光伏温室对普通白菜生长、光合作用及品质的影响

以普通白菜品种苏州青为试验材料,采用穴盘基质栽培方法,研究温室覆盖不同光伏组件密度对普通白菜生长、光合作用、产量及品质的影响。结果表明:50%光伏板覆盖处理的普通白菜株高、叶片数和叶面积比对照显著降低了27.34%、12.50%和22.64%,而33%光伏板覆盖处理对普通白菜生长的影响相对较小;除可溶性糖含量和可溶性蛋白含量显著下降外,光伏板覆盖(33%和50%)处理对普通白菜有机酸、硝酸盐、VC含量影响不显著,对植株气体交换参数及叶绿素a、叶绿素b含量的影响亦不显著;50%光伏板覆盖处理显著降低了普通白菜单株质量和单个穴盘产量,而33%光伏板覆盖处理与对照差异不显著。综上,33%光伏板覆盖温室可用于普通白菜栽培生产。     

砧用南瓜品种资源抗旱性鉴定

以14份砧用南瓜品种为材料,对发芽期(23%PEG-6000模拟干旱)和幼苗期(控制浇水量)进行干旱胁迫处理,采用非加权算术平均法(UPGMA)聚类分析方法分析各品种资源的抗旱性,并对适宜鉴定砧用南瓜抗旱性的形态指标进行筛选。通过测定发芽势、发芽率、活力指数、发芽指数、茎粗、株高、叶面积、鲜质量、干质量、干旱胁迫指数、壮苗指数等11个发芽期和幼苗期的性状指标,将14份砧用南瓜品种资源分为抗旱品种、较抗旱品种、干旱较敏感品种和干旱敏感品种4类。在发芽期和幼苗期均表现出较强抗旱性的品种为大维10号、佳合台木、金刚1号、昆仑、日本根力神、日本绿霸、日本强力士、神砧和胜利(白)等9个品种。种子相对发芽率、相对发芽势、相对发芽指数、相对活力指数以及相对株高可作为砧用南瓜品种抗旱性鉴定的可靠指标,相对干质量可作为砧用南瓜品种资源抗旱性鉴定的有益指标。综合分析14个品种的耐盐性、耐寒性、耐热性和抗旱性,发现日本绿霸和日本强力士的多重抗性较强,可作为黄瓜嫁接的优质砧木。     

基于Kinect传感器的无接触式母猪体况评分方法

为了提高母猪的繁殖性能,减少传统方法给动物和估测人员带来的不利影响,该研究提出了一种可应用于实际生产中的准确、无接触式的母猪体况评分(body condition scoring,BCS)方法。试验使用Kinect传感器获取108组母猪臀股的三维图像,选取48组图像进行分析处理,计算出臀部的高宽比、臀股面积及曲率半径。试验结果表明:母猪臀部的高宽比、臀股面积和曲率半径与背膘厚度的相关系数分别为0.567、0.502、0.951;以曲率半径作为主要参数建立母猪体况估测模型。取剩余60组图像进行验证,估测模型计算结果与经验方法评估结果差异较小,准确率达到91.7%;结果表明,基于三维重构技术的Kinect传感器能够实现母猪在饲养管理过程中对体况的无接触式检测。     

基于卷积神经网络的大白母猪发情行为识别方法研究

针对现有发情检测方法灵敏度低、识别时间长、易受外界干扰等缺点,根据大白母猪试情时双耳竖立的特征,提出一种基于卷积神经网络（Convolutional neural network, CNN）的大白母猪发情行为识别方法。首先通过采集公猪试情时发情大白母猪与未发情大白母猪的耳部图像,划分训练集样本（80%）与验证集样本（20%）用于后期训练。随后,基于AlexNet卷积神经网络构建分类模型（AlexNet_Sow）,并对该模型的网络结构进行简化,简化后的模型包含2个卷积模块和2个全连接模块,选择修正线性单元(Rectified linear units, ReLU)作为激活函数,用自适应矩估计(Adaptive moment estimation, Adam)方法优化梯度下降,选择Softmax作为网络分类器,通过结合增强学习的方法对模型进行训练,得到模型应用于验证集的准确率达到99%。此外,设定了发情鉴定的时间阈值,并结合LabVIEW的Python节点用于模型应用。当公猪试情时,大白母猪双耳竖立时长达到76s时,则可判定其为发情。该方法对大白母猪发情识别的精确率、召回率与准确率分别为100%、83.33%、93.33%,平均单幅图像的检测时间为26.28ms。该方法能够实现大白母猪发情的无接触自动快速检测,准确率高,大大降低了猪只应激情况和人工成本。