基于VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

食用向日葵产量性状的遗传研究

以食葵不育系17-A26为母本、恢复系17-C19为父本,构建P₁、P₂、F₁、F₂、B₁和B₂ 6个世代群体,研究了产量相关性状盘径、单株总粒数、结实率、百粒重、粒长和粒宽的后代变异及遗传率。结果表明,6个性状均为数量性状,变异幅度排序为单株总粒数>粒长>盘径>结实率>百粒重>粒宽,狭义遗传率排序为百粒重>粒长>单株总粒数>粒宽>盘径>结实率。根据遗传进度结果,百粒重、粒长、单株总粒数和粒宽宜早代根据表型选择,盘径宜晚代选择,结实率宜晚代结合多环境联合选择。     

《猪业科学》投稿须知

《猪业科学》杂志为月刊,每月25日出版,面向全国发行。内容充实、实用,每期一个主题,充分挖掘、深度报道、全面分析,全面反映养猪产业的最新成果、发展动态和市场经济信息。全彩色印刷、图文并茂适应现代"读图时代"潮流。1内容本刊主要栏目有主题策划、国际瞭望、猪场兽医、营养与饲料、环境与设施、猪群保健、遗传改良、生产管理、地方猪种、猪场人才等。     

母猪饲养管理要点

养猪业是否赚钱,关键在于对母猪的饲养管理。要想提高养猪生产水平,在相同条件下获得最佳经济效益,就必须做好母猪饲养管理的相关工作。母猪是养殖场经济效益的"发动机",做好母猪的体况管理有助于维持母猪群的健康,提高母猪群饲料利用率,延长母猪群使用年限,充分发挥母猪的遗传潜力和提高母猪终生的繁殖性能。     

1株猪源2009/H1N1流感病毒反向遗传系统的建立

为建立1株猪源2009/H1N1流感病毒A/swine/Heilongjiang/44/2009(HLJ44)的反向遗传系统,利用双向表达质粒p HW2000,分别构建了该病毒株8个基因节段的重组质粒,将其共转染于293T和MDCK混合培养的细胞,拯救出重组病毒R-HLJ44。测序结果表明,R-HLJ44与亲本病毒HLJ44的核苷酸序列完全一致;二者在细胞上具有相似的增殖特性;抗原性未发生变化;分别以106TCID50的剂量鼻腔感染BALB/c小鼠,结果显示R-HLJ44与亲本HLJ44在小鼠脏器中的复制滴度也基本一致。以上结果表明拯救的重组病毒保持了与亲本病毒一致的生物学特性。该病毒反向遗传系统的建立,为进一步研究H1N1亚型流感病毒的致病分子机制及新型疫苗研制等奠定了基础。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。     

水产养殖中鱼类性别决定的遗传基础及性别控制技术运用分析

在水产养殖期间,需合理控制鱼类性别比例,以此提升水产养殖收益,实现效益最大化,但对于部分鱼类而言,在自然生长期间将出现性别转变现象,为保障水产养殖效果,应做好鱼类性别控制.基于此,首先阐述了鱼类性别转变现象,分析鱼类性别决定的遗传基础,讨论环境因子对鱼类性别决定的影响,并以罗非鱼为例,探讨性别控制技术在水产养殖中的实际应用.