日光温室荷载组合方法及应用

荷载组合是日光温室结构设计的前提和依据，为了使工程设计人员科学认识和正确使用荷载组合，需要对日光温室的荷载特点、组合效应进行分析和构建。该研究分析了日光温室荷载的特征，通过分析国家规范体系中对结构设计荷载组合的要求，并以北京地区日光温室为例，分析了12个荷载工况下温室骨架的最大应力比，表明多种可变荷载成为主导荷载的可能性；研究提出了基于精确分析所有可能荷载组合的逻辑、方法，并在此基础上研发了日光温室全荷载组合自动生成软件；继续以北京地区日光温室为例，分析了该日光温室在1 216种荷载组合下的最大应力比，与当前普遍采用的预估等简化设计方式进行了比较。分析表明，采用部分荷载组合的日光温室简化设计方法没有涵盖算例中所出现的最不利荷载组合方式，存在组合上的漏洞，而采用"全荷载组合"进行结构分析是必要的、科学的，可以作为新国家规范要求下荷载组合取值的具体方法。应用表明，在电算化条件下，运算时间不到1 s，在工程设计中是高效的。研究结果具有较强的现实意义，可在满足现行国家标准的前提下，直接应用于日光温室工程设计、专业软件开发、既有软件改造升级之中。     

日本农林水产省—畜产试验场

<正> 一、概况畜产试验场位于日本茨城县的筑波市农林研究团地的南端。最早成立于大正5年(1916)4月,当时是由农商务省开设,本部设在千叶县的千叶郡都村(现在的千叶市)。后来几经变革发展,才于昭和55年(1980)1月迁移到了现在的筑波研究学园都市——日本的科技城,前后算起来已有77年的历史了。     

深度学习在作物及其近缘种抗病性智能鉴定上的研究进展

作物及其近缘种抗病性的精准鉴定是筛选和培育作物抗病性品种的关键环节，是安全有效防治作物病害的重要方式，也是野生种质资源异位保存和开发利用的重要基础。传统的抗病性鉴定方法工作量巨大，且严重依赖于调查人员的主观判断，快速、准确的作物及其近缘种抗病性智能化鉴定方式是未来的发展方向。近年来，随着深度学习方法的快速发展与大量应用，基于深度学习的作物及其近缘种抗病性智能鉴定成为可能。本文首先以水稻3大病害(稻瘟病、白叶枯病、纹枯病)为例，从阐述其抗病性鉴定的规范标准和传统抗病性鉴定方法出发，随后从病害检测、病害分割和病害危害程度评估3方面综述了深度学习在作物及其近缘种抗病性智能鉴定中的研究进展，凝练了深度学习在抗病性鉴定上的应用情况和面临的难点与挑战，并对未来进一步研究的方向与发展趋势进行展望，旨在为深度学习在作物及其近缘种抗病性鉴定中的进一步研究应用提供参考。