早熟南瓜新品种红阳南瓜的选育

红阳南瓜是以自交系Y-3-7-9-2-11为母本,以Y-5-1-9为父本配制而成的印度南瓜一代杂种。植株蔓生,生长势较强,早熟,第1雌花节位为6～8节,从开花到果实成熟40 d（天）左右,全生育期102 d（天）;果实扁圆形,果皮橙红色,果面光滑亮泽,外形美观,果肉橙红色,肉厚3.0 cm左右,肉质致密,口感甜糯,粉质度高,具板栗香味,品质佳。田间调查表明对白粉病、病毒病的抗性强于对照红蜜南瓜。单果质量1.5 kg左右,一般每667 m2产量3 000～4 000 kg,适宜早春露地及春秋保护地栽培。     

以市场为导向 以改革为动力——江津茧丝绸行业步入良性循环机制的调查

连续7年无亏损,销售收入、税利额一直位居重庆市茧丝绸系统前列.茧丝绸体改闯出“江津模式”,成为省内外同行学习的样板,这对于江津市茧丝绸集团公司来说确实不易.过去,江津市的蚕桑、丝绸业分别由蚕种场、蚕茧公司、白沙丝厂等7个单位组成.这些单位属于不同的行业、不同的所有制.价值取向也不同:加工企业热心市场经营,对蚕桑生产关心不够;技术部门重视蚕桑生产,却没有充足的资金、物资作后盾;收购、加工单位则着眼于市场行情,或抢购或拒收.     

露地春大白菜品种比较试验

对7份国内外的春大白菜品种进行品种比较试验,结果表明：“9968”综合性状最好,产量、软叶率、球形指数、抗病性等在所有供试品种中表现最佳。强春白菜、春大帅和傲春也具有一定的推广价值,强春王和春黄白菜结球较紧,但其产量过低,四季霸王和盛春抗病性极差。     

晚红珠樱桃实生苗果实性状遗传研究

以154株晚红珠樱桃实生苗为试材,通过调查后代果实经济性状,对其遗传特性进行研究。结果表明,晚红珠樱桃实生苗果皮颜色为质量性状,红色∶黄红色为2.85∶1;单果重和可溶性固形物含量为数量性状,符合连续变异的遗传特点,变异范围较大,既能出现远小于亲本值的单株,也有大于亲本值的单株;果实的成熟期受亲本影响较大,61%表现亲本类型,26%倾向于亲本,13%出现超亲遗传。     

西葫芦新品种烟葫5号的选育

烟葫5号西葫芦是利用航天育种技术以D203-6-8-12-3为母本、以H202-3-15-7-4为父本育成的一代杂交种。半矮蔓生,中熟,生长势强,叶掌状五裂,深绿色。第一雌花着生于6~7节,结瓜性强,瓜条顺直,瓜长圆柱形,长22~24 cm,横径6~7 cm,单果质量350~400 g。嫩瓜皮色翠绿,有光泽,商品性好。该品种耐低温弱光性强,适宜日光温室越冬茬及早春露地栽培。     

不同GO基因植物表达载体对番茄遗传转化效率的研究

通过PPT质量浓度的梯度试验,筛选出番茄子叶出愈、芽分化和再生植株生根的最适宜PPT浓度均为1.0 mg/L.pCPGO和pCBGO两个植物表达载体转化8个番茄自交系材料的试验结果表明,不同番茄自交系对这两种表达栽体的遗传转化效率存在较大的差异;相同的载体转化不同的番茄自交系,其遗传转化率也存在较大的差异;同一番茄品系,由于转化载体不同,遗传转化率也不同.pCPGO和pCBGO转化率最高的分别为Pr5 76.47%和Pr1 72.4%;而低的分别仅为Pr3 13.89%和Pr4 2.7%.     

基于深度学习的水果果实视觉检测技术研究进展

视觉识别系统是水果采摘机器人中的重要组成部分。近年来,基于深度学习的目标检测算法在人工智能领域迅猛发展,对提高采摘机器人的果实视觉检测性能提供了强有力的技术支撑。本文主要介绍了水果果实视觉检测技术中常见的目标检测算法和目标立体定位算法及其优缺点,简要地总结了各算法的应用研究现状,分析了水果果实视觉检测技术中的难点问题,并展望了其应用发展前景。     

西葫芦新品种烟葫4号的选育

烟葫4号是以航天育种技术育成的2-13-5-26-7-3为母本,以N2-10-7-11-5-6为父本杂交而成的西葫芦一代杂种。矮蔓生,早熟,生长势强,叶掌状五裂、深绿色,叶面有白色斑点;第1雌花着生于第5～6节,瓜码密,连续结瓜性强,瓜条顺直,长棒形,长20～22cm,横径5.5cm,单果质量350g左右;嫩瓜皮色墨绿,有光泽,瓜腔小,肉质细腻,品质好;适宜早春小拱棚及日光温室冬春茬栽培,一般保护地栽培每667m2产量6000kg左右。     

转Cry1Ab水稻纯合体快速准确的PCR鉴定方法

转Cry1Ab基因水稻Bt22为一种新型的转基因抗虫水稻,本研究介绍了一种筛选纯合转基因植株Bt22的PCR方法。根据外源序列在Bt22中插入位点的两侧旁邻序列设计引物,建立了转基因抗虫水稻Bt22品系特异的定性PCR检测方法,该方法灵敏度可达0.01 ng,在此基础上组合各引物建立了筛选转基因水稻Bt22纯合体的多重PCR方法,结果表明该方法简单高效,便于操作。     

利用改进YOLOv5s模型检测番茄果实成熟度及外观品质

以粉果番茄为试验材料,基于深度学习方法开展了番茄果实成熟度和外观品质的检测研究。试验中共采集番茄图片数据2 036张,通过处理扩增至5 316张,然后将数据进行标注和文件转换,构建了试验用数据集;通过在YOLOv5s模型中加入CA注意力机制、替换Stem block结构、结合识别需求优化检测层尺度、替换K-means++聚类算法来实现SC-YOLOv5s识别精度提升,提高模型的特征表达能力;通过在SC-YOLOv5s模型中加入Fire module结构进行轻量化卷积、降低Bottleneck模块的参数量来实现SC-YOLOv5s-lite轻量化设计,提升模型在硬件上的检测速度;将SC-YOLOv5s-lite模型在训练集上进行训练优化、消融试验和性能对比,结果表明,SC-YOLOv5s-lite模型内存大小为7.73 M,其准确率为89.04%,召回率83.35%,平均精度91.34%,检测时间为143 ms,相比于YOLOv5s,模型参数量降低了45.57%,模型大小压缩了44.86%,平均精度提升3.98%,检测时间减少20.99%,优势明显,更适合于硬件上部署。