水稻抗白背飞虱新基因Wbph6(t)的定位初报

应用由90个株系组成的TN1/鬼衣谷F3群体,分析了水稻抗白背飞虱新基因Wbph6 (t)与DNA标记的连锁关系。应用隐性极端群体法,将[WTBX][STBX]Wbph6[WTBZ][STBZ](t)定位于第11染色体短臂,与SSLP 标记RM167的遗传距离为21.2 cM。     

新时期指引我国稻米业发展的纲领性文件

新年伊始,党中央、国务院在召开一系列关于农村的会议后,又以一号文件形式发布了《关于促进农民增加收入若干政策的意见》,这是党中央国务院在18年后,发布的关于农民增收的又一个一号文件(以下简称“一号文件”) ,也是新时期包括稻米的粮食行业全面市场化发展的纲领性文件。一号文件的突出之处在于,以农民特别是粮农增收为主线,以市场化的思路,科学统筹粮食发展与农业、工业、城市发展的关系,全面放开粮食购销市场,发展粮食产业,增大政府支持力度和党的领导力度,以此保障国家粮食安全,并促进粮农粮企增收和城乡协调发展。在我国粮食连续四年…     

稻文化的再思考(5):稻与粮政——改革开放后

在前文介绍我国古代到改革开放前的稻与粮政的基础上,本文概要介绍和分析了我国改革开放以后稻与粮政的关系。改革开放后,国家对粮食管理经历了计划和逐步放开管理到粮食市场化和宏观调控的转变,具体可分为三个时期:1979年开始的粮食统购统销的改变和1982-1986年5个"一号文件"带来粮食生产的快速发展时期;1994年工业化发展农业滑坡后国家的再次重视和控制时期;2004年开始的粮食宏观调控和放开市场及补贴发展时期。     

不同矮源基因水稻对赤霉素和多效唑的敏感性

对携带sd q(t)等不同矮生基因的材料进行外源植物生长调节剂处理的研究表明,不同矮生基因对外源赤霉素(GA3 )的反应敏感性从敏感至不敏感依次为:d c(t),D 53,sd 1(籼 ),隐性高秆 (eui), [sd 1, sd e(t) ] (特矮 ),d 29,multi dwarf(多基因矮秆),d 1,tallplant(野生型高秆), sd 6,d 32,sd g,sd q(t),[sd 1, sd q] (黔农);对外源多效唑 (PP333)反应最为敏感的是携带sd q(t)、sd g和eui基因的材料,最不敏感的是多基因矮秆 83N1041和携带d 59的DM107 4.在非sd 1矮生基因的育种利用上,可以在苗期利用 50mg·L-1 GA3 或 30mg·L-1 PP333对部分矮生基因进行有效筛选,提高携带非sd 1矮生基因新品种的育种效率.     

早稻单产693.7kg/667m2的生育特性及其栽培调控技术

通过与一般农户田块的比较,指出三熟区双季超高声早稻的产量结构持点、生育特性、株型持点及生理特性,并介绍了根据品种特性和产量目标相结合的栽培调控技术。     

安全、环境友好稻米品牌的建设和发展对策

介绍了我国当前几个主要安全、环境友好稻米品牌的建设,及安全稻米建设中存在的问题和发展的对策.     

高产早籼中早4号的选育和主要特性

中早４号是从高产早籼中８６－４４的变异株系中选育而成的早籼新品种,具有适应性强,高产筝产。米质中上,抗性和苗期耐寒性均较好,适宜于直播,抛秧等轻型型栽培方法的特点。１９９７年５月通过浙江省农作物品种审定委员会审定。     

水稻抗白背飞虱的资源发掘及其抗性遗传分析

 经过严格的抗性鉴定筛选,发掘出6个白背飞虱抗源材料，即石崖粘、白秆糯、Nabeshi、IR64、Rathu Heenati。 经抗性遗传分析,明确了6个抗源中4个国内品种对白背飞虱的抗性遗传方式。 石崖籼和5006携带单显性抗白背飞虱基因,抗性为显性遗传;白秆糯 和Nabeshi携带单隐性抗白背飞虱基因,抗性为隐性遗传。     

超级早稻品种中早22特征特性及栽培技术

本文总结了中早22的选育经过、特征特性和产量表现,并对其栽培要点进行了概述.     

图像分割算法在肉鸡深度图集上的研究

【目的】针对在复杂环境背景中难以识别分割多只肉鸡的问题,探讨基于深度学习实现对多只肉鸡深度图像分割的方法。【方法】利用深度相机,通过不同的拍摄角度（俯视、正视、侧视）在自然环境下采集肉鸡不同姿势（站立、俯卧、抬头、低头等）形态的深度图像,并使用CVAT标注软件对深度图像进行精确标注,建立肉鸡深度图数据集（含4 058张深度图像）。利用FCN、U-Net、PSPNet、DeepLab和Mask R-CNN等5种神经网络实现肉鸡深度图像的识别与分割,根据测试集得到预测结果,比较与评估不同模型的性能,实现对肉鸡深度图像的识别与分割。【结果】基于Mask R-CNN神经网络模型的识别分割准确率为98.96%,召回率为97.78%,调和平均数为95.03%,交并比为94.69%,4个指标值均为5个模型中的最优值。【结论】基于Mask R-CNN神经网络的算法简单快速,且能准确实现肉鸡的自动识别与分割,对肉鸡遮挡有较佳的鲁棒性,基本可以满足养殖场鸡群均匀度预测的识别分割要求。促进了计算机视觉在现代农业的应用,可为鸡群计数、鸡群均匀度预测以及肉鸡福利饲养等鸡场作业提供理论和实践基础。