中国枝角类（甲壳纲：双甲目）雄体的新记录和新资料

本文报道了我国的３种枝角类雄体新记录，描述了形态特征。还对另２种枝角类雄体作了新的补充描述。     

几种二氮氧化喹恶啉甲醛新衍生物的合成及其抑菌活性的研究

合成了5种二氮氧化喹恶啉甲醛的新衍生物并用HNMR谱和元素分析对其结构进行了表征。用新的化合物对5种常见的植物病菌进行了抑菌活性并进行了抑菌活性和结构关系的初步探讨。     

武汉南湖摇蚊幼虫中国新记录

本文记述了武汉南湖摇蚊幼虫中国新记录属、种。６个新记录种为美丽前突摇蚊Ｐｒｏｃｌａｄｉｕｓ （Ｐｓｉｌｏｔａｎｙｐｕｓ）ｂｅｌｌ－ｕｓ（Ｌｏｅｗ），毛突摇蚊Ｃｈａｅｔｏｃｌａｄｉｕｓ ｓｐ．，普隆蒂内曼摇蚊Ｔｈｉｅｎｅｍａｎｉｏｌａ ｐｌｏｅｎｅｎｓｉｓ Ｋｉｅｆｆｅｒ，伸足凯氏摇蚊Ｋｉｅｆｆｅｒｕｌｕｓ ｔｅｎｄｉｐｅｄｉｆｏｒｍｉｓ Ｇｏｅｔｇｈｅｂｕｅｒ，微小摇蚊Ｍｉｃｒｏｃｈｉｒｏｎｏｍｕ     

木麻黄优良无性系引进与更新造林效果初步分析

为了丰富和增加海岸带防护林体系建设的新材料,引进木麻黄新无性系进行育苗与更新造林试验,结果表明:9个参试的木麻黄无性系造林成活率均达到95.9%以上;现有保存率也均达到95.5%以上,说明新引进的木麻黄无性系都比较适宜新的生态环境。试验还表明,木麻黄无性系之间最主要的胸径、树高生长量处于快速成长水平,真正的竞争才开始,有待进一步观察研究。     

江西首次发现入侵害虫木瓜粉蚧Paracoccus marginatus

2020年9月在江西省赣州市章贡区新发现一种严重发生的粉蚧,经制作玻片标本,形态鉴定为木瓜粉蚧(Paracoccus marginatus Williams and Granara de Willink),后得到28S序列比较鉴定确认.该虫为国内新入侵物种在江西的首次发现,在赣州主要危害园林绿化植物和杂草,其中以木芙蓉...     

甘蔗新品种及主栽品种对褐条病的抗性评价

褐条病是为害甘蔗叶部的重要真菌病害,严重发病田块,一眼望去似“火烧状”,一般减产18％ ～35％,蔗糖分降低15％ ～30％[1].该病于1924年在古巴首次发现[2],至今已有20多个国家报道发生此病,常造成不同程度经济损失[3].在中国,尤其近年,感病品种加上多雨高湿导致褐条病在云南及广西等主产蔗区大面积暴发流行,...     

冬植小果型番茄新品种引种试验初报

对9个小果型番茄新品种的引种比较试验结果表明:综合性状最好的品种是台湾亚蔬11号,其次是甲天下11,再次是龙女,均表现为丰产,较早熟、耐热、极耐寒、抗病毒病、高抗疫病;且畸形裂果率低,商品果颜色大红、光泽度高、果形均匀端正,美观,果实紧实、坚硬适合长途运输、适宜外销或出口,具有极强的市场竞争力,可作为当家品种在当地生产推广。     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。     

利用显著图构建注意力深度网络检测诱虫板蔬菜害虫

为提高诱虫板图像蔬菜害虫检测精度,针对背景区域容易导致误检的问题基于显著图分析技术构建了一种注意力深度网络害虫智能视觉检测方法。首先通过显著图筛选出粗候选区域;然后在粗候选区域内用全卷积神经网络精选出细候选区域;接着用神经网络分类器识别细候选区域害虫种类,得到含有冗余的若干检测框;最后用改进的非极大值抑制消除冗余检测框,实现诱虫板图像中目标害虫的检测。针对小菜蛾和瓜实蝇展开试验,获得86.4%的平均精度均值和0.111只的平均绝对计数误差均值,所提方法平均精度均值比Faster R-CNN和YOLOv4分别高2.74和1.56个百分点,平均绝对计数误差均值比Faster R-CNN和YOLOv4分别低0.006和0.003只;同时,消融试验中移除显著图注意力模块后平均精度均值下降了4个百分点、平均绝对计数误差均值增加了0.207只。试验结果表明,所提方法有效提高了诱虫板图像蔬菜害虫检测精度,其中,引入显著图注意力模块对提升检测精度有重要作用。     

便携式柑橘虫害实时检测系统的研制与试验

为实现柑橘虫害的快速、准确识别,帮助果农及时掌握果园内虫害的危害程度和分布情况,该研究结合嵌入式图像处理技术设计了一套基于深度卷积神经网络的柑橘虫害实时检测系统。优选MoblieNet作为虫害图像特征提取网络,区域候选网络生成害虫的初步位置候选框,快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)实现候选框的分类和定位。检测系统根据目标图像中虫害数量计算危害程度,按照正常、轻度、中度、重度4个等级判定柑橘虫害的严重程度,形成虫害识别与级别定量化测评软件。最后引入北斗模块获取采样点位置信息,进一步处理成可视化的虫害热力图。结果表明,该方法可实现对柑橘红蜘蛛和蚜虫的快速准确检测,识别准确率分别达到91.0%和89.0%,单帧图像平均处理速度低至286ms。该系统实现了柑橘虫害的精准识别与定位,可为农药喷洒作业提供精准信息服务。