X射线图像技术对红毛丹内部品质的检测

研究了利用X射线图像处理及模式识别方法检测红毛丹内部品质——可食率、可溶性固形物含量。首先用阈值分割法去除红毛丹背景,然后用模糊C均值聚类方法来分割果肉区域。红毛丹可食率以分割出的果肉区域像素个数与整个果实区域像素个数之比来表征,实验结果表明,误判率小于10％。红毛丹可溶性固形物含量的X射线图像检测采用纹理特征描述的方法,利用直方图矩特征和支持向量机回归方法预测红毛丹可溶性固形物含量的相关系数最高可达87．2％。     

耐盐碱基因eIF1A对玉米遗传转化研究

以来自柽柳的耐盐碱基因eIF1A为研究对象,构建其单子叶植物表达载体,并利用农杆菌介导法转化极早熟玉米自交系加2和M1的胚性愈伤组织,创制转eIF1A基因玉米新材料,为耐盐碱转基因玉米育种提供技术和材料支持。结果表明,成功构建eIF1A基因的单子叶植物表达载体pCAMBIA3300-Ubi-eIF1A,共获得33株除草剂抗性植株,其中,12株目的基因和筛选标记基因PCR呈阳性反应,RT-PCR检测表明,目的基因正常转录表达。     

基于支持向量机（SVM）的稻纵卷叶螟危害水稻高光谱遥感识别

 对健康水稻叶片以及受稻纵卷叶螟危害后的水稻叶片进行了室内光谱的测定及分析。对430~530 nm和560~730 nm波段采用连续统去除的方法,分别提取了波深、斜率参量作为径向基核函数支持向量机的输入变量,利用LIBSVM软件包构建叶片高光谱识别模型。当参数γ和惩罚系数C分别取0.25和1时构建的径向基支持向量机模型的分类性能最佳,识别精度达100%。研究结果为实时水稻病虫害的早期监测以及田间管理提供了一定的理论基础。     

大豆PAL2-3基因的克隆及转化研究

大豆异黄酮是苯丙氨酸代谢途径中合成的一类次级代谢产物,在苯丙氨酸代谢途径中,苯丙氨酸解氨酶(PAL)是关键酶和限速酶。本课题组前期研究发现PAL基因的相对表达量与大豆异黄酮含量具有明显的协同增减趋势,并且在PAL基因家族成员时空表达模式分析中发现,PAL2-3(XM_003542493)是PAL基因家族中相对表达量较高的主要表达成员之一。本试验首先通过克隆大豆中PAL2-3基因;然后构建pCAMBIA3301-GmPAL2-3植物过表达载体,将构建好的pCAMBIA3301-GmPAL2-3表达载体重组质粒转化到根癌农杆菌EHA105中;采用农杆菌介导的大豆子叶节转化体系获得转化植株,并对T1代转化植株进行PPT检测,外源标记基因Bar检测以及荧光定量PCR检测,对转基因阳性植株进行大豆籽粒异黄酮含量的测定。结果表明T_1代转基因植株中PAL2-3基因的表达量是对照的5.11~11.24倍,总异黄酮含量最高的(2 587.63μg·g~(-1))是对照(1 616.90μg·g~(-1))的1.6倍。因此在大豆中过量表达PAL2-3基因可以提高大豆籽粒中异黄酮含量。     

香蕉ROP1基因酵母双杂交体系的诱饵载体构建及毒性与自激活效应检测

用PCR技术获得香蕉ROP1基因片段,构建酵母双杂交系统表达载体pGBKT7-ROP1,测序正确后将重组质粒导入AH109酵母菌株,检测其表达产物对酵母细胞有无毒性作用及对报告基因有无激活作用.结果表明,用PCR技术获得了正确的ROP1基因片段,并正确构建了ROP1基因的酵母双杂交表达载体,并转化到AH109酵母菌株中,含诱饵载体的AH109在SD/-Trp营养缺陷平板上生长良好,说明表达产物对酵母细胞无毒性,含诱饵载体的AH109在His、Trp二重营养缺陷平板上不能生长,说明对报告基因无自激活作用,为下一步利用酵母双杂交系统筛选与ROP1蛋白相互作用的蛋白奠定基础.     

玉米弯孢叶斑病菌NADPH氧化酶生物信息学分析和ATMT敲除载体的构建

从JGI数据库玉米弯孢叶斑病菌(Curvularia lunata)基因组中获得2个编码NADPH氧化酶基因ClNox1和ClNox2。采用生物信息学方法对2个基因编码的蛋白质进行性质、结构和功能等方面的预测。结果表明,ClNox1和ClNox2的分子量分别为6.35和6.41 KD,等电点PI为8.87和8.93,不稳定指数为44.50和39.45;ClNox1是亲水性膜蛋白,包含6个明显的跨膜结构域;ClNox2也是膜蛋白,包含8个明显的跨膜结构域。在亚细胞水平上,ClNox1定位于线粒体上,而ClNox2定位于细胞质膜上;在氨基酸序列方面,ClNox1和ClNox2都含有多个苏氨酸、丝氨酸和酪氨酸激酶磷酸化位点;在功能方面,ClNox1和ClNox2都包含NADPH氧化酶特征结构域,并且与Cochliobolus heterostrophus的NADPH氧化酶基因具有较高的同源性。根据ClNox1和ClNox2序列设计特异性引物扩增目的片段,与标记基因NPTII和HphGFP分别连入骨架载体pPZP100,构建完成ClNox1和ClNox2基因的敲除载体pPZP100NPTIIClNox1和pPZP100HphGFPClNox2,为根癌农杆菌介导的遗传转化提供基础材料。     

基于支持向量机回归的营养液调控模型研究

针对目前设施栽培中营养液动态调配精确度低的问题,提出一种基于支持向量机回归(Support vector machine regression,SVR)的营养液调控模型.首先,通过设计嵌套试验采集了13个温度、50组不同Knop营养液(A:99％Ca(N03)2·4H20、B:98％KN03、C:99％KH2P04、D...     

Comparison of multivariate models and variable selection algorithms for rapid analysis of the chemical composition of field crops

This study evaluates the use of visible and near-infrared spectroscopy for rapid prediction of total carbon, total nitrogen, and total phosphorus concentrations in field crop samples. Two multivariate models (partial least squares regression and support vector machine regression) were compared. In addition, four spectral variable selection algorithms (competitive adaptive reweighted sampling, genetic algorithm, uninformative variable elimination, and variable importance for projection) were applied with support vector machine regression to determine the most accurate predictions. The results showed that support vector machine regression performed better than partial least squares regression for predicting the three chemical compositions. The combination of competitive adaptive reweighted sampling and support vector machine regression outperformed the other models for the predictions of total carbon and total nitrogen with high coefficients of determination of 0.91 and 0.90, respectively. For the determination of total phosphorus, the prediction accuracy of competitive adaptive reweighted sampling was comparable with the best result obtained from genetic algorithm with the coefficients of determination of 0.73 and 0.77, respectively. In conclusion, the support vector machine regression combined with competitive adaptive reweighted sampling has great potential to accurately determine the chemical composition of field crops using the visible and near-infrared spectroscopy.     

利用机器视觉与近红外光谱技术的皮蛋无损检测与分级

为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。     

最小二乘法与SVM组合的林果行间自主导航方法

为了提高作业装备在果园与树林行间的自主导航性能,该研究提出一种基于最小二乘法与支持向量机(Support Vector Machine,SVM)融合的树行识别与导航方法。研究采用履带式小型喷雾机为作业平台,通过低成本的单线激光雷达获取果园或树林环境点云数据,融合姿态传感器进行数据校正,利用最小二乘法拟合识别树行,结合SVM算法,预测果园行间中心线,作为作业平台的参考导航线。在桃园、柑橘园、松树林3种不同的行间环境对导航算法进行了测试验证,并以松树林导航为例进行分析。试验结果表明:该导航算法最大横向偏差为107.7 mm,横向偏差绝对平均值不超过17.8 mm,结合作业平台的行驶轨迹,说明该导航算法能够保证作业平台沿树行行间中心线自主导航行驶,能够满足作业装备在果园与树林行间自主导航作业的需求。