Irrigation scheduling in a mature peach orchard using tensiometers and dendrometers

Three trickle irrigation schedules, two of which were scheduled according to soil water potential ( soil) (tensiometer method) and daily stem contraction (DSC) (dendrometer method) respectively and the other one was a schedule of restricted water supply, were applied to a mature peach orchard.The annual water application based on soil was greater than that based on DSC. However, tree growth, fruit size and leaf water potential (leaf) on the trees in the dendrometer scheduling plot did not differ from those in the tensiometer scheduling plot while the premature fruit drop and fruit bud initiation were greatly different. The restricted water supply treatment limited significantly both tree and fruit growth. In addition, the lower leaf was observed on the trees in this plot.Further study shows that use of the dendrometer method for scheduling irrigation satisfies the water needs of the plant and that the tensiometer method is less accurate.Abbreviations leaf leaf water potential - soil soil water potential - DSC daily stem contraction - LVDT linear variable displacement transducer - PET potential evapotranspiration     

输液滴灌对龙眼生长及土壤和果实的影响

以石硖龙眼树为试材,对其进行管道输液(CK)、管道输液+地表滴灌(T1)、管道输液+地下10cm滴灌(T2)、管道输液+地下20cm滴灌(T3)、管道输液+地表多孔滴灌(T4)处理,调查其对树体生长,土壤状况和果实产量和质量的影响。结果表明:30d后,T1、T2、T3、T4叶片SPAD值增加量分别比CK提高37.5%、100%、125%、187.5%;T4的枝梢增长量最大,梢长和梢粗分别比CK提高128.34%和110.81%;不同处理在0~100cm土层,土壤含水量大致在15%~35%波动;土壤全氮、全磷和全钾主要集中0~40cm土层;T4果实横径、纵径、单果重、单株产量、可食率和可溶性固形物均比其他处理高,比CK分别提高5.45%、2.58%、8.64%、34.31%、2.85%及26.39%。     

添加纳米粒子的塑料包装材料在杨梅保鲜中的作用

纳米技术应用在杨梅保鲜包装上是一个新的尝试,它采用了交互性实验设计方案,将银纳米材料添加进塑料制成包装材料,可观测其保鲜效果.结果表明,纳米塑料包装材料和纳米奇冰石在提高杨梅好果率和延长货架期方面有正面效果;同时,在抑制VC分解方面具有一定的作用.     

荔枝去核机理及其试验研究

去核作业是对荔枝进行精深加工的准备工作,但多年来去核后果肉的完整性问题在我国一直没能得到很好地解决,已经成为制约荔枝产品精深加工的瓶颈.为此,在分析去核机理的基础上,进行了以果肉的完整性和去核成功率为指标的手工去核试验.试验中刀具采用了旋转切入、直线切入和直线切入果核后再旋转等3种不同的运动形式.试验表明,刀具旋转切入去核的效果最佳.在此基础上,设计并制作了模拟手工作业的荔枝去核机,对结构不同的3种圆筒形去核刀具在3个转速下进行去核试验表明,刀具结构和旋转速度对果肉的完整性影响显著,但对去核率影响不明显.     

6个果桑品种主要性状调查与染色体倍性测定

作者对黑龙江省6个果桑品种资源进行性状调查和染色体观察。结果表明,‘龙桑1号’具有染色体数为28和42的细胞,是四倍和六倍的混合体;‘选2’为自然六倍体;‘龙椹1号’‘选3’‘选4’‘矮化1号’均为四倍体。该研究对高寒地区桑树资源的发掘与创新利用具有重要意义。     

桃金娘果多糖的制备及其免疫增强作用研究

制备桃金娘果多糖并对其单糖组成进行分析,探讨桃金娘果多糖对健康小鼠免疫功能的影响。采用水浴提取法制备桃金娘果多糖,衍生化高效液相色谱法分析单糖成分。选用健康昆明小鼠80只,随机分为空白组、黄芪多糖组(腹腔注射200μg/g·BW)、桃金娘果多糖低、中、高(分别腹腔注射50、100、200μg/g·BW)共5组。空白组每只小鼠腹腔注射等体积的生理盐水,1次/d,连续7 d。试验结束后,分别测定小鼠脏器指数(胸腺、脾脏)、血清中IL-1β、IL-2、IL-6、IFN-γ、LZM、POD等免疫指标的含量。结果显示,桃金娘果多糖含量为65.83%,主要由甘露糖、鼠李糖、半乳糖醛酸、葡萄糖、半乳糖、木糖、阿拉伯糖组成。桃金娘果多糖会降低小鼠的胸腺指数,但能显著增强小鼠的脾脏指数;桃金娘果多糖可提高了IL-1β、IL-2、IL-6、IFN-γ血清细胞因子的水平、POD活性和LZM含量。桃金娘果多糖对提高正常小鼠的脾脏指数及免疫调节功能具有较好效果,但浓度过高会引起小鼠胸腺萎缩,此研究结果为桃金娘的进一步开发和利用提供参考依据。     

葡萄果实cDNA文库的构建及鉴定

构建葡萄果实cDNA文库是研究果实发育相关基因表达调控的基础工作.本实验从巨峰葡萄果实中提取了高质量的RNA,利用MMLV反转录酶把总RNA中的mRNA反转录成cDNA第一链,用特异引物进行LD-PCR扩增合成双链cDNA.将分级纯化的带有粘性末端双链cDNA与λTrip Ⅰ Ex2载体连接,重组载体体外包埋成为cDNA原始文库.初步鉴定原始文库的滴度为1.32×106 pfu/mL,文库扩增后滴度达1.45×1010 pfu/mL.从扩增文库中随机挑取250个克隆进行PCR鉴定,结果表明重组率为98.7%,插入片段大小在0.5～2.0 kb之间,因此,本研究成功构建了葡萄果实cDNA文库.     

FC-CNN:基于卷积神经网络的水果图像分类算法

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活...     

基于无人机影像自动检测冠层果的油茶快速估产方法

快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks)网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明:1)无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2)同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3)结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R~2和标准均方根误差NRMSE(Normalized Root Mean Square Error)分别在0.892～0.913和28.01%～31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。     

融合卷积神经网络与视觉注意机制的苹果幼果高效检测方法

果实表型数据高通量、自动获取是果树新品种育种研究的基础,实现幼果精准检测是获取生长数据的关键。幼果期果实微小且与叶片颜色相近,检测难度大。为了实现自然环境下苹果幼果的高效检测,采用融合挤压激发块(Squeeze-and-Excitation block, SE block)和非局部块(Non-Local block, NL block)两种视觉注意机制,提出了一种改进的YOLOv4网络模型(YOLOv4-SENL)。YOLOv4模型的骨干网络提取高级视觉特征后,利用SE block在通道维度整合高级特征,实现通道信息的加强。在模型改进路径聚合网络(Path Aggregation Network, PAN)的3个路径中加入NL block,结合非局部信息与局部信息增强特征。SE block和NL block两种视觉注意机制从通道和非局部两个方面重新整合高级特征,强调特征中的通道信息和长程依赖,提高网络对背景与果实的特征捕捉能力。最后由不同尺寸的特征图实现不同大小幼果的坐标和类别计算。经过1 920幅训练集图像训练,网络在600幅测试集上的平均精度为96.9%,分别比SSD、Faster R-CNN和YOLOv4模型的平均精度提高了6.9百分点、1.5百分点和0.2百分点,表明该算法可准确地实现幼果期苹果目标检测。模型在480幅验证集的消融试验结果表明,仅保留YOLOv4-SENL中的SE block比YOLOv4模型精度提高了3.8百分点;仅保留YOLOv4-SENL中3个NL block视觉注意模块比YOLOv4模型的精度提高了2.7百分点;将YOLOv4-SENL中SE block与NL blocks相换,比YOLOv4模型的精度提高了4.1百分点,表明两种视觉注意机制可在增加少量参数的基础上显著提升网络对苹果幼果的感知能力。该研究结果可为果树育种研究获取果实信息提供参考。