基于非接触式的牛只身份识别研究进展与展望

快速精准确定牛个体身份对疾病防控、品种遗传改良、奶制品和肉制品质量溯源以及改善农业假保险索赔等方面具有重要意义。传统的牛个体识别使用诸如烙印、耳纹、耳标和无线射频识别等方法,易遭受设备损失/工作重复、标记欺诈、动物福利安全以及监测成本和距离等方面的挑战;而基于生物特征的非接触识别由于其独特性、不变性、低成本易操作以及动物福利高,成为牛身份识别的新趋势。主要介绍了几种基于非接触式的牛身份识别的研究进展,重点关注牛脸识别的最新成果,讨论当前牛脸识别在实际应用中面临的挑战,在此基础上对深度学习在牛脸身份识别研究中的应用进行了设计构思与展望。     

基于RGB-D图像的自动化膳食调查系统

针对传统膳食调查方法使用过程繁琐,耗时长的问题,对基于彩色深度图像的自动化膳食调查系统进行研究,采用DeepLabv3+语义分割模型对RealSense传感器获取的食物彩色图像进行分割,根据食物分割结果和对应的深度图像计算每一类别食物体积并结合食物配料表和营养成分估算营养素含量;同时采集人体深度图像序列结合蒙皮多人线性模型拟合三维人体模型,并利用模型点云和人体体重信息计算身体质量指数和腰臀比。结果表明:1)本系统在食物图像分割中的像素准确率为72.1%,像素准确率平均值为97.13%,平均交并比为82.03%;2)食物体积计算中的平均绝对误差均小于40 cm³;3)所有人体样本计算的腰臀比与真实值偏离程度均小于4%。本系统在实现自动监测食物各营养素摄入量的基础上,增加对人体体重状况以及中心性肥胖程度的初步判定,同时提高了膳食调查的便捷性和自动化程度,可以为营养干预提供依据和参考。     

基于深度学习的高分辨率麦穗图像检测方法

小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s^-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。     

苗药小血藤对缺血性脑卒中大鼠的作用研究

目的 研究苗药小血藤对缺血性脑卒中大鼠的治疗作用,并初步探讨其可能的作用机制。方法 用改良线栓法制作大鼠大脑中动脉闭塞（middle cerebral artery occlusion,MCAO）模型。将造模成功的大鼠随机分为假手术组、模型组、阳性组、苗药小血藤高、中、低剂量组（3.75、1.875、0.937 5 g/kg）,给予相应药物1次/d灌胃给药,连续7 d。TTC染色观察脑梗死面积;试剂盒检测血清超氧化物歧化酶（superoxide dismutase,SOD）、丙二醛（maleic dialdehyde,MDA）含量;HE染色观察脑组织病理改变。结果 与模型组比较,小血藤水煎液各剂量组脑梗死面积明显减少（P<0.05）,大鼠脑组织匀浆中所含SOD活性显著提高（P<0.05）;MDA含量显著降低（P<0.05）;HE染色发现,小血藤水煎液各剂量组可一定程度上改善MCAO大鼠海马区病理损伤。结论 小血藤水煎液对MCAO导致的脑缺血大鼠可以减少梗死面积,促进其神经功能恢复,对缺血造成的损伤具有一定的保护作用,其机制可能与小血藤抗氧化应激损伤有关。     

寒地水稻侧深施肥效果的研究

为保证水稻施肥的准确性,实现优质、高产、生态、安全的目的,以水稻品种龙粳31为试材,采用随机区组试验设计,对水稻侧深施肥的效果及方法进行了研究。结果表明:侧深施肥能够促进水稻生育进程,通过增加平米穗数以增加产量,降低蛋白质含量,提高品质。最佳的侧深施肥方法为:秧苗右侧3cm,深5cm,基肥总量减少25%。     

不同固沙植被下沙丘土壤水分动态比较

以毛乌素沙地覆盖度>90%的油蒿、50%～60%的沙柳、35%～40%的樟子松固定沙丘为研究对象,流动沙丘为对照,采用自动监测系统实时监测降雨、0～200 cm土壤含水量及200 cm以下渗漏量,分析5—11月不同固沙植被下沙丘土壤水分动态差异,以期为固沙植被稳定性评价提供参考。结果表明:较低覆盖度樟子松与高盖度油蒿、沙柳相比更具固沙优势。3种固沙植被表层0～30 cm土壤水分受降雨影响大,对>20 mm降雨均产生响应;60～200 cm土壤水分时间变化特征存在差异,樟子松与对照变化趋势一致,油蒿和沙柳仅对40 mm降雨产生响应;0～200 cm土壤水分垂直变化没有相同规律,变异性较大,樟子松变幅最大,为(5.03±3.09)%;深层渗漏特征基本一致,均有极少量水分渗漏到200 cm以下。     

Dissecting Genetic Basis of Deep Rooting in Dongxiang Wild Rice

Deep rooting is an important trait in rice drought resistance. Genetic resources of deep-rooting varieties are valuable in breeding of water-saving and drought-resistant rice. In the present study, 234 BC₂F₇ backcross introgression lines were derived from a cross of Dongye 80 (an accession of Dongxiang wild rice as the donor parent) and R974 (an indica restorer line as the recurrent parent). A genetic linkage map containing 1 977 bin markers was constructed by ddRADSeq for QTL analysis. Thirty-one QTLs for four root traits (the number of deep roots, the number of shallow roots, the total number of deep roots and the ratio of deep roots) were assessed on six rice chromosomes in two environments (2020 Shanghai and 2021 Hainan). Two of the QTLs, qDR5.1 and qTR5.2, were located on chromosome 5 in a 70-kb interval. They were detected in both environments. qDR5.1 explained 13.35% of the phenotypic variance in 2020 Shanghai and 12.01% of the phenotypic variance in 2021 Hainan. qTR5.2 accounted for 10.88% and 10.93% of the phenotypic variance, respectively. One QTL (qRDR2.2) for the ratio of deep roots was detected on chromosome 2 in a 210-kb interval and accounted for 6.72% of the phenotypic variance in 2020. The positive effects of these three QTLs were all from Dongxiang wild rice. Furthermore, nine and four putative candidate genes were identified in qRDR2.2 and qDR5.1/qTR5.2, respectively. These findings added to our knowledge of the genetic control of root traits in rice. In addition, this study will facilitate the future isolation of candidate genes of the deep-rooting trait and the utilization of Dongxiang wild rice in the improvement of rice drought resistance.     

新型控释肥机插侧深施对江淮中稻产量及氮肥利用率的影响

基于新型控释肥的机插侧深施肥,可以实现简化施肥次数,减少施肥量,提高肥料利用率。2020年在安徽江淮水稻主产区多点试验的结果表明,基于生物基包膜控释肥（MFi）机插侧深施,江淮杂交中籼稻在常规施肥量（其中N=13.5 kg/667 m²）基础上减量20%,江淮常规中粳稻在常规施肥量（其中N=15.6 kg/667m²）基础上减量10%,或在常规施肥量（其中N=15.6 kg/667m²）基础上减量20%+1次孕穗肥,均可以实现不减产（平产或略增）,显著提高肥料利用效率。     

基于SDAE-BP的联合收割机作业故障监测

为了解决联合收割机作业故障的非线性特征信号难以提取的问题,该研究提出了一种基于堆叠去噪自动编码器(Stack Denoising Auto Encoder, SDAE)和BP神经网络(Back Propagation,BP)融合的联合收割机作业故障监测及诊断的方法(SDAE-BP)。以转速传感器采集联合收割机脱粒滚筒转速、籽粒搅龙转速、喂入搅龙转速、杂余搅龙转速、风机转速、输送链耙转速、割刀频率以及逐稿器振动频率,并将采集的数据集作为系统的输入。利用SDAE提取输入信号的深层次特征,并由BP神经网络辨识收割机作业状态,实现联合收割机故障监测。在SDAE-BP模型训练过程中,去噪自动编码器(Denoising Auto Encode, DAE)依次经带有不同分布中心噪声的原始数据进行训练,然后将其堆叠,并通过误差反向传播算法对模型参数进行优化,以提升模型识别故障性能和泛化能力。试验结果表明,对于2018年联合收割机田间试验数据,模型的故障诊断准确率达到99.00%,与SDAE和BP神经网络相比,分别提高了1.5和4.5个百分点。将SDAE-BP故障诊断模型用2019年的试验数据进行更新,并用2018年和2019年试验数据进行测试,结果表明,更新后的模型对2018年试验数据的故障识别准确率为99.25%,对2019年试验数据的故障识别准确率为98.74%,更新后模型在2019试验数据集上的故障识别准确率较未更新模型提高了6.52个百分点。该文所建模型能够准确识别联合收割机的故障类型,且具有较好的鲁棒性,对旋转型机械故障监测及预警具有参考价值。     

缓释肥侧位深施及用量对油菜产量和肥料利用率的影响

为明确红壤稻田直播油菜缓释肥（N-P2O5-K2O:25-7-8）侧位深施效果及适宜用量,该研究连续2 a在两熟制和三熟制2种种植模式下开展缓释肥侧位深施效果对比试验（设置不施肥、土表撒施和侧位深施3个施肥方式）和施用量试验（设置0、300、450、600、750和900 kg/hm2 共6个施肥水平）,研究缓释肥侧位深施及不同用量对油菜产量形成和肥料利用率的影响。结果表明,施肥方式对红壤稻田油菜产量形成和肥料利用率均有显著影响,且对两熟制油菜影响更为显著。相比传统土表撒施,侧位深施显著促进了油菜产量和肥料利用率的提高。缓释肥侧位深施明显提高了各时期油菜干物质量,尤其是显著增加了初花期至成熟期的干物质积累量,促进了花后根部与地上部干物质同步增长;促进了根系对N、P、K的吸收,提高了油菜产量和肥料利用率。菜籽产量与缓释肥用量呈线性加平台关系,适宜施肥量可保证较大的收获密度,并协同产生较多的每株角果数和每角粒数,从而提高籽粒产量、肥料利用率和经济效益。两熟制和三熟制油菜缓释肥侧位深施的适宜用量分别为715和585 kg/hm2,产量潜力可分别达2 450和1 700 kg/hm2。研究表明,侧位深施适量缓释肥可显著提高红壤稻田直播油菜生产力,建议结合机械化种植因地制宜推广应用。