牛病毒性腹泻病毒E0-E2基因融合腺病毒的构建及小鼠免疫效果评价

【目的】 研究牛病毒性腹泻病毒（Bovine viral diarrhea virus,BVDV）E0和E2串联基因重组腺病毒作为基因工程疫苗的应用潜力。【方法】 采用PCR扩增、E0-E2基因融合并构建重组穿梭质粒pDC316-E0-E2,将其与AdMax腺病毒系统的骨架质粒共转染HEK293T细胞包装成重组腺病毒,通过Western blotting进行验证,并通过Reed-Muench法测定病毒滴度,通过肌内、皮下免疫接种小鼠后用ELISA方法及流式细胞检测进行免疫效果试验。【结果】 成功扩增到E0、E2基因目的片段,大小分别为681和1 122 bp,得到了完整的腺病毒Ad5-E0-E2;测定其滴度为1.1×10¹⁰ PFU/mL;Western blotting检测结果显示,Ad5-E0-E2外源基因在HEK293T细胞中表达,得到了与预期相符的目的条带（65 ku）;ELISA检测结果表明,通过肌内和皮下注射Ad5-E0-E2均能产生较高的抗体水平;流式细胞检测显示首免、二免后肌内和皮下注射Ad5-E0-E2组CD4^＋、CD4^＋/CD8^＋比值均极显著高于PBS对照组（P<0.01）。【结论】 本试验成功构建重组腺病毒Ad5-E0-E2,且具有较好的反应原性和免疫原性,能诱导机体产生针对BVDV的特异性抗体。     

黄竹细胞悬浮培养和原生质体分离*

以牡竹属黄竹（ＤｅｎｄｒｏｃａｌａｍｕｓｍｅｍｂｒａｎｃｅｕｓＭｕｎｒｏ）的竹节及无菌苗根颈为外植体，培养于含有５ｍｇ／Ｌ２，４－Ｄ、０．２ｍｇ／ＬＫＴ和２００ｍｇ／ＬＬＨ的ＭＳ培养基上诱导愈伤组织，然后移至相同成份或不同浓度２，４－Ｄ的液体培养基中，进行悬浮培养，以建立分散性良好的悬浮细胞系。利用悬浮细胞和无菌苗叶片经酶解获大量原生质体，其产量分别约为每克鲜重２．５×１０５个和５×１０５个，活力均可达８０％。     

多尺度自注意力特征融合的茶叶病害检测方法

针对茶叶病害检测面临的病害尺度多变、病害密集与遮挡等诸多问题,提出了一种多尺度自注意力茶叶病害检测方法(Multi-scale guided self-attention network, MSGSN)。该方法首先采用基于VGG16的多尺度特征提取模块,以获取茶叶病害图像在不同尺度下的局部细节特征,例如纹理和边缘等,从而有效表达多尺度的局部特征。其次,通过自注意力模块捕获茶叶图像中像素之间的全局依赖关系,实现病害图像全局信息与局部特征之间的有效交互。最后,采用通道注意力机制对多尺度特征进行加权融合,提升了模型对病害多尺度特征的表征能力,使其更加关注关键特征,从而提高了病害检测的准确性。实验结果表明,融合多尺度自注意力的茶叶病害检测方法在背景复杂、病害尺度多变等场景下具有更好的检测效果,平均精度均值达到92.15%。该方法可为茶叶病害的智能诊断提供参考依据。     

基于改进SSD卷积神经网络的苹果定位与分级方法

为实现苹果果径与果形快速准确自动化分级,提出了基于改进型SSD卷积神经网络的苹果定位与分级算法。深度图像与两通道图像融合提高苹果分级效率,即对从顶部获取的苹果RGB图像进行通道分离,并提取分离通道中影响苹果识别精度最大的两个通道与基于ZED双目立体相机从苹果顶部获取的苹果部分深度图像进行融合,在融合图像中计算苹果的纵径相关信息,实现了基于顶部融合图像的多个苹果果形分级和信息输出;使用深度可分离卷积模块替换原SSD网络主干特征提取网络中部分标准卷积,实现了网络的轻量化。经过训练的算法在验证集下的识别召回率、精确率、mAP和F1值分别为93.68%、94.89%、98.37%和94.25%。通过对比分析了4种输入层识别精确率的差异,实验结果表明输入层的图像通道组合为DGB时对苹果的识别与分级mAP最高。在使用相同输入层的情况下,比较原SSD、Faster R-CNN与YOLO v5算法在不同果实数目下对苹果的实际识别定位与分级效果,并以mAP为评估值,实验结果表明改进型SSD在密集苹果的mAP与原SSD相当,比Faster R-CNN高1.33个百分点,比YOLO v5高14.23个百分点...     

基于BiLSTM-GRU融合网络的稻虾养殖溶解氧含量预测

在稻虾养殖模式中溶解氧含量(浓度)是养殖水体的重要指标之一,其直接影响小龙虾的摄食量和新陈代谢,因此在养殖过程中精准预测溶解氧含量至关重要。针对稻虾养殖中溶解氧含量变化复杂,难以快速准确预测的问题,提出了BiLSTM-GRU融合神经网络预测模型。为了保证精准预测,首先对传感器进行了清洗校准,并根据偏移量对历史数据进行了修正。在此基础上构建了基于BiLSTM和GRU的融合神经网络训练模型,BiLSTM提取更多特征因子,GRU实现快速预测,快速准确预测溶解氧含量变化。为了使监测预测性能更优,对不同采样周期下的资源损耗及预测模型性能进行综合对比分析,确定了传感器数据最优采样周期为30 min。进一步与LSTM、GRU、BiLSTM以及BiGRU模型对比,表明本文提出的BiLSTM-GRU融合神经网络模型的预测效果更好,其平均绝对误差、均方根误差和决定系数分别为0.275 9 mg/L、0.616 0 mg/L和0.954 7,比传统的LSTM神经网络模型分别高25.14%、13.25%和2.22%。     

基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。     

八仙花萼片有色原生质体游离及应用

为建立八仙花（Hydrangea macrophylla）有色原生质体游离体系,以八仙花萼片为试验材料,分别对材料的预处理方式、酶液组分、酶解时间、纯化离心力等影响酶解的关键因素进行研究。结果表明, 预处理方式选择分离花萼片上下表皮法,纤维素酶和离析酶水平分别为4%和0.4%（质量体积分数）,甘露醇0.6 mol·L^-1,酶解液加热冷却后加入 0.1%（质量体积分数）BSA和10 mmol·L^-1 CaCl₂,酶解2 h,低温离心机4 ℃、1 426 r·min^-1离心5 min,为最优的八仙花萼片原生质体游离条件。利用所建的原生质体游离体系对4个不同品种的八仙花萼片进行有色原生质体游离,200× 镜下单视野内可获得13~35个有色的原生质体;对有色原生质体进行液泡的H⁺流测定,发现蓝色液泡较粉色液泡H⁺流的外排趋势明显,说明同一八仙花品种蓝色液泡的pH高于粉色液泡。     

农用无人车环境感知技术发展现状及趋势分析*

传统农业随着人口老龄化、生产劳动强度大等原因导致其发展受到制约。近年来随着信息化技术、智能控制技术、传感器技术的快速发展,使得农用无人车的应用成为可能,实现传统农业向智慧农业的转变。对目前农用无人车发展情况介绍的基础上,重点阐述农用无人车环境感知技术的发展现状,对不同传感器技术的特点和应用情况进行总结,并比较分析不同传感器技术的优缺点;同时在对目前传感器信息融合技术发展情况总结分析的基础上,指出农用无人车环境感知技术的发展与应用没能够遵循精细化农业的发展方向,对于农业生产环境结构化研究欠缺。对此文章融合精细农业思想,提出作业对象结构化和作业机器传感器融合技术并重的解决策略,最后为降低成本、提高普及性,指出农用无人车的环境感知技术层可拓展性等发展趋势。