Bluetongue Virus （BTV） Serological Survey and Evidence of Emergent BTV-8 Serotype in Morocco

Bluetongue （BT） is an infectious, non-contagious arthropod-borne disease that infects all ruminants, including sheep, cattle, deer, goats and camelids. Bluetongue virus （BTV） belonged to Reoviridae is ARN genome of 19 Kb. Twenty-six BTV serotypes have long been recognized, to be associated with severe disease in certain breeds of sheep, whereas cattle and goats are usually sub-clinically affected. Before 2004, BT was considered an exotic disease in Morocco, however, the first outbreak was observed in 2004 in sheep. This outbreak was caused by the isolated BTV-4. Two years later a BTV-1 emerged in Morocco. Both serotype 1 and serotype 4 circulated after 2007 across the country. The aims of the present work was to perform a serological study on sheep from different regions in Morocco in order to clarify the current BTV epidemiological situation and its evolution from 2009 to 2012, to determine the co-infection rate, and to confirm the possible circulation of other BTV Serotype mainly the BTV-8. All of 436 sera were tested by serum neutralization using reference strains. Results confirm the presence of BTV-4, BTV-1 and BTV-8. However, the present study report for the first time the emerging BTV-8 circulation in Morocco. Moreover, the founding reveal as well a higher co-infection rate in cattle compared to sheep.     

萘二甲酐减轻咪唑乙烟酸对油菜药害的效果和解毒机理初报

采用模拟咪唑乙烟酸土壤残留,以油菜盆栽试验研究萘二甲酐对咪唑乙烟酸土壤残留的解毒效果和解毒机理。结果表明,咪唑乙烟酸25g ai/hm2用量下对油菜有较重药害,可使油菜苗的株高、鲜重等生长指标和谷胱甘肽（GSH）含量、谷胱甘肽-S-转移酶（GST）活力、氨基酸含量等生理指标明显降低。用种子重量0.5%萘二甲酐（NA）湿润拌种处理油菜种子能减轻咪唑乙烟酸对油菜苗的药害。萘二甲酐+咪唑乙烟酸处理的油菜苗株高和鲜重明显高于咪唑乙烟酸处理。萘二甲酐和咪唑乙烟酸都能导致油菜苗的氨基酸含量发生变化,并对GSH含量和GST活力有不同程度的影响。与咪唑乙烟酸25g ai/hm2处理相比,萘二甲酐加入咪唑乙烟酸后,使16种氨基酸含量升高,只有脯氨酸含量降低,氨基酸总量升高;GSH含量略有增加,但GST活力有显著提高。可以认为提高油菜苗氨基酸含量和GST的活力是萘二甲酐对咪唑乙烟酸解毒的重要途径。     

用叶绿素荧光研究植物伤害信息的系统性传递

采用机械损伤和(Z)-3-已烯醛熏蒸的方法,借助于叶绿素荧光手段,研究了伤害信息在合作杨檀株体内的系统性传递.结果表明,伤害信息在植株体内的系统性传递是双向的,不同部位叶片Fv/Fm的异质性为伤害信息在植物体内的双向系统性传递提供了直观的证据.     

猪CD8B表达谱、基因多态性及其与血液免疫性状的关联分析

白细胞分化抗原8(cluster of differentiation 8,CD8)是主要表达在CD8+T细胞表面的共受体和信号转导分子.CD8B基因编码CD8蛋白的β链,在免疫应答中起着潜在的调节作用.为分析CD8B基因在猪(Sus scrofa)不同组织中的表达特征,并探究CD8B基因多态性对血液免疫性状的遗传效应,本研究利用qRT-PCR测定CD8B基因在大白猪7个组织中的表达量,并用PCR产物测序与限制性片段长度多态性(restriction fragment length polymorphism,RFLP)方法对382头大白猪、84头长白猪和90头松辽黑猪CD8B基因编码区进行SNPs检测,以及分析CD8B基因突变对大白猪外周血T淋巴细胞亚群和血常规指标的影响.结果表明,CD8B基因在脾脏中的mRNA表达量最高,然后依次是肺脏、胃、肝脏、肾脏、心脏和肌肉.CD8B基因外显子5处检测到1个错义突变(c.602G＞A),在大白猪、长白猪和松辽黑猪群中均存在3种基因型(AA、AG和GG型),且3个猪种都是GG为优势基因型.统计分析显示,CD8B基因多态性与大白猪血液中的CD4+CD8-、CD4 CD8+、CD4 +/CD8+、血红蛋白含量(hemoglobin,HGB)和红细胞压积(hematocrit,HCT)指标显著相关(P＜0.05).最小二乘分析表明,3种CD8B基因型个体具有不同的血液参数,其中GG型的CD4+CD8-指标显著高于AG型,AG型的CD4-CD8+指标显著高于GG和AA型,GG和AA型的CD4+/CD8+、HGB和HCT指标显著高于AG型(P＜0.05).因此,CD8B基因可能参与血液生理指标的调控,可作为影响猪免疫性状的重要功能候选基因.本研究为进一步揭示CD8B基因的生物学功能提供依据,也为猪的标记辅助抗病育种提供了基础资料.     

基于K-means聚类和RF算法的葡萄霜霉病检测分级方法

针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和...     

基于改进YOLO v4的群体棉种双面破损检测方法

针对研究人员难以利用计算机视觉对棉种这类尺寸较小的物体进行双面检测,导致检测效果不佳的问题,设计了一款新型棉种检测分选装置,利用亚克力板在强光和白色背景下透明的特点,将棉种通过上料装置滑入透明亚克力板的凹槽中,随着转盘的转动,同一批棉种的正反两面图像分别由2个不同位置的CCD相机采集得到.利用改进YOLO v4的目标检...     

基于改进YOLO v4的玉米种子外观品质检测方法

针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类。为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1。为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling, SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4-MobileNet V1模型对玉米种子外观品质进行检测。试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09%和98.02%,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20%。四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考。     

基于Landsat和MODIS数据融合的农牧区NPP模拟

天山北坡是中国重要的农牧业发展基地,利用遥感数据准确获取植被净初级生产力(Net primary productivity,NPP)的时空信息,对于合理分配农牧业草地资源具有重要意义。由于受到天气影响及卫星传感器受到时间分辨率和空间分辨率的限制,获取既具有中空间分辨率、又具有高时间分辨率的遥感数据比较困难。本文基于中空间分辨率Landsat 8 OLI数据与高时间分辨率MODIS数据,采用遥感数据时空融合STARFM算法,获取中空间分辨率和高时间分辨率序列的遥感数据,以天山北坡中段区域为实验区,结合CASA模型,对区域内植被NPP进行模拟。结果表明,2016年内8个时期,融合后的NDVI数据与对应时刻的Landsat 8 OLI NDVI数据的相关系数不小于0.759,偏差在0.006 2～0.009 4之间,均方根误差在0.074～0.135之间;利用融合数据与CASA模型协同模拟的NPP具有良好的空间细节信息,NPP模拟值与野外实测值决定系数R~2为0.860 1,表明两者具有较好的相关性。本研究为多源遥感影像融合技术与光能利用率模型协同模拟NPP提供了新的思路。     

基于改进YOLO v3的自然场景下冬枣果实识别方法

为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3（YOLO v3-SE）的冬枣果实识别方法。YOLO v3-SE模型利用SE Net 的SE Block结构将特征层的特征权重校准为特征权值,强化了有效特征,弱化了低效或无效特征,提高了特征图的表现能力,从而提高了模型识别精度。YOLO v3-SE模型经过训练和比较,选取0.55作为置信度最优阈值用于冬枣果实检测,检测结果准确率P为88.71%、召回率R为83.80%、综合评价指标F为86.19%、平均检测精度为82.01%,与YOLO v3模型相比,F提升了2.38个百分点,mAP提升了4.78个百分点,检测速度无明显差异。为检验改进模型在冬枣园自然场景下的适应性,在光线不足、密集遮挡和冬枣不同成熟期的情况下对冬枣果实图像进行检测,并与YOLO v3模型的检测效果进行对比,结果表明,本文模型召回率提升了2.43~5.08个百分点,F提升了1.75~2.77个百分点,mAP提升了2.38~4.81个百分点,从而验证了本文模型的有效性。     

基于改进YOLO v4模型的马铃薯中土块石块检测方法

为实现收获后含杂马铃薯中土块石块的快速检测和剔除,提出了一种基于改进YOLO v4模型的马铃薯中土块石块检测方法。YOLO v4模型以CSPDarknet53为主干特征提取网络,在保证检测准确率的前提下,利用通道剪枝算法对模型进行剪枝处理,以简化模型结构、降低运算量。采用Mosaic数据增强方法扩充图像数据集(8621幅图像),对模型进行微调,实现了马铃薯中土块石块的检测。测试表明,剪枝后模型总参数量减少了94.37%,模型存储空间下降了187.35 MB,前向运算时间缩短了0.02 s,平均精度均值(Mean average precision, mAP)下降了2.1个百分点,说明剪枝处理可提升模型性能。为验证模型的有效性,将本文模型与5种深度学习算法进行比较,结果表明,本文算法mAP为96.42%,比Faster R-CNN、Tiny-YOLO v2、YOLO v3、SSD分别提高了11.2、11.5、5.65、10.78个百分点,比YOLO v4算法降低了0.04个百分点,模型存储空间为20.75 MB,检测速度为78.49 f/s,满足实际生产需要。