辐射诱变选育特优63糯的研究

用60 Coγ射线 35 0Gy分别照射杂交稻保持系 (B系 )和恢复系 (R系 )干种子 ,M2 获得相应的糯性基因wx突变体 ,并育成糯不育系wxA和糯恢复系wxR ,组配出杂交糯稻新组合。特优 63糯与特优 63具有相似的生育期、农艺性状、产量水平和抗性。     

岭南乡村水系景观规划研究

通过文献研究和实地踏查的方法对北流镇鸭埌村乡村水系现状进行调查,对村庄传统排水系统、水系空间景观质量、水文化等进行分析,提出修复村庄传统水循环系统;利用污水处理技术,实现“三水”资源化利用;植物净化,建设生态景观驳岸;挖掘地域特色,建设美丽乡村等规划理念和改善措施,为全域乡村水系景观规划和建设提供思路。     

水解单宁酸在养猪生产中的应用研究进展

随着2020年我国全面禁止在饲料中添加饲用抗生素,使用有效的替代产品并保持猪只生产性能和猪场效益非常重要.国内外针对抗生素的替代产品上有很多的研究和讨论,水解单宁酸在2006年欧盟禁止使用抗生素后作为替代抗生素的饲料添加剂被广泛应用,特别是在断奶仔猪和肥育猪上的应用研究很多,主要针对其对断奶仔猪生产性能及腹泻情况的影响...     

利用2种方法鉴定和筛选甘蓝型油菜抗(耐)菌核病恢复系

采用苗期离体叶菌丝块接种法和花期植株牙签接种法,对7个甘蓝型油菜恢复系进行抗菌核病鉴定,结果表明:参试品系间抗性差异达显著水平,其中,恢复系C293、C289、P085的抗性接近对照中油821水平,可作抗(耐)菌核病育种材料加以利用,C293表现最佳。2种接种法的鉴定结果基本一致,说明利用这2种方法进行油菜品系抗(耐)菌核病鉴定都是可信的。     

小麦田间白穗病害“一拔五知道”鉴别及综合防控

导致小麦中后期产生白穗的主要病害有赤霉病、全蚀病、纹枯病、根腐病和茎基腐病等5种,文章介绍了5种病害的致病病菌、发病特点。通过拔起植株鉴定5种病害“一拔五知道”的鉴别要点,提出了小麦生长中后期白穗的综合防治措施。     

不同比例艾草替代花生秧对湖羊生产性能、血清生化指标和瘤胃发酵参数的影响

试验旨在研究不同比例艾草替代花生秧对湖羊生产性能、血清生化指标和瘤胃发酵参数的影响。试验选取体重为(20.00±0.64)kg左右健康状态良好的湖羊公羊120只,随机分为4个处理组,每组5个重复,每个重复6只羊。对照组饲喂基础饲粮,试验Ⅰ、Ⅱ、Ⅲ组均使用艾草替代基础饲粮中的花生秧,替代量分别为25%、50%、75%。试验期为60 d。结果表明：(1)整个试验期(1～60 d),各试验组湖羊的平均日采食量均显著低于对照组(P<0.05),试验Ⅰ组和对照组相比,平均日增重显著增加(P<0.05),料肉比显著降低(P<0.05)。(2)试验前期(1～30 d),各试验组粗脂肪和酸性洗涤纤维的消化率均显著低于对照组(P<0.05);试验后期(31～60 d),试验Ⅲ组湖羊粗蛋白的消化率显著高于对照组(P<0.05),各试验组粗脂肪的消化率均显著高于对照组(P<0.05)。(3)试验Ⅱ组血清IgG、IL-2含量显著高于对照组(P<0.05);试验Ⅱ、Ⅲ组CD4⁺/CD8⁺显著高于对照组(P<0.05)。(...     

复合微生物菌剂在猪粪无害化处理中的应用

为了研究微生物菌剂对粪便恶臭组分及微生物菌群的影响,选取猪粪和玉米秸秆作为堆肥原料进行28 d的堆肥试验.试验分为5组,A、B和C组分别用玉米秸秆调节堆体水分为40％、50％和60％,D和E组不加玉米秸秆,A、B、C和D组分别接种微生物菌剂,E组不添加菌剂.结果 显示,B组堆体的高温持续时间最长,粪便腐熟效果最好.与E...     

基于LM-BP神经网络的喷药飞行器轨迹跟踪方法研究

首先介绍了LM-BP神经网络算法的特点和优势,依据喷药飞行器的机械结构和工作原理应用飞行控制理论,实现了喷药飞行器轨迹跟踪方法。最后,利用MatLab进行了仿真试验,结果表明:喷药飞行器期望飞行和实际飞行的两条轨迹基本重合,误差很小,达到了预期要求;且采用LM-BP神经网络算法进行迭代学习,能够较快地使误差趋于零,提高了喷药过程中的控制输入。     

采摘机器人自主采摘学习能力研究 —基于LM-BP神经网络

为了让采摘机器人更加快速和准确地识别目标水果的成熟度,提出了一种基于BP神经网络的自主学习方法。由于BP神经网络容易陷入局部最优值且训练效率较低,因此进行了改进,实现了LM-BP神经网络算法。测试结果表明:与BP神经网络算法相比,LM-BP神经网络算法训练学习速度更快,测试精度更高,能够满足采摘机器人对目标水果成熟度识别精度的要求,具有一定的应用价值。     

一种迁移学习算法在番茄病害检测上的应用

针对当前番茄病害智能识别精度不高、耗时长的问题,提出一种基于Inception-v3和迁移学习相结合的图像分类算法。从试验田中收集8种番茄病害叶片和健康叶片,运用1 000万像素高清扫描仪统一扫描成图像,将图像归类到9种文件夹中,手动标记叶片属性。最后,基于Inception-v3模型结合迁移学习算法对健康和病害叶片进行分类试验,并与传统图像分类算法(KNN、SVM、BP神经网络)和非迁移学习算法进行对比。结果表明,基于Inception-v3模型结合迁移学习算法,在番茄病害图像分类中能够快速有效识别分类生长健康番茄和患病番茄,并且能高效识别番茄病害的种类。其中健康置信度达0.9760,病害种类平均置信度达0.929 7,可为番茄病害检测和防治提供支持。