排序方式: 共有49条查询结果,搜索用时 31 毫秒
31.
本文对浙农大1号意蜂(E_a)和本地意蜂(E_b)的工蜂、蜂王、雄蜂的发育时龄(从卵到成虫羽化)进行了研究。其结果是:E_a和E_b的平均发育时龄,工蜂分别为504.7和506.8小时,蜂王分别为387.5和395.5小时,雄蜂分别为581.5和585.6小时。E_a和E_b三型蜂的发育时龄均存有差异,E_a的工蜂、蜂王、雄蜂发育时龄分别比E_b缩短2.1、8.0和4.1小时。此外,还发现受精卵的胚胎发育比未受精卵快。 相似文献
32.
新疆网室熊蜂传粉制棉花不育系效果初探 总被引:1,自引:0,他引:1
[目的]研究不同传粉昆虫制种效果的影响。[方法]2008年新疆兵团农七师农业科学研究所从北京蜜蜂研究所引进2箱熊蜂,利用新疆兵团农七师农业科学研究所转育的哈克尼西棉胞质不育系9-21A及其对应保持系进行试验。保持系和不育系配比均设置为1∶3,试验采用随机排列,与当地的意蜂在4个网室进行2次重复对比试验。[结果]结果表明,熊蜂的数量不是影响棉花不育系制种产量的主要因素,熊蜂的蜂群活力才是影响棉花不育系制种产量的主要因素。[结论]试验结果说明,利用优势熊蜂群在新疆利用网室进行熊蜂授粉制棉花不育系的方法是可行的。 相似文献
33.
基于卷积神经网络的无人机遥感农作物分类 总被引:3,自引:0,他引:3
针对采用长时间序列卫星影像、结合物候特征进行农作物精细分类识别精度较低的问题,将深度学习用于无人机遥感农作物识别,提出一种基于卷积神经网络的农作物精细分类方法,利用卷积神经网络提取高分辨率遥感影像中的农作物特征,通过调整网络参数及样本光谱组合,进一步优化网络结构,得到农作物识别模型。研究结果表明:卷积神经网络能够有效地提取影像中的农作物信息,实现农作物精细分类。除地块边缘因农作物种植稀疏、混杂而产生少许错分现象外,其他区域均得到较好的分类效果。经训练优化后的模型对3种农作物总体分类精度可达97.75%,优于SVM、BP神经网络等分类算法。 相似文献
34.
植保无人机喷施不同雾滴粒径药剂对其在棉花冠层沉积、穿透及脱叶催熟效果的影响 总被引:1,自引:0,他引:1
为明确植保无人机喷施不同雾滴粒径药剂对其雾滴沉积、穿透以及棉花脱叶催熟效果,试验设置100、150、200和285 μm共4个不同雾滴粒径,用水敏纸测定雾滴在棉花冠层的沉积分布特征,并调查对棉花脱叶率和吐絮率的影响。结果表明,雾滴粒径对于沉积分布特征以及棉花脱叶率和吐絮率均有显著影响。当喷施雾滴粒径为100 μm时,具有最大的雾滴密度;当喷施雾滴粒径为150 μm和200 μm时,具有最大的覆盖度及沉积量;以下部沉积量与中部沉积量的比值为评价指标时,在喷施4个雾滴粒径下植保无飞机喷施雾滴的穿透率为39.4%~63.8%,各雾滴粒径之间差异不显著。在喷施4个雾滴粒径下,2018年和2019年棉花脱叶率分别为74.7%~80.4%和79.3%~88.4%;吐絮率分别为84.9%~92.0%和86.4%~94.2%。表明当喷施雾滴粒径为150 μm或200 μm,具有更高的脱叶率和吐絮率,较适宜棉田植保无人飞机脱叶催熟剂喷施选用。 相似文献
35.
36.
An investigation on the proteome of drone egg development of native Italian bee (Apis mellifera ligustica Spinola,1806) was carried out in order to prove up the characteristics in protein expression and regulation at egg stage and open out the molecular mechanism of the development. The experiment was carried out by two-dimensional gel electrophoresis. The results showed that there were 200, 242 and 233 proteins in a wide rang of molecular weight (12.42-169.60 kDa) and in a relatively narrow scope of pI (4.50-9.00) detected on day 1, day 2 and day 3, respectively, during the developmental process of the drone egg. Meanwhile, 164 protein spots were resolved at all the images (i.e., the protein was consistently expressed) along with the egg development, among which 7 were significantly up-expressed (P 〈 0.05) and 4 were significantly down-expressed (P 〈 0.05) while 79 had no significant differences (P 〉 0.05). In addition, the specific proteins expressing proteins on day 1, day 2 and day 3 were 11, 18 and 18, respectively. Besides, 17 proteins expressed both on day 1 and day 2 but silenced on day 3, and 43 proteins expressed both on day 2 and day 3 but silenced on day 1, while only 8 proteins expressed both on day 1 and day 3 but silenced on day 2. The results indicate that 2-d-old eggs are at the most active expressional stage in the development of drone egg. The protein expressing at all images suggests that it should be indispensable for drone egg development, but their expression pattern is different. The proteins expressing at a specific age of egg suggest that specific proteins are needed in different developmental stages to regulate. And there are more house-keeping proteins in the developmental process of the drone egg than that of worker egg, and it will provide more targets for gene improvement. 相似文献
37.
38.
39.
【目的】自动提取影像中作物种植区域信息,对于推动无人机高分辨率影像在精准农业中的应用具有重要意义。本研究针对分割评价函数中加权局部方差法(weighted local variance,WLV)的缺陷,面向农业无人机影像高精度自动分割的需求,提出改进方法并基于不同作物田间试验数据进行对比验证。【方法】针对WLV没有充分考虑分割对象内部同质性的问题,本研究在WLV的基础上增加对象间同质性的计算,提出了改进加权局部方差法(improved weighted local variance,IWLV)。设计玉米氮肥试验和小麦水肥试验,获取不同作物不同时期及长势下的无人机影像。基于获取的无人机影像,设置不同情景,分别耦合主流分割算法与WLV、IWLV法开展影像分割,将它们的分割结果与人机交互分割结果进行对比,并基于单尺度对象精度(single-scale object accuracy,SOA)法进行评价。【结果】基于WLV法选择的最优分割尺度往往偏大,分割影像时会存在欠分割现象,而基于IWLV法选择的分割尺度进行分割的结果与人机交互分割结果更为接近。对于所有设定的分割情景,IWLV法获得了更高的SOA值。【结论】与WLV法相比,本研究提出的IWLV法可以更准确实现无人机影像分割中尺度参数的自动确定。 相似文献
40.