基于堆叠沙漏网络的单分蘖水稻植株骨架提取

针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.04 cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。     

刺槐无性系主要性状遗传相关性分析

以经过初选的31个5年生刺槐无性系为试验材料,1个一般生产品种作为对照,运用数量遗传学原理和多元统计分析方法对各无性系主要性状的遗传变异进行分析和评价,进一步选出优良品系,并为刺槐的遗传改良提供建议。结果表明:参试无性系在7个性状上差异显著,并受较强的遗传影响,说明有必要对各无性系进行选择。     

基于改进UNet模型的油茶果振动采摘点定位方法

针对非花果同期油茶果采收效率低这一问题,提出一种侧枝振动采摘点定位方法,通过振动侧枝降低树木损伤并实现高效采收。首先构建数据集,对侧枝分段标注,向UNet中添加CloFormer注意力机制并命名为Clo-UNet,实现侧枝的二维重构。其次,在Clo-UNet基础上进一步设计采摘点定位方法并命名为Clo-UNet-Point,该方法优先选择采收离果实最远且最粗的枝条。试验表明,Clo-UNet在验证集上表现优异,其中br_con（连果枝）、danger（危险区）和br_pro（优先采收区域）的平均交并比mIoU分别达到85.36%、86.37%和81.29%,平均像素精度mPA分别达到94.97%、96.17%和89.48%,Clo-UNet在整个数据集上的mIoU和mPA分别比UNet高5.14、6.85个百分点。通过观察验证集647幅图像,Clo-UNet-Point算法在不同光照条件下均能定位到采摘点,平均检测一张图像用时0.15 s。该研究可为未来非花果同期类油茶果的自动化振动采收奠定理论基础。     

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。     

基于中值点Hough变换玉米行检测的导航线提取方法

为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,该研究提出了一种基于中值点Hough变换作物行检测的导航线提取算法。首先,改进了传统的2G-R-B算法,再结合中值滤波、最大类间方差法和形态学操作实现土壤背景与玉米苗带的分割。其次,通过均值法提取玉米苗带特征点,然后采用中值点Hough变换拟合垄间两侧玉米苗列线,最后将检测出的双侧玉米苗列线为导航基准线,利用夹角正切公式提取导航线。试验结果表明：改进的灰度化算法能够正确分割玉米苗带与土壤,处理一幅640×480像素彩色图像平均耗时小于160 ms,基于中值点Hough变换检测玉米苗列再提取导航线的最大误差为0.53°,相比于传统Hough变换时间上平均快62.9 ms,比最小二乘法平均精确度提高了7.12°,在农田早期玉米苗带多环境变量影响因素下导航线提取准确率均达92%以上,具有较强的可靠性和准确性。     

种植年限对设施菜田土壤剖面磷素累积特征的影响

以山东寿光集约化设施菜田为研究对象,分析了不同种植年限设施菜田土壤磷素投入和土壤磷素累积的差异,比较不同种植年限土壤剖面中无机磷、有机磷、Olsen-P和CaCl2-P含量的变化特征。结果表明：磷素过量积累是设施菜田的显著特征,主要由于有机肥以粪肥投入为主,复合肥中P素比例偏高,收获作物带走量仅占磷素投入的7.2%;随着种植年限增加,P素累积现象明显,过量的磷素盈余导致了土壤剖面中不同形态磷含量的上升,其中以无机磷尤其明显;用来表征土壤有效磷指标的Olsen-P与CaCl2-P有显著的相关性,研究区域中当土壤（Olsen-P）达到80.7mg·kg-1时,土壤CaCl2-P开始显著升高,增大了设施菜田磷素淋溶风险。     

小麦-玉米-大豆轮作下黑土农田土壤呼吸与碳平衡

农田生态系统是陆地生态系统的重要组成部分,探讨农田生态系统的土壤呼吸与碳平衡对于科学评价陆地生态系统在全球变化下的源汇效应具有重要意义。基于中国科学院海伦农业生态实验站的长期定位试验,对不同施肥处理下黑土小麦-玉米-大豆轮作体系2005—2007年的作物固碳量与土壤CO2排放通量进行了观测,并对该轮作体系下黑土农田生态系统的碳平衡状况进行了估算。结果表明:在小麦-玉米-大豆轮作体系中,作物固碳量的高低表现为:玉米>大豆>小麦,平均值分别为6 513 kg(C).hm-2、4 025 kg(C).hm-2和3 655kg(C).hm-2。从作物生长季土壤CO2排放总量来看,3种作物以大豆农田生态系统的土壤CO2排放总量最高,平均值达4 062 kg(C).hm-2;其次为玉米,为3 813 kg(C).hm-2;而小麦最低,为2 326 kg(C).hm-2。3种作物轮作下NEP(净生态系统生产力)均为正值,表明黑土农田土壤-作物系统为大气CO2的"汇",不同作物系统的碳汇强度表现为玉米>小麦>大豆,三者的平均值分别为3 215 kg(C).hm-2、1 643 kg(C).hm-2和512 kg(C).hm-2。长期均衡施用氮、磷、钾化肥或氮、磷、钾化肥配施有机肥后,小麦、玉米和大豆农田生态系统的固碳量和土壤CO2排放总量均明显增加,并在氮、磷、钾配施有机肥处理下达到最高。不同的施肥管理措施将改变土壤-植物系统作为大气CO2"汇"的程度,总体表现为化肥均衡施用下NEP值较高,而化肥与有机肥配施下农田生态系统的NEP值较低。     

黑番鸭血管活性肠肽受体-1基因(VIPR-1)的cDNA克隆及其组织表达特性分析

最近的研究表明,血管活性肠肽(VIP)与家禽的就巢习性密切相关。本研究采用反转录PCR方法从黒番鸭(Cairina moschata)母鸭下丘脑组织中克隆了血管活性肠肽受体(VIPR-1)基因的cDNA序列,长度为1125bp,编码355个氨基酸(GenBank登录号:JN625215)。序列比对结果表明,该序列与家禽(鸡、火鸡、鹌鹑)和哺乳动物(人、小鼠、猪、牛)的基因序列分别有93%~94%和69%~71%的同源性,而相应氨基酸序列的同源性分别为96%和70%~72%。荧光定量PCR结果发现,黒番鸭VIPR-1基因的表达量在产蛋期、就巢期和休产期差异显著(P<0.05)或极显著(P<0.01),就巢期表达量最高,休产期次之,产蛋期表达量最低,表明VIPR-1基因与繁殖阶段变化密切相关;对不同组织VIPR-1的表达量分析发现,VIPR-1在垂体、下丘脑和卵巢中均有表达,其中垂体最多,其次是下丘脑,卵巢中的表达量最低,差异极显著(P<0.01)。研究结果提示,VIPR-1基因具有高度保守性,参与下丘脑-垂体-卵巢轴(特别是垂体)对黑番鸭就巢行为的调控。     

土壤有机质与水分反射光谱响应特征综合作用模拟

土壤有机质与水分均对土壤反射光谱特征有显著的影响,但其作用机理难以定量描述。通过对黑龙江省典型黑土区土壤野外高光谱反射率的测定,研究了该区土壤的光谱反射特征;利用BP神经网络方法,以土壤有机质与水分数据作为输入层,以土壤光谱反射率一阶微分作为输出层,建立黑土有机质与水分的高光谱预测模型,并对模型的稳定性和预测能力进行检验。结果表明:土壤有机质与土壤表层0~20 cm含水量之间具有显著的相关性,相关系数为0.59;1570 nm波段处的一阶微分为输出层的模型精度最高,RMES达到0.017,平均绝对误差为0.014,平均相对误差为0.110;模型检验结果表明建立的BP神经网络模型具有良好的稳定性;土壤有机质、含水量对土壤光谱反射率的综合作用得到较准确的描述,可以用于野外土壤有机质与水分的速测。     

自然环境下葡萄采摘机器人采摘点的自动定位

针对葡萄果梗颜色复杂多变、轮廓不规则等影响因素使得采摘机器人难以准确对采摘点进行定位的问题,该文提出一种基于改进聚类图像分割和点线最小距离约束的采摘点定位新方法。首先通过分析葡萄图像的颜色空间,提取最能突显夏黑葡萄的HSI色彩空间分量H,运用改进的人工蜂群优化模糊聚类方法对葡萄果图像进行分割;然后对分割图像进行形态学去噪处理,提取最大连通区域,计算该区域质心、轮廓极值点、外接矩形;再根据质心坐标与葡萄簇边缘信息确定采摘点的感兴趣区域,在区域内进行累计概率霍夫直线检测,求解所有检测得出的直线到质心之间的距离,最后选取点线距离最小的直线作为采摘点所在线,并取线段中点坐标作为采摘点。以从晴天顺光、晴天遮阴、阴天光照下采集的300幅夏黑葡萄进行分类试验,结果表明,该方法的采摘点定位准确率达88.33%,平均定位时间为0.3467 s,可满足采摘机器人对采摘点的定位需求,为葡萄采摘机器人提供了一种新的采摘点求解方法。