日本警惕侵入的重要植物病毒病

警惕侵入日本的病毒病,包括菌原体和立克次氏体的病害共56种。其中有50种是果树、马铃薯,甘薯、甘蔗和球根类等营养繁殖的植物病害。这些植物输入后,要进行一至二年的隔离栽培,实行最严格的检查。现选其中最重要的13种病毒病,就其分布、危害和病症等加以解说。 (一)果树的病毒病 1.柑桔僵化病毒和绿化病毒病(Citrus     

源供应和库容量对玉米籽粒碳氮比的影响

玉米胚乳是碳、氮吸收的主要器官。胚乳中的淀粉和醇溶蛋白是影响籽粒产量和品质的主要储藏成分。这两种物质的合成需要营养组织提供蔗糖和氨基酸怍为主要的碳、氮基质。以前的研究指出,在不同玉米杂交种籽粒中,碳与氮的相对含量是有差异的(Canvin     

日本农林水产省一九八三年注册的牧草新品种

<正> 一、玉米良种品种名称:大平原(玉米农林交23号) 原系统名:道交S4号选育过程简介;本品种在北海道十胜农业试验场育成。用硬粒型种(T_09×T_015)作为母本,马齿型种(W79A×RB262)作为父本的复合杂交杂种一代。从1973年开始进行生产力鉴定试验,同时于1977年以道交S4号的系统名进行了系统适应性鉴定试验,以及抗病性鉴定试验等。     

豹斑毒鹅膏菌和褐鳞环柄菇的毒素粗品对剑水蚤的毒效研究

利用豹斑毒鹅膏茵(Amanita pantherina (DC.:Fr.) Schrmm.)和褐鳞环柄菇(Lepiota helveola Bres.)的毒素粗品对剑水蚤(Cyclops)进行毒杀试验.结果表明,豹斑毒鹅膏菌和褐鳞环柄菇的毒素粗品对剑水蚤均具有一定的毒杀作用,并表现出明显的剂量效应和时间效应.在作用时间为12h时,豹斑毒鹅膏茵毒素粗品对剑水蚤的半致死浓度(LC50)要低于褐鳞环柄菇毒素粗品;在作用时间为48 h时,豹斑毒鹅膏菌毒素粗品对剑水蚤的LC50为0.049 mg/mL,褐鳞环柄菇毒素粗品对剑水蚤的LC50为0.038 mg/mL;在相同浓度下,豹斑毒鹅膏茵毒素粗品对剑水蚤的半致死时间(LT50)比褐鳞环柄菇毒素粗品的都要短.因此,在剑水蚤大量暴发的情况下,可选择豹斑毒鹅膏茵毒素粗品来治理;推测褐鳞环柄菇的毒性发作有一定的潜伏期,若需要较长时间的持续毒杀作用时,则可用褐鳞环柄菇毒素粗品来治理.     

农村居民收入区域差异的收敛性分析——以四川省为例

为了解目前四川省农村居民收入区域差异研究欠缺的现状,对1998—2010年农村居民收入的统计数据进行了分析．通过相对差异和绝对差异测算法的计算,发现四川现有的5个经济区域农村居民收入具有绝对差异增加和相对差异缩小的趋势,并借助σ收敛检验相对差异缩小的情况;在绝对β收敛检验下,发现初期收入低的区域比收入高的区域增长更快;条件β收敛检验结果表明,经济作物耕种面积、机械总动力、畜产品产量和乡镇企业收入等变量的增加对收入增长产生正影响．     

发展节水灌溉的意义与技术措施

1节水灌溉及相应设备根据我国经济社会和农村生产力发展水平的实际情况,我国的节水灌溉技术体系中,除了喷灌、微灌和低压管道输水灌溉三种灌溉方式外,还包括渠道防渗、雨水集蓄利用、抗旱保苗注水灌、改进的地表灌溉等。与之相对应的节水灌溉设备主要包括喷灌设备、微灌设备、     

扶贫路上的“追梦人”

<正>傍晚时分,海南省琼中县湾岭镇鸭坡村天色微暗,此时,鸭坡村瓦屋家农民专业合作社负责人蔡晓玲一边忙着包装新采的凤眼米椒,一边拿出手机拍下视频发在微信朋友圈。"我们现在卖得最好的产品就是凤眼米椒,每个月都能卖出1000多罐,经常断货。"蔡晓玲介绍,除此之外,山兰酒、蜂蜜、牛大力等特色农产品也备受游客喜爱。自2013年回乡创业以来,蔡晓玲     

农作物打顶机夹持打顶机构的设计与试验

目前,我国烟草、棉花打顶主要依靠人工,存在劳动强度大和效率低的缺点;现有的机械打顶主要采取割刀向前滚动切割的方式,存在打顶不精确、烟花无法收集等弊端。针对这些问题,设计了一种夹持打顶机构,主要由左右扶禾器、夹持皮带、浮动张紧轮、浮动张紧轮摆动铰链、切割刀、弹簧、直流夹持电机和割刀电机组成。该机构可实现烟芽的收拢、夹持切割、割刀消毒及抑芽剂喷施等作业,具有结构紧凑、功能齐全的优点。同时,通过烟草茎秆切割力学特性试验,得出剪切规律,为烟草打顶切割力的研究提供了试验依据。田间试验结果表明:该机构打顶准确率为97%,夹持准确率为98%,能够满足使用要求。     

基于卷积神经网络的堆肥腐熟度预测

【目的】目前堆肥腐熟度主要采用复杂的化学、生物学方法进行判断,操作繁琐且效率低。卷积神经网络 (convolutional neural network,CNN) 模拟人类视觉,既可保留堆肥图像的颜色信息,也提取了轮廓、线条、粒度等更加具有代表性的特征,从而避免了因光照条件不同对堆肥腐熟度预测识别效果的影响。本文提出了通过堆肥图像判断堆肥腐熟度的方法,构建基于卷积神经网络的堆肥腐熟度预测模型,并验证了该模型进行堆肥腐熟度判断的准确度。【方法】供试堆肥样本采集自江苏、山东、浙江三省,堆肥原料分别为秸秆、尾菜和畜禽粪便,堆肥周期依次为50 d、45 d和60 d。在厂棚内的堆肥槽中,用海康威视摄像头 (型号为C3W,焦段为广角,焦距2.8 mm,清晰度1080 p,夜间自动补光,摄像头距堆肥表面约1 m) 拍摄不同腐熟时期的堆肥图像,图像格式为JPEG。分别取三种不同原料的堆肥图像样本构成三组图像数据集,将三种原料的图像按照尾菜∶秸秆∶畜禽粪便原料1∶1∶1构成第四组图像数据集。每组数据集中,80%的图像数据用于训练基于卷积神经网络模型,并建立预测模型参数。剩余20%的图像用于测试,验证模型的腐熟度预测效果。【结果】搭建的堆肥腐熟度预测模型由输入层、3层卷积层、3层池化层、2层全连接层和输出层构成。构建的腐熟度预测模型在秸秆、尾菜、畜禽粪便及三者堆肥混合图像数据集上的腐熟度预测平均准确率分别为98.7%、98.7%、98.8%和98.2%。与几种经典高效的图像特征提取、分类方法相比,较每个数据集上最优经典算法的平均准确率提升了3～14个百分点。通过CNN方法判断堆肥腐熟度,纹理特征比颜色特征更加有效。【结论】采用卷积神经网络的堆肥腐熟度预测模型能够提取堆肥图像外观特征,实现在可见光条件下直接通过堆肥图像准确、快速地识别堆肥腐熟度,可为堆肥企业生产实践提供指导。