橘pH。【结果】30个测试样本的检测结果表明,预测偏差最大值为9.95%、偏差最小值为-3.6%、平均偏差为0.8%、标准偏差为2.95%,pH±0.1精度内的正确识别率为80%,pH±0.2精度内的正确识别率为93.33%。【结论】涟红温州蜜柑pH与果皮色泽之间具有相关性,可用机器视觉检测其pH。但进一步提高预测精度,首先须在图像处理环节上去除各种虫斑与病斑的影响。     

小麦苗期根系三维生长动态模型的建立与应用

【目的】构建小麦根系的三维动态模拟模型，并对模型进行初步的评估。【方法】采用GREENLAB植物功能-结构模型的原理，在根系生长发育基本单元基础上，模拟了根系的拓扑结构；通过模拟不同根个体（库）对植株分配给根系的生物量（源）的竞争，实现了生物量在根系中的分配；根据异速生长规则实现了根个体几何结构计算。通过温室土柱栽培试验对小麦苗期根系结构与生物量进行了测定，获取了模型参数，进行了小麦苗期根系结构与生物量分配的模拟与分析，并以三维可视化的方式给出根系的形态结构空间分布。【结果】通过模拟根系生物量在各类根个体中的分配并依据根个体生物量与形态的关系，该模型可以定量化地模拟根系结构生长的动态变化过程；不同类型根的长度测定值与模拟值的均方根差值在1.2～35.0 cm之间变化，相对误差值在0.01到0.23之间变化，R2在0.42～0.94之间变化；对模型参数灵敏性分析表明，模拟结果对参数变化的响应比较适中。【结论】GREENLAB模型的原理可以应用于对作物根系形态结构和生物量分配的动态模拟；模型参数的选择是合理的，构建的模型能够从机理层次反映根系的生长发育过程。     

基于MATLAB图像处理的枸杞分级方法

【目的】实现枸杞品质的直观监测及自动、精准的分级处理.【方法】采用MATLAB数字图像处理工具对枸杞图像进行处理,获取枸杞的面积尺寸、颜色特征;通过提取破损、油粒(即黑斑部分)部位的轮廓对其面积进行填充,根据其面积占整个枸杞面积的比例进行判断和分级处理.【结果】该方法能够准确提取枸杞的大小、颜色和缺陷的特征参数.【结论】该方法能够为枸杞的无损检测系统提供技术参考.     

苹果幼树根域局部灌溉的水分运转特性

【目的】研究部分根域灌水条件下,水分在根系和地上部的运输及根系间的横向运输。【方法】以三年生分根盆栽的‘皇家嘎拉’苹果幼树为试材,采用氘水（HDO）示踪法,研究部分根域灌水后不同时间段水分在苹果树根系、主干、一年生枝、当年生新梢与叶片的运输和分配特点及灌水、干旱根域间根系的水分运输差异。【结果】1/4根域灌溉处理HDO最高丰度首先出现在根系中,然后是地上部各个器官;而2/4根域灌溉的HDO最高丰度在地下根系和地上部器官同时出现,但时间较1/4根域灌溉处理推迟;288 h的根系HDO丰度始终高于地上部各器官。1/4、2/4根域氘水处理后2 h,根系中HDO丰度百分比均呈现出吸收根＜2-5 mm＜2 mm＜大于5 mm根的顺序,地上部以叶片和主干HDO丰度较高。【结论】部分根域水分供应不足时,根系首先吸收水分满足自身需求,然后再向地上部运输;部分根域水分供应充足时,根系吸收的水分同时向地上部和其它根域根系运输。灌水根域向干旱根域的水分运输主要通过直径>5 mm根、2-5 mm根、<2 mm根和吸收根逐级完成。     

基于语义分割的芒果表皮缺陷识别

【目的】运用语义分割技术自动识别芒果及其表皮缺陷,实现芒果的质量评估及分选,为芒果质量快速无损检测提供参考。【方法】采集自然环境下的多场景芒果表皮缺陷图像用于模型的训练与测试,将联合上采样金字塔(Joint pyramid upsampling,JPU)结构替换DeepLabV3+中空洞空间卷积池化金字塔(Atrous spatial pyramid pooling,ASPP),将Atrous-ResNet模型替换DeepLabV3+中Xception模型,采用类别像素准确率(Class pixel accuracy,CPA)、平均像素准确率(Mean pixel accuracy,MPA)、平均交并比(Mean intersection over union,MIoU)作为模型的精度评价指标。【结果】采用JPU模块替换ASPP模块,在ResNet网络中运用扩张卷积有利于增大模型的感受野,总体上预测的边界更加平滑,且对细小缺陷的识别更精确;与SegNet、LinkNet算法的对比验证表明,Atrous-ResNet模型具备更高的精度,CPA小幅提升,MPA提升3.79个百分点,MIoU...     

基于MSDB-ResNet的水稻病虫害识别

目的 水稻产量关乎全人类的粮食安全,如何有效地预防和高效地检测水稻病虫害是智慧农业领域的重要课题。深度学习由于具备自主学习图像特征等优异性能,成为水稻病虫害识别的首选方法。但在自然环境下,数据集偏小,且容易受到复杂背景的影响,在训练过程中容易产生过拟合,以及细微特征难以提取等问题。本研究致力于解决上述问题。方法 提出一种基于改进ResNet的多尺度双分支结构的水稻病虫害识别模型(MSDB-ResNet)。在ResNet模型的基础上,引入ConvNeXt残差块,以优化残差块的计算比例,构建双分支结构,通过调整每条分支的卷积核大小,提取输入病害图像中大小不同的病害特征。针对现实环境复杂、数据集太小、过拟合等问题,利用从自然环境拍摄到的5932张水稻病虫害图像,使用随机亮度、运动模糊等数据预处理方法,以及镜像、裁剪、缩放等数据增强方法,将数据集扩充到20000张,训练MSDB-ResNet模型识别4种常见的水稻病害。结果 MSDB-ResNet在水稻病虫害数据集上具有良好的识别性能,识别准确率高达99.10%,较原ResNet 模型提高了2.42个百分点,明显优于AlexNet、VGG、DenseNet和ResNet等经典网络。该模型具有良好的泛化能力和极强的鲁棒性。结论 MSDB-ResNet模型在水稻病虫害识别中具有一定的可行性和先进性,可为实现复杂背景下的水稻病虫害识别提供参考。     

基于深度学习的小麦条锈病病害等级识别

目的 为提高小麦条锈病危害程度分级精度,开展小麦条锈病病害等级自动化、准确、快速识别方法研究。方法 在复杂田间条件下,使用手机拍摄图像,构建含有不同等级条锈病的小麦叶片数据集,利用GrabCut与YOLOv5s相结合的方法进行小麦叶片与复杂背景自动化分割。为了增强ResNet50对表型特征的提取能力,增加Inception模块,依据划分的小麦条锈病病害等级标准,对小麦条锈病病害等级进行识别。采用准确率、查全率、查准率等评价指标分析改进的ResNet50模型(B-ResNet50)在数据集上的表现。结果 GrabCut与YOLOv5s相结合对大田复杂背景下的小麦叶片图像实现了自动、准确、快速地分割。B-ResNet50识别小麦条锈病叶片的平均准确率为97.3%,与InceptionV3(87.8%)、DenseNet121(87.6%)、ResNet50(88.3%)相比,准确率大幅提升,比原始模型(ResNet50)高出9个百分点。结论 利用深度学习对小麦条锈病病害等级进行识别,对防治小麦条锈病的精准施药具有重要意义,可为田间复杂条件下小麦条锈病的防治提供技术支持。     

萝卜耐热性鉴定技术体系研究

在田间鉴定指标筛选研究基础上，对萝卜品质和生理生化性状进行分析，筛选出电导百分率及高温致死时间两个指标用于萝卜耐热性鉴定。从萝卜外部形态、产量品质性状、生理生化三个方面入手，采用田间鉴定与生理鉴定相结合的方法，提出了萝卜耐热性鉴定技术体系。该体系包括三种独立的鉴定方法：一是以热害指数为重点，参照苗期单位面积叶鲜重和越夏死株率的田间鉴定。二是以产量和有效根率的产量鉴定。三是利用电导百分率及高温致死时间的生理鉴定。由此形成在萝卜长叶期进行苗期单位面积叶鲜重测定；长根期测定叶片热害指数和越夏死株率，或进行电导百分率和高温致死时间测定；萝卜收获期测定有效根率，最后综合评价萝卜耐热性。三种方法可单独使用，也可合并使用，收到同样效果。     

作物根系表型鉴定评价方法的现状与展望

根系是作物固定植株并吸收土壤水分和养分的主要器官,其表型特征直接影响作物的生产力和适应性。优化根系表型被认为是实现第二次“绿色革命”的重要途径之一。然而,根系的隐匿性、复杂性和可塑性极大地制约着根系表型鉴定效率,导致根系优化进程远远滞后于地上部器官。随着光谱成像、机器学习和三维重建等新技术的快速发展,根系表型鉴定方法逐渐由传统取样观测向原位、无损、自动化检测转变,评价依据由二维形态指标向立体构型参数拓展,促进了根系表型鉴定效率大幅提升,根系表型数据快速增长。与此同时,海量数据也带来了信息冗余及利用率低等问题,对根系表型研究提出了规范化和共享化的时代新要求。本文概述了现行主要根系表型鉴定方法的原理和技术要点,从精准度、通量和成本等方面对不同方法进行系统比较,并从使用许可、运行平台和分析方式等方面对常用根系表型量化软件进行归纳总结;进一步提出今后重点研究方向,即开发高效的田间根系表型鉴定方法,建立根系可塑性鉴定评价技术体系,加强根系解剖结构的鉴定和利用,强化分子检测技术在根系表型鉴定中的应用,推进根系表型鉴定技术规范化和数据信息共享化,以期为合理选用和改进作物根系表型鉴定评价方法提供参考,促进作物根系改良。     

基于小规模数据集的柑橘树冠层施药情况的分类模型

目的 提升柑橘果园的智能化管理水平,快速无损获取柑橘树冠层的施药情况,改善小规模数据集导致施药情况分类模型易发生过拟合的问题。方法 提出一种基于卷积神经网络的柑橘树冠层施药情况分类模型——VGG_C模型。模型以VGG模型核心思想为基础进行构建,通过交叉熵损失函数优化,加速概率分布与真实分布的迭代过程,并在输出端引入不确定性度量计算以及在下采样模块中插入Droupout方法,降低由于数据较少而发生过拟合的概率。结果 VGG_C模型针对训练集的分类损失值为0.44%,比ResNet和VGG模型分别降低了87%和91%;准确率为95.3%,比ResNet和VGG模型分别提高了5%和10%;验证集的预测平均准确率为96.4%。结论 VGG_C模型通过多层卷积模型协同实现柑橘冠层热红外图像特征的高效提取,通过优化输出端结构提高了柑橘冠层施药情况分类模型在小数据集规模上的训练测试优度,可为柑橘树施药情况的智能化判断提供有效参考。     

基于LBPHSV+ResNet50融合的水稻冠层氮素营养监测方法

为采用数码相机拍摄的水稻冠层图像来估测作物的氮素含量。以自然环境下获得的水稻冠层图像为研究对象,提出一种基于图像纹理色彩特征(LBPHSV)和ResNet50网络融合算法的氮素含量预测方法。LBPHSV+ResNet50融合算法是通过运用LBP算子和HSV颜色空间矩阵提取图像特征参数,将提取到的融合特征集作为ResNet50模型输入以加强对作物氮素营养的表征,并将预测结果与常用的多元线性回归、随机森林(RF)、支持向量回归模型、多层感知机、卷积神经网络、长短记忆网络(LSTM)及组合模型预测结果进行对比分析。结果显示:相比于浅层机器学习模型,深度学习算法能显著提高预测模型的准确率;LBPHSV+ResNet50融合模型的预测能力和泛化能力达到最优,R²和 RMSE分别为 0.97、0.02。相比于RF、LBP+LSTM、ResNet50,新模型的R²分别提升了16.36%、9.72%、16.55%和1.13%,RMSE 分别下降了 0.35、0.46、0.05和 0.002。因此,LBPHSV+ResNet50融合模型在预测水稻氮素含量时可提供令人满意的性能,能够满足对水稻氮素营养无损精准监测的农业需求。     

萝卜耐热性鉴定技术体系研究

在田间鉴定指标筛选研究基础上,对萝卜品质和生理生化性状进行分析,筛选出电导百分率及高温致死时间两个指标用于萝卜耐热性鉴定。从萝卜外部形态、产量品质性状、生理生化三个方面入手,采用田间鉴定与生理鉴定相结合的方法,提出了萝卜耐热性鉴定技术体系。该体系包括三种独立的鉴定方法:一是以热害指数为重点,参照苗期单位面积叶鲜重和越夏死株率的田间鉴定。二是以产量和有效根率的产量鉴定。三是利用电导百分率及高温致死时间的生理鉴定。由此形成在萝卜长叶期进行苗期单位面积叶鲜重测定;长根期测定叶片热害指数和越夏死株率,或进行电导百分率和高温致死时间测定;萝卜收获期测定有效根率,最后综合评价萝卜耐热性。三种方法可单独使用,也可合并使用,收到同样效果。     

微塑料对樱桃萝卜生长的影响

为探究微塑料对蔬菜生长发育的影响,以菜地土壤中普遍存在的聚乙烯(polyethylene, PE)和聚丙烯(polypropylene, PP)为目标污染物,以根菜类蔬菜樱桃萝卜(Raphanus sativus L. var. radculus pers)为供试蔬菜,基于种子萌发试验和土培试验初步探究了不同粒径、不同浓度的微塑料对萝卜生长发育的影响。结果表明：PE和PP对萝卜种子的发芽率无显著影响,仅5 g·L^-1的PP对萝卜幼苗芽长具有显著(P < 0.05)抑制作用;两种微塑料均能附着在萝卜幼苗根表面,并显著(P < 0.05)抑制幼苗根的伸长,且该抑制作用随着微塑料粒径减小、浓度升高而增强。土培条件下,PE和PP并未影响萝卜叶片光合色素的合成;PE对萝卜叶鲜重、根茎鲜重无显著影响,但PP造成萝卜产量显著(P < 0.05)降低,表明不同类型微塑料对萝卜生长的影响不同。推断其原因是PE和PP对土壤结构和肥力的影响不同,从而导致萝卜的生物量产生了不同的表现。     

基于磁流变液的农用变量喷头设计及试验

【目的】为实现农作物保护区的变量喷洒,设计一种基于磁流变液的农用变量喷头。【方法】根据磁流变效应理论设计变量喷头的机械结构,并利用软件仿真对结构进行参数优化。然后设置不同线圈电压和磁流变液注入量进行流量测试,分析线圈电压、磁流变液注入量对喷头流量的影响。【结果】隔膜泵泵压恒定在0.3 MPa,当磁流变液注入量从0增加到2.5 mL,喷头流量随之减小。在24 V线圈电压下流量减小最少,为14.29%;在0 V电压下流量减小最多,为28.57%。当磁流变液注入量恒定在1.5 mL,线圈电压由0升高到28 V,喷头流量增加了25.00%。【结论】基于磁流变液的变量喷头可以通过控制外部磁场实现变流量控制,可用于精准农业喷施。