云南光壳稻亲和性品种的筛选与鉴定

以ＩＲ３６等１１个灿稻品种和秋光等８个粳稻品种为测验种，对毫梅、毫秕等１２个云南光壳稻亲和品种的亲和谱和亲和力进行了鉴定。结果表明，在供试的１２个云南光壳稻亲和品种中，品种毫秕对１０个灿稻和７个粳稻测验种表现亲和，亲和组合百分率最高（８４．２％），亲合组合百分率在６０％以上的还有毫梅（７５．０％）和镰刀谷（６８．４％）；亲和力最好的是大白糯，其与灿、粳测验种表现亲合的各组合的Ｆ１平均小穗结实率为７     

凡纳对虾小触角表面结构的显微观察

应用光学显微镜和扫描电子显微镜观察了凡纳对虾小触角的表面结构。结果发现：小触角上广泛着生着700根以上的羽状刚毛；外鞭片状隆起腹面平均约具280根无顶孔但有细分支的化感刚毛，这类有分支的化感刚毛在其它十足目种类上未见有报道，而且其刚毛数也较其它种类少；内侧附肢前端与柄节上直立的羽状刚毛毛簇顶相接触，推测该结构可能对相邻的复眼具某种作用。     

烟后作超级稻品比试验初报

福建省长汀县常年种植烤烟0.6万多hm2,烤烟采收结束期为6月底7月初,比双季早稻成熟期提前15~20d。为充分利用7月上中旬高温强照的温光资源,大幅度提高烟后作稻单产,筛选出适宜长汀县烟后作稻种植的高产优质抗性较强的组合,     

玉米品种DNA指纹数据库构建的标准化规范

为了保证玉米品种DNA指纹库构建的标准化,从建库标记、检测平台、试剂、样品、评估程序、数据整合、模式库、扩展库、随机盲测等九个方面进行了全面的规范:(1)通过对不同分子标记的比较,确定SSR标记作为建库标记;(2)通过对不同DNA指纹检测方法的比较,确定毛细管电泳结合多色荧光检测方法作为DNA指纹片段分析方法;(3)规范了DNA、引物、Taq酶等试剂质量,以保证数据的稳定性和可重复性;(4)规范了样品来源、样品类型及分析样品数量;(5)确定评估品种的数量及引物的取舍标准;(6)为解决不同来源DNA指纹数据的有效整合问题,提出了固定一套核心引物、提供标准品种、提供标准DNA、确定引物等位基因BIN、规定对异常带型数据处理方式、规定数据的编码方式等6个解决策略;(7)规范了构建模式库的材料名单、来源及构建方式;(8)规范了构建扩展库的材料来源及构建方式;(9)进行数据库数据随机盲测,以评估入库数据质量.以上规范将为不同单位合作开展大规模的DNA指纹库构建研究奠定基础.     

履带式丘陵山地胡麻联合收割机设计与试验

针对丘陵山区地块面积小、道路狭窄,大型联合收割机运输难、进地难、转场难、操作难等现状,解决胡麻茎秆易缠绕、易堵塞、难喂入等问题,该研究设计了一种履带式丘陵山地胡麻联合收割机。该机采用防缠绕低损割台、纹杆+杆齿组合式小锥度横轴流脱粒滚筒、组合式窄栅格凹板等结构,可实现胡麻茎秆的防缠绕快速喂入、分段式脱粒与分离、清选等作业。试验结果表明:胡麻籽粒含水率为5.42%时,脱净率为98.76%、含杂率3.61%、破损率0.18%、割台损失率1.07%、夹带损失率0.25%,清选损失率0.81%、飞溅损失率0.26%、总损失率2.36%。作业期间整机运行平稳,作业指标符合胡麻机械化收获标准,满足胡麻机械化收获要求,可以作为丘陵山地胡麻联合收割机使用。     

采用改进CenterNet模型检测群养生猪目标

为实现对群养环境下生猪个体目标快速精准的检测,该研究提出了一种针对群养生猪的改进型目标检测网络MF-CenterNet（MobileNet-FPN-CenterNet）模型,为确保目标检测的精确度,该模型首先以无锚式的CenterNet为基础结构,通过引入轻量级的MobileNet网络作为模型特征提取网络,以降低模型大小和提高检测速度,同时加入特征金字塔结构FPN（Feature Pyramid Networks）以提高模型特征提取能力,在保证模型轻量化、实时性的同时,提高遮挡目标和小目标的检测精度。该研究以某商业猪场群养生猪录制视频作为数据源,采集视频帧1 683张,经图像增强后共得到6 732张图像。试验结果表明,MF-CenterNet模型大小仅为21 MB,满足边缘计算端的部署,同时对生猪目标检测平均精确度达到94.30%,检测速度达到69 帧/s,相较于Faster-RCNN、SSD、YOLOv3、YOLOv4目标检测网络模型,检测精度分别提高了6.39%、4.46%、6.01%、2.74%,检测速度分别提高了54、47、45、43 帧/s,相关结果表明了该研究所提出的改进型的轻量级MF-CenterNet模型,能够在满足目标检测实时性的同时提高了对群养生猪的检测精度,为生产现场端的群养生猪行为实时检测与分析提供了有效方法。     

基于CNN-BiLSTM的棉花产量预测方法

针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络（Convolutional Neural Network,CNN）和双向长短期记忆（Bidirectional Long Short-Term Memory,BiLSTM）的混合模型（CNN-BiLSTM）进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和BiLSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和BiLSTM深度分别为14和1的CNN14-BiLSTM模型准确率最高,对比单一结构的BiLSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。     

基于空间漫反射光的母兔早期妊娠诊断装置研制

妊娠诊断是肉兔繁殖管理中的重要环节,尤其是早期妊娠诊断,可提前未妊娠母兔的再授精时间,提高种兔利用率,缩短繁殖周期。针对人工摸胎诊断法存在对母兔腹内胚胎产生机械损伤、母兔应激反应大及对工人经验要求高等缺陷,该研究基于妊娠母兔与未妊娠母兔腹内有无孕囊组织所引起的光学特性差异,提出一种基于空间漫反射光的母兔妊娠诊断方法,研制了快速、无侵入式的便携诊断装置。该装置由具有2个红外发光二极管（Light Emitting Diode,LED,LED发光波长分别为850和930 nm）、3个硅基光电二极管和外围电路的传感探头和信号处理主机组成。利用该便携诊断装置采集130只人工授精14 d后的母兔（包括63只妊娠母兔和67只未妊娠母兔）腹部漫反射光强度数据,将采集的数据按照7∶3的比例划分为训练集和测试集,训练集数据分别用于建立偏最小二乘判别分析（Partial Least Squares Discrimination Analysis, PLS-DA）模型和支持向量机（Support Vector Machine, SVM）分类模型,测试集数据用于模型性能测试,并对比两种模型的分类性能。同时,利用PLS-DA对采样数据进行有监督的主成分分析和变量重要性分析,结果表明妊娠母兔与未妊娠母兔的采样数据之间存在差异,可以被较好的分类。对比两种分类模型的分类性能发现SVM对妊娠母兔和未妊娠母兔的分类性能均比PLS-DA好,对测试集数据的灵敏度、特异性和准确率分别为80.95%、83.33%和82.05%。研究结果表明,该研究提出的光学妊娠诊断方法可行,研制的诊断装置可对授精14 d后的母兔进行妊娠诊断,对提高兔产业体系智能化装备水平有积极的促进作用。     

电子鼻和电子舌单独与联合检测掺大豆蛋白或淀粉的鸡肉糜

为实现掺杂掺假鸡肉的快速、客观评价,该研究利用电子鼻和电子舌联合检测技术对掺杂鸡肉糜进行快速检测,通过对采集的数据进行主成分分析和偏最小二乘法分析,所得结果表明,采用主成分分析,电子鼻和电子舌联合检测掺大豆蛋白鸡肉糜和掺淀粉鸡肉糜的主成分总贡献率分别为99.8%和99.1%;采用偏最小二乘法分析,电子鼻和电子舌联合检测鸡肉糜中掺杂大豆蛋白含量的预测值与真实值之间的决定系数为0.992,均方根误差为2.8%;联合检测鸡肉糜中掺杂淀粉含量的预测值与真实值之间的决定系数为0.996,均方根误差为2.4%。表明电子鼻和电子舌联合检测对鸡肉糜的掺杂情况具有良好的区分和预测能力,并且是一种有效、高精度的肉类掺假检测方法。