弧型往复双动式采茶切割器优化与试验

针对往复双动式采茶切割器碎茶率高的问题,该研究对切割器进行了优化。首先,分析了切割器的结构及工作原理,通过切割图分析得到影响采摘质量的主因子为机速、刀机速比、刀齿高度、往复运动行程。并基于设计的轨道式采茶试验台,进行了采摘质量因素二次回归正交旋转中心组合试验,建立了以芽叶完整率、漏采率、割茬不平度为评价指标的参数优化模型。运用遗传算法解得最佳参数分别约为机速0.4 m/s,刀机速比1.2,行程23 mm,齿高25 mm,芽叶完整率模型的估计值为86.895%。根据优化结果设计刀具,试验验证得：芽叶完整率82.6%,漏采率0.24%,割茬不平度2.8 mm,与优化结果相符合。优化后采摘芽叶完整率提高了20%以上,提升了茶叶采摘质量,为“机采+分级”的名、优质茶叶高效采收技术奠定了基础。     

Cloning and Sequence Analysis of Lipoxygenase Gene cDNA from Cucumber Fruit （Cucumis sativus L.）

Lipoxygenases are nonheme-iron-containing dioxygenases that catalyze the hydroperoxidation of unsatrated fatty acids containing a cis, cis-1,4-pentadiene structure producing hydroperoxy acids with conjugated dienes. LOX activity has been found in a wide range of plants. Typical substrates for LOX in plants are linoleic acid and linilenic acid fatty acids. The function of various LOXs in plants is unknown, but their participation in all stages of plant growth and development has been suggested （Hildebrand, 1989; Siedow, 1991）. Some of the physiological processes in whicn lipoxygenses have been implicated include wounding （Saravitz and Siedow, 1996）, pathogen attack （Melan et al., 1993）, seed germination （Kato et al., 1992）, fruit ripening （Ferrie et al., 1994）, plant senescence （Paliyath and Droillard, 1992）. The study on the role of lipoxygenase in ripening and senescence fruit focused on tomato and strawberry. Cloning LOX gene of cucumber fruit will make us further understand the molecularaction mode of this enzyme during fxuit ripening and senescence. In this paper we isolated the partial nucleotide sequences of cucumber fiuit lipoxygenase gene and discuss the characterization of it.     

基于VOSviewer的农作物遥感制图研究的文献特征与热点演变分析

[目的]作为农作物长势监测、产量估测和灾害评估的基础,及时、准确获取农作物空间分布信息对农业生产管理、农业可持续发展及国家粮食安全等具有重要意义.[方法]文章从农作物遥感制图的研究热点和前沿出发,基于Science Citation Index Expanded(SCIE)和CNKI数据库,利用VOSviewer软件对...     

版纳省藤家系苗期生长特性的初探

文章对收集的版纳省藤家系进行苗期生长变异的观察,结果发现:家系间根长和芽长及叶片数和最大叶长都存在极显著的差异;叶片数和最大叶生长与气温关系显著,叶片数和最大叶生长趋势相似,移苗后的2、3个月生长最快,12月至次年的2月生长缓慢;主成分分析选出6个优良家系,其中4个分布在勐腊尚勇地区。     

穴苗移栽机双旋转式分苗装置设计

为了解决移栽机整排取苗后投苗不连续、作业效率不高、穴苗易破损的问题,该研究设计了一种整排放苗的分苗装置,运用2排投苗台交替运动实现无间断投苗。通过台架试验,依据实际作业状态对投苗过程进行分析,确定影响投苗效果的主要因素为投苗高度、投苗速度和穴苗倾角。以投苗成功率和基质破损率为评价指标进行单因素试验,确定各影响因素的参数范围。并进行正交试验,通过方差分析得出影响成功率和破损率的主要因素分别为穴苗倾角和投苗高度。在此基础上进行响应面分析,分析各因素交互作用对投苗效果的影响。运用MINITAB优化模块对工作参数进行优化,结果得到最佳工作参数组合为:投苗高度150 mm,投苗速度65株/min,穴苗倾角85°±5°。验证试验结果表明,最佳工作参数下投苗成功率为96.41%,基质破损率为1.65%。该装置可实现分苗投苗作业,研究结果可为全自动移栽机设计提供参考。     

基于深度学习的玉米拔节期冠层识别

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3 000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略。其次在Google Colab云平台训练SSDLite-MobileDet网络模型。为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置。结果表明,田间玉米冠层识别模型精度达到91%,检测视频的帧率达到89帧/s以上。研究成果可为田间玉米高精度诊断和精细化作业管理奠定基础。     

复垦土壤细菌群落结构及其与土壤肥力的关系

为了解两淮煤矿区复垦状况及其对土壤微生物的影响机制,合理人工干预,快速有效提高复垦土壤生产力,本研究以煤矸石充填复垦土壤为研究对象,通过野外调查与采样分析,采用Illumina MiSeq 高通量测序分析土壤细菌特定基因片段V4 区域,基于非度量多维尺度分析、冗余分析、方差分析、肥力指数、回归模型方法,对矸石充填土壤不同复垦方向的土壤细菌优势群落和生物多样性进行了探索,明晰土壤细菌群落及其与土壤肥力的响应作用。研究结果表明：细菌群落组成上,不同复垦方向对细菌优势群落分布并无显著性影响,变形菌门、酸杆菌门和放线菌门菌群为主要优势菌群。土壤微生物多样性层面上,表层土壤微生物有较高的丰富度和多样性,均匀度并无显著性差异。微生物多样性在不同复垦方向不存在显著性差异,Shannon_Wiener指数介于5.23～6.91之间,Chao1指数为867.1～5436,Pielou指数介于0.79～0.84之间,表中层同深层土壤的细菌群落结构具有差异性。TN、SOM、AP和AK是影响土壤细菌群落的主要肥力因子,土壤肥力质量指数与奇古菌门相对丰度呈显著正相关（P＜0.01）,同链霉菌属呈显著负相关（P＜0.05）,在一定程度上可将二者的相对丰度作为评价复垦土壤肥力状况的重要生物指标。研究成果可为两淮矿区矸石充填复垦土壤在微生物层面提高肥力质量提供理论支持。     

斑节对虾循环水养殖系统构建与运行试验

为探索斑节对虾循环水养殖可行性及应用发展价值,该研究自主设计蛋白分离组合装置、内循环流化床等关键工艺环节水净化装备,构建了技术先进、结构紧凑的斑节对虾循环水养殖系统。针对其不同阶段生长特性及水环境需求,提出一种水质调控方法,科学投喂。运行试验120d,溶解氧浓度5.30～7.14mg/L,p H值7.23～8.44,氨氮浓度0.43～1.38 mg/L(稳定运行后),亚硝酸盐氮浓度0.15～0.56 mg/L(稳定运行后);斑节对虾在循环水养殖模式水生态环境下正常生长,先后经历快速生长期、稳定生长期及缓慢生长期,终末养殖密度3.02 kg/m2,取得高效养殖结果;终末饲料系数1.67,单茬每平方米利润34.78元,每平方米年利润69.56元(按1年2茬计),获得良好经济效益。该实践可为斑节对虾循环水养殖模式应用提供技术支持。     

融合卷积神经网络与视觉注意机制的苹果幼果高效检测方法

果实表型数据高通量、自动获取是果树新品种育种研究的基础,实现幼果精准检测是获取生长数据的关键。幼果期果实微小且与叶片颜色相近,检测难度大。为了实现自然环境下苹果幼果的高效检测,采用融合挤压激发块(Squeeze-and-Excitation block, SE block)和非局部块(Non-Local block, NL block)两种视觉注意机制,提出了一种改进的YOLOv4网络模型(YOLOv4-SENL)。YOLOv4模型的骨干网络提取高级视觉特征后,利用SE block在通道维度整合高级特征,实现通道信息的加强。在模型改进路径聚合网络(Path Aggregation Network, PAN)的3个路径中加入NL block,结合非局部信息与局部信息增强特征。SE block和NL block两种视觉注意机制从通道和非局部两个方面重新整合高级特征,强调特征中的通道信息和长程依赖,提高网络对背景与果实的特征捕捉能力。最后由不同尺寸的特征图实现不同大小幼果的坐标和类别计算。经过1 920幅训练集图像训练,网络在600幅测试集上的平均精度为96.9%,分别比SSD、Faster R-CNN和YOLOv4模型的平均精度提高了6.9百分点、1.5百分点和0.2百分点,表明该算法可准确地实现幼果期苹果目标检测。模型在480幅验证集的消融试验结果表明,仅保留YOLOv4-SENL中的SE block比YOLOv4模型精度提高了3.8百分点;仅保留YOLOv4-SENL中3个NL block视觉注意模块比YOLOv4模型的精度提高了2.7百分点;将YOLOv4-SENL中SE block与NL blocks相换,比YOLOv4模型的精度提高了4.1百分点,表明两种视觉注意机制可在增加少量参数的基础上显著提升网络对苹果幼果的感知能力。该研究结果可为果树育种研究获取果实信息提供参考。     

基于堆叠沙漏网络的单分蘖水稻植株骨架提取

针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.04 cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。