番茄叶霉病菌对多菌灵、乙霉威及代森锰锌抗性检测

报道了番茄叶霉病菌Fulvia fulva对多菌灵、乙霉威及代森锰锌的敏感性基线,以及抗性频率和抗性水平。离体条件下,多菌灵、乙霉威及代森锰锌对番茄叶霉病菌敏感菌株的平均EC50值分别为0.101、2.475、9.067 μg/mL;最低抑制浓度(MIC)值分别为0.5、5、50 μg/mL 。山西晋南地区番茄叶霉病菌对3种杀菌剂的抗性频率最高,分别达到97.4%、70.5%、98.7%;山西吕梁地区与太原地区相对较低,但该病菌对3种杀菌剂的抗性频率也都超过了30%。辽宁沈阳、山东寿光、河北保定番茄叶霉病菌对多菌灵的抗性频率均为100%;对乙霉威的抗性频率前两地为100%,保定为10%;对代森锰锌的抗性频率都超过90%。所有抗性菌株对多菌灵均属于高抗类型,抗性指数超过5000,测不出MIC值;对乙霉威有50%的高抗菌株,抗性指数在100以上;对代森锰锌各地均未发现高抗菌株,低抗和中抗菌株所占比例较大,其抗性指数集中在50左右。对多菌灵与乙霉威具有双重抗性的菌株占测试菌株总数的49.9%,并且首次在田间发现了对3种杀菌剂都具有抗性的番茄叶霉病菌多抗菌株。     

基于A型塞内卡病毒VP3蛋白间接ELISA抗体检测方法的建立

【目的】建立基于VP3蛋白检测血清中A型塞内卡病毒(SVA)抗体的间接ELISA方法，为临床上猪群SVA感染及未来疫苗免疫效果评价提供有效手段。【方法】克隆SVA的VP3基因，将其与pQE 30表达载体连接，并进行原核表达，对表达的蛋白进行纯化和鉴定。用纯化的重组VP3蛋白（rVP3）作为包被抗原，通过矩阵法优化ELISA反应条件，建立检测SVA抗体的间接ELISA方法，通过对已知背景的200份SVA阴阳性血清进行检测以确定临界值，并对该方法的特异性、敏感性、重复性和稳定性进行验证。将采自SVA灭活疫苗免疫猪不同时期的160份血清，分别用该试验建立的方法及本课题组前期建立的基于VP1蛋白的间接ELISA方法进行检测，对比两者检测结果。【结果】成功克隆717 bp的VP3基因，表达出分子质量约为32 ku的VP3重组蛋白（rVP3）。Western Blot试验结果表明，纯化的 rVP3 蛋白具有良好的反应原性。建立了基于VP3蛋白的SVA间接ELISA检测方法，当样本OD₄₅₀(S)/阳性对照OD₄₅₀（P）＞0.138时判定为SVA抗体阳性。该方法特异性强，与FMDV(O/A型)、PRV、PRRSV、CSFV病原阳性血清均无交叉反应；敏感性较好，检测出的阳性血清最高稀释倍数与中和试验基本一致；重复性和稳定性好，批内变异系数小于4%，批间变异系数小于9%。160份血清检测结果表明，两种方法在不同时期的抗体阳性检出率略有差异。【结论】建立了基于VP3蛋白的SVA间接ELISA检测方法，该方法具有较好的特异性、敏感性、重复性和稳定性。     

手持式可见近红外苹果品质无损检测系统设计与试验

为实现苹果多产地多品质指标的现场快速无损检测与评价，该研究基于可见近红外光谱技术研发低成本、低功耗、小型化的苹果品质手持式无损检测终端。检测终端集成宽谱LED光源和水果特征响应窄带光电探测器，接入物联网云端数据系统，实现检测数据上传和模型的远程更新维护。利用研制的检测系统可有效获取不同产区苹果500～1 050 nm波长范围内的漫反射光谱，优选光谱预处理算法消除干扰并采用不同特征波长提取算法对数据进行降维，分别建立了多产地苹果可溶性固形物含量、硬度和维生素C含量的通用检测模型，模型的预测相关系数分别为0.926、0.798和0.704，预测均方根误差分别为0.585%、1.405 kg/cm2和0.968 mg/100g。将通用检测模型载入云端数据系统作为云模型，检测样本时调用云模型进行计算并反馈至检测终端。通过多个产地独立样本的验证表明，该系统可满足苹果产业现场无损检测的实际需求，为手持式光谱检测仪的实用化设计提供参考。     

基于水稻种粒高光谱的品质性状预测方法

为探究作物种子品质性状无损检测方法，以100份水稻核心种质资源为试验材料，基于近红外高光谱相机采集水稻种粒的透射、反射光谱数据并提取光谱参数，水稻种粒脱壳后使用近红外谷物分析仪测定米粒品质；以水稻种粒光谱参数为自变量、米粒品质指标为因变量，建立米粒品质预测模型。结果显示，使用单一光谱建模时，透射光谱建模效果优于反射光谱建模效果；结合透射-反射特征光谱集合建模可使粗蛋白预测模型R²从0.74提高至0.91，可使直链淀粉预测模型R²从0.40提高至0.69，可使水分预测模型R²从0.53提高至0.68。结果表明，使用水稻种粒光谱参数可无损预测稻米品质，同时利用透射、反射光谱可提升建模效果。     

基于缩影的多时相遥感语义变化检测方法

针对高分辨率遥感图像标签稀缺和标签技术增长缓慢限制了多时相语义变化检测发展的问题，提出了采用有噪声、低分辨率的弱标签替代高分辨率标签进行多时相语义变化检测的方法。首先，采用低分辨率卫星数据平滑高分辨率遥感图像输入的质量差异。其次，通过将缩影（epitomes）模型和标签超分辨率算法作为统计推理算法相结合的方法预估高分辨率遥感图像分类图，并拟合一个小型FCN网络对生成的遥感图像分类图进行后处理来改善其分类的效果。最后，通过对比不同时相土地覆盖分类图像之间的差异得出变化检测结果。结果表明，本研究提出的方法与其他多时相语义变化检测方法 FCN/all相比，平均交并比（mIoU）提高了8.9个百分点，能够有效检测土地覆盖分类变化。