枣果中主要糖组分和环磷酸腺苷积累特征分析

以金丝小枣、冬枣、灰枣、骏枣、长红枣、赞皇大枣、婆枣和圆铃枣为试材,采用高效液相色谱法,测定了8个主栽枣品种的花及不同发育阶段果实中主要糖组分和cAMP的含量。结果表明,糖成分组成及含量因品种、器官和果实发育阶段而异;从开花到果实成熟过程中依次大量积累果糖、葡萄糖和蔗糖,成熟果实总糖、葡萄糖和果糖含量均是花的9倍左右,在花和幼果中未检测出蔗糖。枣成熟果实中两种单糖（葡萄糖、果糖）和一种双糖（蔗糖）的含量均高。不同枣品种成熟果实中两种单糖（果糖和葡萄糖）的含量均很相近、以果糖含量略高,但单糖与蔗糖的比例差异显著,金丝小枣、冬枣、灰枣、骏枣和长红枣 5 个品种的果糖和葡萄糖含量均高于蔗糖,而赞皇大枣、婆枣和圆铃枣3个品种的蔗糖含量均高于果糖和葡萄糖。根据以往文献可将成熟期果实蔗糖含量所占比例不同,可将枣品种分为蔗糖积累型和单糖积累型。在8个供试品种中,金丝小枣的葡萄糖和果糖含量,赞皇大枣的蔗糖含量最高。8个主栽品种cAMP含量均随着果实发育和成熟逐渐积累,成熟果实中的cAMP含量约为幼果的7倍;在成熟期,以婆枣cAMP含量最高、为192.52 μg/g,圆铃枣的最低、为110.64 μg/g。婆枣果实发育过程中,其cAMP含量与总糖、葡萄糖、果糖和蔗糖的含量均呈正相关,且达到显著水平,其中蔗糖含量与cAMP含量相关系数最高达到0.91。     

基于YOLO算法的不同品种枣自然环境下成熟度识别

实现果园机械化智能采摘是解决农村劳动力不足、降低果实采摘成本的重要途径,对果园中果实的准确识别是其关键技术。以枣为研究对象,建立最适合多品种、实用性强的枣果实成熟度识别模型,将YOLO算法引入到枣果实在自然环境下的成熟度识别中,将枣果实分为成熟果实、未熟果实和完熟果实、半红果实、未熟果实两种标注方式,建立YOLO V3、YOLO V4、YOLO V4-Tiny和Mobilenet-YOLO V4-Lite四种识别模型。研究表明YOLO算法中YOLO V3与YOLO V4-Tiny两个模型均可适用于两种标注方式,验证集mAP约为94%,证明YOLO算法能够对枣果实进行有效的成熟度识别。