黄淮地区绿芦笋优质高产栽培技术

1、选用优良品种 丰县绿芦笋的栽培始于1978年，所用品种是从美国引进的玛丽华盛顿500、UC72、UC800等常规品种，该类品种在生产上用了二十多年。随着市场的不断变化及加工企业的需求改变，从1996年引进多个杂交芦笋新品种，进行试验、示范种植并取得成功。     

不同砧木嫁接的砂糖橘解剖结构及酶活性研究

通过调查嫁接在8种砧木上的砂糖橘的生长指标,分析叶片、枝条解剖结构及叶片中过氧化物酶(POD)、生长素氧化酶(IOD)活性,探讨树势与解剖结构和酶活性的关系。结果表明:以枳壳、粗柠檬和枸头橙为砧木的砂糖橘树势较强,红黎檬次之,酸橘、枳橙、红橘和砂糖橘(本砧)较弱;各指标与树势的相关性分析结果发现,叶片的海绵组织厚度与株高和树冠体积呈显著负相关,栅海比与树冠体积呈显著正相关;枝条的导管密度与株高和树冠体积均呈显著负相关;叶片POD活性与株高和树冠体积均呈显著负相关,IOD活性与秋梢长度呈显著负相关,其余无显著相关性。叶片中较低的栅海比、较高的海绵组织厚度和POD活性与枝条中较高的导管密度是影响树体矮化的重要因素。     

便携式农业病虫害图像采集仪设计与应用

针对目前农业病虫害图像采集设备便捷性差和图像质量不高等问题,通过利用无线传输、视频解码和HTTP通信等技术,设计并实现了一种便携式农业病虫害图像采集仪。该采集仪由WiFi镜头相机、Android手机或平板、可伸缩手持杆组成。农技人员通过可伸缩手持杆,将安装在手持杆一端的镜头相机推送到农业病虫害图像采集部位,通过手机或平板App实时预览相机端视频流,调整相机位置,控制相机的拍照。该采集仪特别有助于农业现场中人手或视线难以达到的病虫害部位的图像采集。测试结果表明,该采集仪可便捷地采集到各种农业病虫害图像,操作简单,手机或平板端视频预览画面延时低,采集图像质量高,可满足后续农业病虫害智能识别与诊断。该采集仪可广泛应用于农业、林业等病虫害图像的采集。     

砂糖橘黄化与正常植株的矿质养分及果实品质比较

广东省砂糖橘叶片黄化现象目前有增加的趋势,本研究从矿质养分平衡的角度出发,探讨沙糖橘叶片黄化的可能原因。通过对同一果园中正常树和黄化树的叶片和根际土壤的矿质养分测定、叶片养分的DRIS分析、果实外观品质和内在品质分析,发现黄化树根际土壤的有效钙含量显著低于正常树,而有效锌则相反,其它矿质养分含量及pH没有显著差异;黄化树叶片中钙与锌的含量显著低于正常树;DRIS分析表明黄化树和正常树分别缺钙和缺氮,且两者均缺镁;正常树的果实大小和单果重均显著大于黄化树,黄化树的果实中可滴定酸、维生素C和还原糖的含量显著高于正常树的果实。这些结果表明,尽管树体普遍缺镁,但是缺钙和缺锌可能是叶片黄化的主要诱因。     

食用稻米品质性状间的相关性分析

对来自全国各地的8 390份稻米样品按籼型常规稻、籼型杂交稻、粳型常规稻和粳型杂交稻进行分类,并对其品质性状做了相关分析和多重比较。简单相关分析的结果表明：（1）在碾磨品质上,糙米率、精米率、整精米率两两极显著正相关;（2）在外观品质上,籼粳稻的长宽比与糙米率、精米率、整精米率、垩白率、垩白度均呈显著负相     

基于图像的水稻纹枯病智能测报方法

[目的]目前水稻纹枯病测报依赖人工调查水稻发病丛数、株数和每株严重度来计算其病情指数,操作专业性强,费时费力且数据难以追溯.本研究提出基于图像的水稻纹枯病病斑检测模型和发生危害分级模型,为水稻纹枯病智能测报提供理论依据.[方法]利用便携式图像采集仪采集田间水稻纹枯病图像,研究不同目标检测模型(Cascade R-CNN...     

影响西番莲叶片养分含量相关因子的研究

为建立西番莲叶片营养诊断的采样标准,以‘华阳'品种为试材,对影响叶片养分含量的相关因子进行了研究.结果表明:第10叶位的叶片氮含量最稳定,叶龄较大的叶片其氮、磷、钾含量显著降低;叶片的着生方位对养分含量没有影响;开花显著降低了叶片的氮和磷含量,而坐果不影响叶片的养分含量.     

水稻秸秆木质纤维素水解物中糖的测定方法比较

目的：寻找水稻秸秆木质纤维素经辐照加酶处理转化的糖组成的分离测定方法。方法：采用液相色谱法、气相色谱法、毛细管电泳法、离子色谱法分离测定木糖、果糖、葡萄糖、鼠李糖、半乳糖、麦芽糖、纤维二糖、半乳糖醛酸、葡萄糖醛酸等组成的混合物。结果：毛细管电泳法、离子色谱法具灵敏度高、选择性好、分离效率高等特点。结论：毛细管电泳法、离子色谱法可用于水稻秸秆木质纤维素水解液中糖组分的分离测定。     

阿克苏核桃病虫害综合防治技术

详细介绍了新疆阿克苏地区核桃病虫害综合防治技术,以期为核桃种植专业户提供科学依据。     

基于Android和深度学习的外来入侵植物 智能识别系统

我国是遭受外来入侵生物危害最严重的国家之一?目前国内对外来入侵植物的鉴定主要依靠调查人员的经验和专家的人工识别, 存在费时费力和主观性强的问题?针对上述问题, 本文在Android环境下开发了一个实时便捷的外来入侵植物智能识别系统, 由移动客户端APP?云服务器和基于深度学习的外来入侵植物识别模型组成?调查者可以通过手机客户端APP拍摄植物图像, 上传至云服务器, 识别模型会自动识别图像上的植物, 识别结果和防治信息在1~2 s内反馈至用户客户端, 还可以远程请求专家鉴定?该系统对35科135种入侵植物的平均识别率达到85.3%?基于Android的外来入侵植物智能识别系统实现了中国常见入侵植物信息查询?自动识别?入侵植物采集点地图显示和专家远程鉴定等功能, 为野外调查人员提供了一个便捷准确的外来入侵植物自动识别和调查工具?