南美白对虾养殖系统中弧菌为主的致病菌群的分子比较

弧菌是最常见、最重要的细菌性病原菌,采用16 S rDNA克隆文库法对南美白对虾(Litopenaeus vannarnei)养殖系统中水体和底泥的弧菌为主的致病群落的组成进行分析研究。从水体和底泥16 S rDNA克隆文库中各随机挑选55个克隆子进行测序(约114 bp),对测序结果进行了BLAST比对。结果表明:水体样品有16个OTU,主要Vibrio(弧菌,33.3%)、Chloroflexi(绿屈挠菌,18.5%)和Pantoea(泛菌属菌,7.41%);底泥样品有14个OTU,主要是Vibrio(弧菌,50.0%)和Chloroflexi(绿屈挠菌,13.6%);2个文库比较来看,proteobacterium(变形细菌)仅在水体样品中,Aeromonas(气单胞菌)仅在底泥样品中。用MEGA 4从测序的克隆子中选出30个OTU进行系统发育分析。     

AFLP分子标记在玉米优良自交系优势群划分中的应用

本文利用AFLP分子标记技术研究了17个玉米优良自交系的遗传多样性, 4个AFLP引物组合分别扩增出30、 30、 44、 41条多态性带, 平均每个引物组合扩出36.25条带, 4个引物组合共扩增出145条带, 每一个引物组合都可将17个自交系完全分开。 利用AFLP数据、 进行聚类分析, 将17个优良自交系聚为6群, 结果表明, 用AFLP标记进     

苏丹草-黑麦草轮作制中施肥对饲料产量、养分吸收与土壤性质的影响

大田试验条件下采用苏丹草(Sorghum sudanense)与黑麦草(Lolium L.)轮作,分别设CK(不施肥)、NP(施氮磷肥)、NK(施氮钾肥)、PK(施磷钾肥)、NPK(施氮磷钾肥) 5个处理研究施肥对饲草产量、养分吸收及土壤养分的影响。结果表明,氮磷钾肥配施显著提高苏丹草与黑麦草鲜草产量,2005—2006年与2006—2007年两季饲草分别为162.7 t hm^-2、114.9 t hm^-2,分别比同期PK、NK、NP处理增产312.9%、26.9%、17.9%和338.5%、20.3%、17.2%。施肥影响饲草的氮、磷、钾含量,且氮磷钾配施可以改善饲草养分吸收,2005—2006年NPK处理的饲草N、P、K吸收量分别为500 kg hm^-2、91 kg hm^-2和997 kg hm^-2,2006—2007年NPK处理的饲草N、P、K吸收量分别为312 kg hm^-2、56 kg hm^-2和402 kg hm^-2。轮作系统中,氮磷钾肥配施条件下氮、磷盈余最少,而钾亏缺。在苏丹草-黑麦草轮作制中,随着种植次数的增多,各施肥处理土壤有机质、全氮均有不同程度上升,施磷(NPK、NP、PK)处理的速效磷、施钾(NPK、NK、PK)处理的速效钾均有上升,而NK处理的速效磷、NP处理的速效钾略有下降。     

播期对不同筋型小麦品种淀粉糊化特性的影响

选用强筋小麦9356、中筋小麦扬麦158和弱筋小麦宁麦9号为供试材料,研究了播期对不同筋型小麦品种淀粉糊化特性的影响.结果表明:播期和品种对小麦淀粉糊化特性均有极显著影响,最终黏度、回复值和糊化温度存在显著或极显著的播期和品种的互作效应.3个供试品种的峰值黏度、低谷黏度、稀懈值、最终黏度、回复值和峰值时间随播期推迟呈显著或极显著增加,但参数的变化幅度不同.强、中筋小麦的淀粉糊化特性与弱筋小麦的淀粉糊化特性有明显的区别,强筋和中筋小麦的淀粉糊化特性受播期的影响较弱筋小麦大.峰值黏度、低谷黏度、稀懈值、最终黏度与播种至成熟期降雨量均呈负相关,与开花至成熟期的降雨量均呈负相关,与开花至成熟期的日均温呈正相关,峰值黏度、低谷黏度、稀懈值与播种至成熟期的日照时数呈负相关,与开花至成熟期的日照时数呈负相关.     

氮肥水平对不同育种时代粳稻产量、氮素吸收利用差异的影响

以选育时期不同(两个选育时代)的12个水稻品种为材料,于施氮量为0,225,300 kg/hm~2纯氮大田条件下,研究了不同氮肥水平下两选育时代的水稻品种产量、物质生产积累量及氮素吸收、利用效率的差异.结果表明,水稻产量随着选育时代的更替有所提高,并随施氮量的增加两时代产量表现不同,早期品种中有83.3%的水稻基因型的产量随施氮量增加呈增加趋势,当代品种产量则有一半基因型在225 kg/hm~2氮肥水平下产量达最大,说明早期品种对氮肥反应较当代品种敏感.农艺性状中的株高和穗长随着育种时代的更替有矮化和减小的趋势,着粒密度有所增加.干物质和氮素平均积累量在生育时期各阶段均表现为当代品种大于早期品种,氮素利用效率亦表现相同的规律.相关分析表明,水稻产量与抽穗、成熟期物质积累量和氮素吸收量均呈显著或极显著正相关关系,与拔节期关系不密切.氮素利用效率与产量呈显著正相关,与株高和穗长呈显著负相关.说明随着选育时代的更替,水稻产量、吸氮量及氮素利用效率有所提高,株型趋于矮化,穗型由散穗向密穗型演变.     

丸粒化包衣种子识别检测系统设计与试验

由于存在包衣配方不统一、包衣机自动化水平低等问题,目前我国种子包衣合格率检测精度和效率较低。为此设计了一套丸粒化包衣种子识别检测系统,针对形状为类球体的包衣种子进行识别。首先,搭建拍摄平台,拍摄的图像传输至识别控制系统中进行图像前期处理。其次,根据图像处理后不同类型包衣种子特征提出了一种识别检测算法,根据破损包衣种子与其它包衣种子图像面积比例的差异,利用高级形态学处理实现破损包衣种子的识别。根据多籽种子与合格种子颗粒像素值的差异实现对多籽种子以及合格种子的识别。最后,对种子总数、合格数、多籽种子数及破损种子数进行检测,计算得到包衣合格率。以红三叶种子进行试验,结果表明：整套系统图像采集、处理与识别时间约为3s;运用高级形态学处理识别破损包衣种子准确率达98.8%;当试验样本为200粒时,总数识别算法的准确率达到99.1%;对合格包衣种子以及多籽包衣种子识别相对误差分别为1.18%与3.36%。该识别检测系统实现了拍摄、图像处理、检测识别以及结果保存等功能,实现了包衣种子的无损检测。     

玉米主要品质便携式检测装置设计与试验

我国玉米产量高,高效、便携、低成本的玉米成分检测技术及其装置对于玉米品质的检测至关重要,基于可见/近红外光谱技术,设计了一款玉米主要品质便携式检测装置。为探究所设计方案的可行性,自行搭建了可见/近红外光谱采集系统,对不同品种共72份玉米样本进行光谱采集,分别建立了玉米籽粒蛋白质、脂肪和淀粉含量的偏最小二乘（PLS）预测模型以及结合竞争性自适应重加权算法（CARS）的CARS-PLS预测模型。结果表明,CARS方法可以有效筛选出各组分的相关变量,提升模型效果,各组分质量分数的预测集均方根误差（RMSEP）均有所下降, 蛋白质质量分数的RMSEP由0.4866%降至0.4068%;脂肪质量分数的RMSEP由0.1549%降至0.0989%;淀粉质量分数的RMSEP由0.4714%降至0.4675%。预测集相关系数Rp均有所提高,蛋白质质量分数的Rp由0.9309提升至0.9603;脂肪质量分数的Rp由0.9497提升至0.9770;淀粉质量分数的Rp由0.9520提升至0.9605。基于CARS方法所筛选的各组分特征变量,选择了合适的近红外光谱传感器,在此基础上设计了检测装置的光谱采集单元、控制单元、显示单元、电源单元以及散热单元,并基于NodeMCU开发板和Arduino IDE开发工具,采用Arduino语言对装置控制程序进行开发,实现“一键式”快速检测。试验验证了该装置的检测精度和稳定性,结果表明,预测玉米籽粒蛋白质、脂肪和淀粉质量分数的相关系数分别为0.8431、0.8243、0.8154,预测均方根误差分别为0.3576%、0.2318%、0.2333%,相对分析误差分别为1.8577、1.7761、1.5735。对同一样本多次重复预测,各组分预测值的变异系数分别为0.235%、0.241%和0.028%。     

基于线性模型的管路内农药混合均匀性评价方法

针对混合试验图像所得均匀性指数计算结果难以直接匹配于被广泛认可的数值仿真参考值的问题,本文基于线性模型方法,将混合试验图像处理与数值仿真结果进行映射,在黏性水溶性农药与水在长直混合管内进行在线混合的试验条件下构建对应的线性预测模型,并采用射流混药器在线混合图像及仿真结果对上述模型进行检验。研究结果表明：不同图像方法(灰度直方图二阶矩(HSM)、改进面积加权法(OAU)、主成分分析法(PCA))对应最优线性拟合阶数不同,采用单独图像方法构建模型时最优阶次为4,决定系数R2高于0.95,采用2种图像方法组合和3种图像方法组合时最优阶次可分别降至3阶和2阶,R2则接近或高于0.98;载流流量Q为800~2000mL/min、混合比P为0.01~0.10条件下,基于HSM、OAU、PCA和线性模型,可实现实际混药器均匀性预测,所有模型预测误差均小于0.05,且采用一元和二元线性模型使得平均预测误差分别降低84.1%和79.8%,不同算法间预测结果极差分别降低31.6%和78.0%;采用基于PCA或OAU算法的一元模型进行预测时误差可控制在0.03以内,其精度高于不同算法组合预测的结果;采用基于HSM-PCA等算法组合的二元模型误差虽稍高于0.03,但也可避免单一图像指标计算不准确带来的预测风险。通过构建图像处理-数值仿真之间的映射关系,可为基于图像处理进行农药在线混合均匀性评估提供更加可行和合理的方法。     

基于SISM模型和畦灌技术的冬小麦最小灌水定额研究

为确定满足畦灌技术约束下的冬小麦最小灌水定额,采用地面灌溉水流运动模拟模型SISM,结合华北地区畦灌现状,考虑畦田长度、坡度、田面标准差、微地形空间分布差异及入畦单宽流量等要素,设计53.088种畦灌技术要素组合,以地面灌溉水流覆盖整个田块和最小灌水深度Zmin>0为控制条件,对不同技术要素组合下的灌水过程进行模拟,分析畦灌技术要素和灌水性能指标值的对应关系,结合畦灌数值模拟试验结果,提出3种代表性畦田长度（50、100、150 m）下田面标准差、坡度、入畦单宽流量等畦灌要素的建议范围。在不考虑畦田布置优化方案的条件下,3种代表性畦长畦灌最小灌水定额不宜低于84、117、148 mm;在地面灌溉技术及畦田布置方案优化的条件下,3种代表性畦长畦灌最小灌水定额不宜低于71、75、79 mm。     

基于深度学习的大豆生长期叶片缺素症状检测方法

为了检测作物叶片缺素,提出了一种基于神经网络的大豆叶片缺素视觉检测方法。在对大豆缺素叶片进行特征分析后,采用深度学习技术,利用Mask R-CNN模型对固定摄像头采集的叶片图像进行分割,以去除背景特征,并利用VGG16模型进行缺素分类。首先通过摄像头采集水培大豆叶片图像,对大豆叶片图像进行人工标记,建立大豆叶片图像分割任务的训练集和测试集,通过预训练确定模型的初始参数,并使用较低的学习率训练Mask RCNN模型,训练后的模型在测试集上对背景遮挡的大豆单叶片和多叶片分割的马修斯相关系数分别达到了0.847和0.788。通过预训练确定模型的初始参数,使用训练全连接层的方法训练VGG16模型,训练的模型在测试集上的分类准确率为89.42%。通过将特征明显的叶片归类为两类缺氮特征和4类缺磷特征,分析讨论了模型的不足之处。本文算法检测一幅100万像素的图像平均运行时间为0.8 s,且对复杂背景下大豆叶片缺素分类有较好的检测效果,可为农业自动化生产中植株缺素情况估计提供技术支持。