杂色鲍苗掉板症病原分离鉴定及毒力因子分析

2003年跟踪观察了深圳一鲍养殖场培苗过程,并从变白病鲍苗中分离到1株优势菌(9号菌株),2次回归感染试验均证明其可引发鲍苗死亡掉板,API条带分析表明其为副溶血弧菌,胞外毒力因子分析揭示该菌株可分泌蛋白酶、脂肪酶、明胶酶以及有明显的溶血能力。本研究结果证明了副溶血弧菌可引发我国南方杂色鲍苗的掉板死亡。     

杂色鲍同种移植炎症因子1的克隆及其在应激下的表达

同种移植炎症因子AIF-1 (allograft inflammatory factor 1,AIF-1)是一种由干扰素γ诱导的含有EF-hand结构域的钙离子结合蛋白,其功能主要是参与移植排斥、免疫炎症反应、自身炎性和非炎性的损伤等.首次克隆了杂色鲍AIF-1基因cDNA全序列,命名为HdAIF-1,其全长为942 bp,开放阅读框为456 bp,编码151个氨基酸.实时荧光定量PCR结果表明:HdAIF-1在杂色鲍各组织中均有表达,其中在血淋巴和鳃中表达量最高.高温应激下,HdAIF-1在鳃组织中各时相表达均显著上调,并在温度升至31℃时达到最高.而血淋巴和肝胰腺中HdAIF-1在高温应激前4个时相表达无显著差异,到了96 h均显著上调.缺氧应激下,HdAIF-1在血淋巴中表达变化没有显著差异,而鳃中24 h显著下调,192 h显著上调.副溶血弧菌感染实验表明HdAIF-1基因在感染后3、24和48 h均检测到HdAIF-1的表达量显著上调.高温和缺氧应激以及弧菌感染均显示HdAIF-1基因表达量发生显著变化,说明HdAIF-1可能作为免疫因子在杂色鲍应激等状况下发挥重要作用.     

杂色鲍群体间杂交的杂种优势分析

杂色鲍（Haliotis diversicolor）是中国南方主要的鲍养殖种类,近年来“东优1号”杂色鲍因较高的成活率优势已在产业上得到越来越广泛的推广养殖.该研究采用3×3完全双列杂交的方式,对杂色鲍“东优1号”群体、杂色鲍古雷群体和杂色鲍越南群体3个群体自繁与杂交后代的养殖性能进行跟踪,并对其杂种优势进行评估.结果表明,3个群体自繁后代的生长速度和成活率上存在显著差异（P＜0.05）,同时3个组合的生长速度与成活率的双亲杂种优势率值均不高,且2个单亲杂种优势率值之间有显著差异（P＜0.05）.     

基于Kinect V3深度传感器的田间植株点云配准方法

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法（Random Sample Consensus, RANSAC）结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在6～17 mm之间,平均点位误差在13～30 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。     

基于云服务的远程高压开关柜温度控制器在线监测系统设计与实现

本文设计了一种基于云服务的高压开关柜温度控制器,采用物联网技术主要解决了传统温度控制器不能远程监测的问题。本系统具有远程监测高压开关柜的温度状态、监测温控器的风扇状态和报警状态、保护高压开关柜等功能。本系统各模块通过了单独仿真测试,总体运行良好,能够实现对高压开关柜内温度的监控。     

基于车载三维激光雷达的玉米点云数据滤波算法

为支持表型参数测量和数字植物相关研究,对车载三维激光雷达获取的玉米点云数据进行分析处理,提出了一种基于统计分析的两次滤波算法。以大喇叭口期的京农科728和农大84玉米为研究对象,使用VLP-16型三维激光雷达采集田间玉米点云数据;对点云数据进行直通滤波预处理,去除无关点后,进行第1次点云数据滤波处理,设置精确率和召回率阈值,选取参数组合;再对点云进行第2次滤波处理,确定精确率和召回率最优组合(110,0. 9)、(6,1. 2),边际组合(100,1. 0)、(6,1. 2)和(110,0. 8)、(5,0. 9),共3组参数组合;以3组验证集数据进行测试,结果表明:最优组合性能最优,可在京农科728和农大84玉米点云数据滤波中通用。     

基于结构光三维点云的棉花幼苗叶片性状解析方法

针对传统的棉花叶片表型测量方法主观、低效,对复杂性状如卷叶程度、黄叶占比等很难量化的问题,提出一种基于结构光三维成像的棉花幼苗叶片性状解析方法。首先,采用结构光扫描仪获取棉花幼苗的三维点云数据;然后,利用直通滤波、超体聚类、条件欧氏距离算法,实现叶片点云的识别与分割;最后,基于分割的叶片点云,采用三角面片化、随机采样一致性、Lab颜色分割等处理,实现叶片面积、周长、生长角度、卷曲度、黄叶占比等参数的快速、准确、无损提取。对40株棉花幼苗进行三维结构光成像试验,结果表明,3D叶片面积、周长测量的平均绝对误差分别为2. 59%、2. 85%,具有较高的测量精度,还证明叶片卷曲度和黄叶占比能显著区分病叶和正常叶。     

基于无人机影像匹配点云的苗圃单木冠层三维分割

近年来较多的树冠提取算法以激光雷达数据为基础,然而激光点云数据量大、冗余多而且采集成本高。本文基于无人机影像匹配点云提取单木树冠轮廓,研究一种成本可控、能够补充甚至部分替代激光雷达的小范围森林制图方案。以福建省三明市某林场内苗圃地作为研究对象,在稠密的无人机影像匹配点云中截取2个25 m×25 m的样地作为测试样本。预处理后,首先构建植被冠层高度模型,以局部最大值法探测树冠位置并标记为种子点;从这些种子点形成的初始区域开始生长,迭代计算直到全部的影像匹配点云归并完毕;最后,将算法提取的树冠轮廓导入Arc GIS中获取树冠轮廓矢量边界,并与手绘参考树冠叠加,利用F测度实现精度的评定。依此方案,在2个林分范围内的树冠提取F测度均达到了89%以上,单木冠幅提取的误差在0.14 m以内。结果表明,该方案简单有效、精度可靠,适用于小范围、高精度的植被制图。     

基于改进SIFT-ICP算法的Kinect植株点云配准方法

针对传统配准方法准确度低、速度慢的问题,提出了基于改进SIFT-ICP算法的彩色植株点云配准方法。首先采用Kinect获取不同视角下植株彩色图像和深度图像合成原始植株彩色点云,通过预处理提取原始点云植株信息,对植株点云进行尺度不变特征变换(SIFT)的特征点检测,得到点云配准关键点,再对关键点进行自适应法线估计,然后求取关键点的快速点特征直方图(FPFH),通过采样一致性(SAC-IA)初始配准方法改进点云间初始位置关系,最后利用Nanoflann加速最近点迭代(ICP)算法完成精确配准。试验结果表明,改进SIFT-ICP算法可以大幅度提高点云配准的准确性和快速性,其中对应点间平均欧氏距离小于7 mm,配准时间小于30 s。     

基于三维重建的动物体尺获取原型系统

为提高现有动物体尺获取技术的效率和自动化程度,提出双深度摄像头动物实时三维重建系统,进而进行动物体尺获取。基于随机采样一致性算法的圆球标定方法对摄像头外参数进行自动标定,再利用外参数将同步获取的点云数据进行配准达到实时重建,最后采用优化拾取机制后的交互式测量方法得到体尺。选取Xtion PRO作为点云数据采集设备并以猪标本作为重建对象,利用高精度激光扫描仪的重建数据与该系统重建结果进行了对比试验,结果表明圆球标定算法能够全自动快速地获取摄像头外参数,用该参数配准后的数据平均误差在7.50 mm以内,该系统以15帧/s的速度重建猪体全身,获取误差在4%以内的体尺信息,达到农业上动物体尺测量的一般要求,该系统可用于动物体尺测量。