1例仔猪繁殖与呼吸综合征的实验室诊断及防制

猪繁殖与呼吸综合征（PRRS）是由猪繁殖与呼吸综合征病毒（PRRSV）引起的、以母猪妊娠后期发生流产、死产和产木乃伊胎,新生仔猪死亡率高,各年龄段猪（尤其是仔猪）出现呼吸道疾病为特征的传染性繁殖障碍病。北美地区于1987年首次报道了PRRS的发生,欧洲地区在1990年首次报道了该病。自从发现PRRS以来,大部分养猪国家都有PRRS流行的记录。近年来澳大利亚、     

大豆花荚脱落的原因与防治技术要点

<正>大豆花荚脱落是影响大豆产量提高的一个主要因素,也是生产上普遍存在的严重问题。花荚脱落主要是指花蕾、花朵和花荚的脱落。田间调查结果显示,一般花荚脱落率在48%~72%之间,大豆开花3~5d落花最多,一般10~15d落荚较多,落蕾较少。一般有限结荚习性品种花荚脱落较少,无限结荚习性品种花荚脱落较多;有限结荚习性品种植株下部脱落较多,无限结荚习性品种则以植株上部脱落较多;同一植株上分枝的花     

农药混用原则及注意事项

阐述了农药混用原则,包括不同毒杀机制的农药混用、不同毒杀作用的农药混用、作用于不同虫态的农药混用、不同时效的农药混用、与增效剂混用、作用于不同病虫害的农药混用等,并总结了农药混用的一些注意事项,以期为生产中农药的混用提供参考。     

湖州市射中村桑基鱼塘发展变化与保护实践

以湖州市菱湖镇射中村为例,阐述了湖州市水乡平原桑基鱼塘的发展与变化,介绍了该村以桑基鱼塘农业文化遗产申报为契机,建设和保护桑基鱼塘农业生态循环经济模式的做法。     

印楝制剂对西花蓟马的忌避作用

[目的]为更好的防治西花蓟马。[方法]分别用不同浓度的印楝乳油(0.3%)和印楝素(62.73%)对西花蓟马作室内和田间试验,研究不同印楝制剂对西花蓟马的忌避活性。[结果]2种药剂均对西花蓟马成虫有一定的忌避作用,随浓度的提高忌避率增大,都是选择性忌避效果好于非选择性忌避效果。选择性忌避试验中,12 mg/L的印楝乳油和印楝素忌避率都是在48 h时最高,分别为63.93%、64.52%。田间试验表明印楝乳油比印楝素的忌避效果要好,忌避率都是施药后第1天最大,第3天有所下降,第5天和第7天又升高,12 mg/L的印楝乳油和印楝素在第1天的忌避率分别为70.63%、58.33%。[结论]印楝制剂对西花蓟马均表现一定的忌避作用,印楝乳油比印楝素忌避效果好。     

高产优质新品种濮豆1802的选育及栽培技术

濮豆1802是河南省濮阳市农业科学院用郑196为母本、晋豆29为父本有性杂交选育而成的夏大豆新品种,具有高产稳产、品质优良、抗逆性强等特点,较对照品种豫豆22号增产10.42%,适宜在河南省各地及周边地区种植。     

施用鸡粪稻田土壤氮磷养分淋洗特征研究

通过田间试验,研究了长期施鸡粪稻田不同鸡粪施用量下氮、磷养分淋洗特征及其潜在的环境效应.结果表明,田面水NH 4 -N和NO-3 -N浓度在施鸡粪初期均较高,且施鸡粪增加其浓度.NH 4 -N在30 cm、60 cm、90 cm渗漏液中平均浓度分别为1.05～1.48 mg · L-1、1.08～1.91 mg · L-1和1.02～2.38 mg ·L-1,不同层次之间浓度没有明显差别;同一层次NH 4 -N浓度随鸡粪用量增加而增加.渗漏液NO-3 -N浓度与NH 4 -N浓度值相比,含量略高,沿土壤剖面呈上低下高趋势;施用大量鸡粪能明显增加土壤渗漏液中NO-3 -N含量.稻田田面水总磷浓度在鸡粪施用初期达到最大值,且随着鸡粪用量增加而明显增加;随后逐渐降低;但整个生长季含量均超过0.1 mg · L-1.不同层次渗漏液总磷含量变化差别不大.总磷在水稻生长季前期较平稳,8月初有1显著高峰,磷淋洗量与鸡粪用量明显相关.长期施鸡粪稻田土壤氮、磷具有较高环境风险.     

中亚马铃薯品种资源引进与筛选评价

马铃薯一直以高产为育种目标,而忽视了对品种加工和品质性状的选择,尤其缺乏特殊用途的品种类型,为了丰富遗传多样性及品种资源,本试验对国外引进的几十份马铃薯材料的农艺性状、产量性状及品质性状进行分析与鉴定,结果表明:T5、T9、拉希特2号综合性状较好。     

河北省梨园机械化生产现状及展望

河北省梨果产量稳居全国第1,梨产业对河北省经济可持续发展具有重要意义。了解河北省梨园产业与机械化水平发展现状是提高河北省梨园产业化的关键。本文从梨园概况、梨果品种以及梨产业集群等角度阐述了河北省梨园产业现状;从梨园建园与栽植环节、树下管理环节、树体管理环节以及梨果采收与加工环节等方面综述了当前河北省梨园机械化发展现状,据此提出了梨园机械化过程中亟待解决的问题,并从标准化管理、农机农艺结合、产业研发等方面对河北省梨园机械化发展作出展望,为河北省梨产业发展提供参考。     

基于深度学习的番茄苗分级检测研究

分级是保证工厂化穴盘育苗质量的重要环节，本文根据番茄穴盘苗分级检测过程存在智能化水平低的问题，基于Darknet框架YOLOv3-Tiny卷积神经网络进行了算法改进。改进的算法进行了K-Means++聚类，增加YOLO检测层的数量，引入不同的SPP结构和CIOU损失函数。实验表明，与YOLOv3-Tiny算法相比，改进的YOLOv3-Tiny算法对番茄苗分级检测的mAP指标提高了9.8%，对壮苗的检测准确率为98.1%，无苗的检测准确率为94.80%，弱苗的检测准确率为93.62%。该算法能够对番茄苗的分级检测起到良好效果，为番茄穴盘苗高效识别提供了参考。