铁皮石斛在人工光型密闭式植物工厂的适宜光照强度

人工光型密闭式植物工厂适于高附加值植物尤其是珍贵药用植物的大规模/低成本化生产,其环境调控对珍贵药用植物的产量和质量有重要影响。笔者研究探索在控制温度、湿度、CO2浓度和光周期的条件下,光照强度对铁皮石斛(Dendrobium officinale)组培苗生长发育的影响,以期找到铁皮石斛组培阶段在人工光可控环境下的适宜光照环境。鲜重约300mg的铁皮石斛单腋芽作为外植体在温度24±1℃、湿度65±5%、光周期12h/d、及光期CO2浓度800±50μmol/mol的环境条件下,设置光照强度为37、68、92、120μmol/(m2·s)的4组试验区,并使用容积为380mL的方型聚碳酸酯组培容器在人工光型密闭式植物工厂中培育92d。组培容器的顶部留2个直径为10mm的圆孔覆盖高分子透气膜用来与容器外进行气体交换。铁皮石斛组培苗的生长发育和生理活性在光照强度为68μmol/(m2·s)时最佳,超过92μmol/(m2·s)时呈现明显的光抑制;多糖含量随着光照强度的增强而增加,超过92μmol/(m2·s)时呈下降趋势,但是68和92μmol/(m2·s)光照强度试验区的多糖含量没有显著性差异。因此,铁皮石斛组培苗在人工光型密闭式植物工厂内培育的适宜光照强度为60￣70μmol/(m2·s)。     

大豆属Clycine亚属植物花粉形态研究

对大豆属Ｇｌｙｃｉｎｅ亚属中０个种的花粉进行了光学显微镜和扫描电镜的观察。发现多倍体材料的花粉大于二倍体的。并发现Ｇｌｙｃｉｎｅ亚属诸种花粉的形、萌发孔、外壁纹饰均存明显差异。     

Design of the Virtual Instrument of Frequency/Amplitude Sweep

In this paper the inevitable trend of constructing open ecosystem in modern settlement environment was discussed through the history of the settlement environment and the characters of modern settlement environment.The ecological crisis,change of the modern life and the citizens' needs and the ecological system character show,that it is important for sustainable development of the settlement environment to construct open ecosystem.The construction of modern habitation and the city room embodies the concept of open ecosystem.Then,in construction and research of modern settlement,the ecological viewpoint and method should be applied.     

北方粳稻“植生带”育秧设备定向排种装置的研制

为满足超级稻每穴(2±1)粒种子精量播种的特殊农艺要求,在纸夹定位水稻精密育秧设备研究基础上,研发出一种新型超级稻定向排种装置。初步排种试验表明,该装置可将种箱中杂乱无章的稻种分离出来后,在组合滑道上逐渐沿其长轴方向排列成连续的种子流,为超级稻植生带育秧设备的研制提供理论与实践依据。     

模糊模式识别在车型分类中的应用

利用各种车辆通过环形线圈的感应曲线作为研究对象,用模糊识别理论进行车辆的特征提取及隶属度函数的建立,并在特征提取的基础上进行特征选取和匹配分类来进行车辆识别。     

水稻旱作覆膜节水增产试验研究

通过水稻旱作全程覆膜与半程覆膜、旱作不覆膜及水栽对比试验，研究其耗水规律，计算其节水量与增产量，并进行经济效益分析，提出了适合本地区的栽培模式。     

In Vitro and In Vivo Dendritic Cell Immune Stimulation Effect of Low Molecular Weight Fucoidan from New Zealand Undaria pinnatifida

Low molecular weight fucoidan (LMWF) has been reported to have immunomodulation effects through the increase of the activation and function of macrophages. In this study, the regulating effect of LMWF from Undaria pinnatifida grown in New Zealand on dendritic cells (DCs) was investigated. We discovered that LMWF could stimulate DCs’ maturation and migration, as well as CD4+ and CD8+ T cells’ proliferation in vitro. We proved that this immune promoting activity is activated through TLR4 and its downstream MAPK and NF–κB signaling pathways. Further in vivo (mouse model) investigation showed that LMWF has a strong immunological boosting effect, such as facilitating the proliferation of immune cells and increasing the index of immune organs. These findings suggest that LMWF has a positive immunomodulatory effect and is a promising candidate to supplement cancer immunotherapy.     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。     

咸蛋黄快速腌制过程中理化性质变化规律

该研究以新鲜蛋黄为原料,利用快速腌制模具,探究在咸蛋黄的上表面添加食盐单侧腌制过程中,食盐添加量和腌制时间对咸鸡蛋黄快速腌制过程中形貌特征和理化性质变化规律的影响。借助多种仪器分析手段对蛋黄腌制过程中形貌与物性的变化、水分及盐分的迁移规律进行了表征。低场核磁及成像结果表明：在腌制过程中,蛋黄中的水分不断向外迁移,含水率显著降低,当增加食盐的添加量和延长腌制时间,会加快水分的迁移速率;原子吸收结果表明：增加食盐添加盐量越多和腌制时间越长盐分迁移速率越快,质构、色差结果共同表明咸蛋黄腌制过程中,由于水分的向外迁移和盐分的向内渗入,使得蛋黄的蛋白质发生聚集使颜色加深;同时与市售整个腌制后分离的鸡蛋黄产品相比,当腌制时间为7d,添加盐量为3%;腌制时间为3d,添加盐量为5%时,所得的样品与市面的成品咸鸡蛋黄的感官品质及量化指标差异不显著（P<0.05）,为咸蛋黄单侧腌制技术提供理论的可行性。     

结合Sentinel-2影像和特征优选模型提取大豆种植区

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(RandomForest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine, SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%～91.91%,Kappa系数在0.72～0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。