科研产出
光谱分析技术用于畜禽养殖粪污成分检测的研究进展
《中国奶牛 》 2024
摘要：作为一种"放错了地方的资源",养殖业所产生的粪污排放量大、成分复杂,借助先进理化分析手段开展成分分析,进而针对性地开展发酵处理,实现"变废为宝"具有重要意义.传统的粪污成分理化检测方法存在耗时长、前处理过程复杂等问题,近年来,光谱分析技术因具有检测速度快、成本低等优点,在养殖粪污成分检测研究领域已开展较多研究,并在未来应用中展示出良好前景.本文介绍了传统的粪污检测方法及存在不足;综述了基于光谱分析技术检测养殖粪污中碳氮元素、金属元素、干物质/有机物和磷元素等成分含量的研究进展;并对光谱分析技术用于养殖粪污检测在预测模型构建、样品制备方法和检测仪器研发等方面存在的问题和改进方向进行了总结,可为养殖粪污资源化高效利用提供理论支撑.
全文链接
请求原文
NO处理对苦瓜采后贮藏品质的影响
《食品研究与开发 》 2024 北大核心
摘要：为研究NO处理对苦瓜果实采后贮藏品质的影响，采用0.25 mmol/L的外源NO供体硝普钠（sodium nitroprusside,SNP）溶液对苦瓜进行20 min浸泡处理，（20±1）℃下贮藏，定期测定苦瓜果实感官品质、硬度、可溶性固形物含量、色差、乙烯释放量、叶绿素含量、总酚含量、类黄酮含量及相关抗氧化酶活性。结果表明：与对照相比，NO处理可较好地维持苦瓜果实硬度、降低乙烯释放量、减轻叶绿素降解，减少可溶性固形物消耗，有效保持总酚、类黄酮等抗氧化物质的含量，抑制苦瓜中过氧化物酶、过氧化氢酶和抗坏血酸过氧化物酶活性的降低，从而延缓苦瓜果实衰老并保持其贮藏品质。
全文链接
请求原文
UV-C照射对鲜切豇豆的保鲜效果研究
《保鲜与加工 》 2024
摘要：为探究短波紫外线(UV-C)照射对鲜切豇豆的保鲜效果,在预试验结果的基础上,分别采用0、0.5 kJ/m2的UV-C处理豇豆,然后将其置于4℃条件下贮藏,定期测定相关指标.结果表明:采用0.5 kJ/m2UV-C照射可以维持鲜切豇豆较高的VC、可溶性固形物、可溶性蛋白和叶绿素含量,减少鲜切豇豆丙二醛(MDA)的积累,同时还能保持鲜切豇豆较高的总酚、类黄酮含量,并提高抗氧化酶的活性,包括过氧化物酶(POD)、过氧化氢酶(CAT)、抗坏血酸过氧化物酶(APX),一定程度上稳定多酚氧化酶(PPO)的活性.综合来说,0.5 kJ/m2UV-C处理可用于鲜切豇豆的贮藏保鲜.
全文链接
请求原文
面向农机自动驾驶的农田边界线预测方法
《拖拉机与农用运输车 》 2024
摘要：农田边界的快速准确提取是自动驾驶农机在田间自主安全作业的基础,也能为农场数字化管理提供基础数据.传统的农田边界线图像特征提取精度不高且边界线提取不完整.本研究构建了农田图像标注数据集并提出了一种基于无人机遥感图像的农田边界获取方法,设计了一种基于DeeplabV3+的改进语义分割模型,利用边界追踪函数追踪二值图像边界,剔除离群点后通过最小二乘算法得到拟合后的边界线.田间试验结果表明,在作物覆盖农田与未被作物覆盖农田上,该网络的交并比分别为92.78%和92.69%,平均像素精度为93.96%,提取边界线的平均垂直误差和平均角度误差分别为4%和0.62°.本研究可为农机自动驾驶的定位与路径规划提供技术支撑.
全文链接
请求原文
母猪子宫内膜炎阴道菌群与血清促炎细胞因子的变化及其相关性分析
《畜牧兽医学报 》 2024 北大核心 CSCD
摘要：子宫内膜炎是规模化猪场常发疾病之一，但其致病机制尚未完全明确。本研究旨在分析患病母猪阴道黏液菌群多样性及其与血清促炎细胞因子的相关性，揭示母猪子宫内膜炎主要致病菌种类。选取北京郊区某猪场分娩后健康(C组)和子宫内膜炎(E组)母猪各7头，采用酶联免疫吸附测定(ELISA)法测定血清促炎细胞因子白细胞介素(IL)-1α、IL-1β、IL-6、IL-8和肿瘤坏死因子α(TNF-α)水平，通过Illumina NovaSeq 6000测序平台对母猪阴道黏液菌群基因进行测序，利用联川生物云平台分析菌群多样性，并研究阴道菌群与促炎细胞因子的相关性。结果表明：E组IL-1α和IL-6水平显著高于C组(P<0.01);E组阴道微生物多样性显著下降(P<0.05);在门水平上，与C组相比，E组的厚壁菌门(Firmicutes)菌群相对丰度显著降低，变形菌门(Proteobacteria)菌群相对丰度显著升高(P<0.01);在属水平上，C组和E组中最主要的优势菌属分别是梭杆菌属(Fusobacterium)和埃希杆菌-志贺菌属(Escherichia-Shigella);在E组中，IL-8与瘤胃球菌属(Ruminococcus)和气球菌属(Aerococcus)呈显著正相关关系(P<0.05);IL-6与埃希杆菌-志贺菌属呈显著正相关关系(P<0.01)。子宫内膜炎母猪阴道黏液菌群中的有益菌减少，致病菌增加，血清促炎细胞因子水平较健康母猪升高，且血清促炎细胞因子水平与阴道黏液特定菌群数量密切相关，本研究为子宫内膜炎的防治提供了新的思路。
全文链接
请求原文
葡萄主要香气物质遗传调控研究进展
《西北植物学报 》 2024 北大核心 CSCD
摘要：【目的】葡萄是重要的经济作物之一，香气是构成葡萄果实品质的重要组分之一。葡萄香气复杂，由包括萜烯类化合物、挥发性脂肪族化合物、芳香族化合物、吡嗪类化合物以及含硫化合物等多种化合物构成，同时受多因素影响。遗传是影响其香气分布的主要因素，选育不同香气类型的葡萄品种是目前重要的育种目标之一，因此分析葡萄香气物质遗传模式是实现育种目标的基础。【评论】文章在综述葡萄香气测定方法的基础上，对葡萄果实香气性状遗传规律、香气性状的QTL定位研究进行归纳与分析。【展望】以期为解析葡萄香气遗传规律奠定理论支撑，为葡萄香气性状定向育种提供参考。
全文链接
请求原文
深度语义分割网络无人机遥感松材线虫病变色木识别
《自然资源遥感 》 2024 北大核心 CSCD
摘要：松材线虫病是危害我国林业资源的主要病害，研究深度语义分割网络无人机遥感技术可提高松材线虫病变色木识别准确率，为提升和保护林业资源质量提供技术支撑。该文以青岛崂山松林为研究区，通过固定翼无人机航拍获取区域无人机松材线虫病疑似变色木影像，以全卷积网络(fully convolutional networks, FCN),U-Net, DeepLabV3+和OCNet 4种深度语义分割模型为研究对象，选用召回率(Recall)、精确率(Precision)、交并比(intersection over union, IoU)和F1值评估各模型分割精度。航拍飞行获得2 688张无人机影像，通过手动标记和样本扩增生成训练样本28 800个。4种网络均能够较好识别松材线虫病变色木，无显著误报，并且深度语义模型对颜色相近的地物，如岩石、黄色裸土等有较好的辨别结果。总体上，DeepLabV3+具有最高的变色木分割精度，IoU与F1值分别为0.711和0.829; FCN模型分割精度最低，IoU与F1值分别为0.699和0.812; DeepLabV3+训练耗时最低，达到27.2 ms/幅；FCN预测耗时最低，达到7.2 ms/幅，但分割变色木的边缘精度最低。以3种特征提取网络ResNet50,ResNet101和ResNet152为前端特征提取网络构建的DeepLabV3+模型变色木识别IoU值分别为0.711,0.702和0.702,F1值分别为0.829,0.822和0.820。DeepLabV3+比DeepLabV3网络具有更高的变色木识别精度，DeepLabV3网络变色木识别的IoU和F1值分别为0.701和0.812。DeepLabV3+模型在测试数据中具有最高变色木识别精度，特征提取网络ResNet网络深度对变色木识别精度影响较小。DeepLabV3+引入的编码和解码结构能够显著改进DeepLabV3分割精度，同时可获得详细的分割边缘，更有利于松材线虫病变色木识别。
全文链接
请求原文
基于熵权-TOPSIS模型的水培生菜适宜种植密度优化
《石河子大学学报（自然科学版） 》 2024
摘要：水培叶菜产出高、效益好的同时生产设备成本投入较大,优化出适宜的种植密度,可以使单位面积产出最大化,从而保证种植者取得较高的收益.本研究采用熵权法和TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法结合,对不同种植密度水培生菜进行综合评价,优化出适宜种植密度,为水培装置适宜的生菜种植密度提供依据.共设置4个密度处理,标记为H1、H2、H3、H4(定植密度为株间距10、15、20、25 cm),通过对各处理生菜生长,产量,品质,水分利用效率等因子综合评价,优化出适宜种植密度.结果表明:H4处理水培生菜产量和品质较处理H1略差,但其生长状态、外观品质优于H1,对比所有处理生菜,H2处理综合表现最佳,更适合商业化种植,该研究结果有助于进一步了解种植密度对水培生菜生长、产量品质的综合影响,还可为规模化商业水培叶菜生产提供支持.
全文链接
请求原文
基于YOLOv5模型的仔猪社交识别方法研究
《中国猪业 》 2024
摘要：精准识别仔猪间社交关系对了解仔猪内部社交和预警异常仔猪具有重要意义.针对传统方法在仔猪社交识别时存在的人工依赖多、劳动强度大、观测效率低等问题,本研究借助机器视觉与深度学习技术,提出了一种基于改进的YOLOv5模型的仔猪社交识别研究方法.该研究以9头30~35日龄群养的长白二元杂交仔猪为研究对象,从顶部视角连续采集视频数据,经图像截取与数据增强共获得13 389张图像作为数据集.首先,选取Faster R-CNN、SSD、YOLOv4和YOLOv5这4种典型目标检测算法对数据集进行训练,通过对比分析,确定用于仔猪个体身份识别最优模型;然后依据K-means聚类算法确定仔猪社交中心,通过计算仔猪与社交中心的欧氏距离量化仔猪社交值,利用位置信息构建仔猪社交网络,绘制仔猪运动轨迹,获得社交正常与社交异常仔猪的识别阈值;最后,利用该阈值对仔猪进行分类,识别社交异常仔猪个体并实现预警.经测试,改进的YOLOv5对群养仔猪个体身份识别的平均精度均值达99.29%,模型大小为13.71 MB,满足仔猪身份识别需求,与YOLOv5、YOLOv4、SSD和Faster R-CNN模型相比,改进的YOLOv5平均精度均值分别提高了 0.26、1.97、12.74和4.31个百分点.通过统计仔猪社交值均值变化情况,发现正常与异常仔猪社交值均值差异明显,正常仔猪社交值均值范围[0.259~0.351],异常仔猪社交值均值范围[0.402~0.441],试验确定0.4为最佳社交判别阈值.该研究可为仔猪社交行为智能识别与异常早期预警提供方法参考.
关键词： 仔猪 YOLOv5 K-means 社交 深度学习
全文链接
请求原文
