转crylAb基因克螟稻对根际可培养细菌类群的影响

田间栽培条件下,研究了转crylAb基因克螟稻1(KMD1)、克螟稻2(KMD2)及其亲本常规晚粳秀水11(XS11)不同生育期、不同根际部位(包括根际土壤、根表面和根内)可培养细菌类群数量、组成和动态变化.结果表明,各品种不同生育期根际平均细菌数量以拔节期最多,抽穗期最少;转Bt稻KMD1和KMD2根际平均细菌数量均显著高于XS11,且根表面和根内平均细菌数量也显著高于XS11,而根际土壤中平均细菌数量则低于XS11;试验共纯化菌株303个,经鉴定归于20个属,各品种根际出现的细菌类群大多为相同属,但数量有异,其中KMD1、KMD2根际的葡萄球菌属(Staphylococcus)、棒杆菌属(Corynebacterium)和壤霉菌属(Agromyces)均显著高于XS11,而XS11根际的束毛球菌属(Trichococcus)显著高于KMD1、KMD2;群落多样性分析表明,各水稻品种根际细菌群落的优势度指数C、多样性指数H′和均匀度指数J差异均不显著,表明转crylAb基因水稻对土壤细菌群落有一定影响,与水稻生育期和根际部位有关.     

基于移动终端的稻田飞虱调查方法

【目的】建立一种基于移动终端的稻田飞虱调查方法,以减轻测报人员劳动强度,提高稻田飞虱调查的客观性,实现稻飞虱调查结果可追溯。【方法】利用Android相机、可伸缩手持杆和装载控制相机APP的Android手机研制了稻田飞虱图像采集仪。在Android开发环境下,利用socket通信和视频编码等技术,实现Android相机的视频采集与编码模块、视频传输模块和相机命令控制模块等。利用Android NDK开发和Java web等技术,实现手机端的视频预览模块、手机控制模块、图像上传模块等。相机实时拍摄的视频将压缩成H.264格式,通过RTSP/RTP协议控制其传输至手机端。手机端通过解压缩,实现实时预览相机所拍摄的视频,并控制相机拍摄水稻茎基部飞虱图像,同时将图像传输到手机端。稻飞虱识别算法部署在云服务器上。手机端可选择稻飞虱图像上传至云服务器,云服务器运行稻飞虱自动识别算法,结果返回至手机端。【结果】基于移动终端的稻田飞虱调查方法利用手机可以实时预览相机拍摄的水稻茎基部飞虱画面,控制相机拍照。云服务器上稻飞虱自动识别算法对图像中的飞虱平均检测率为86.9%,虚警率为11.2%;对稻飞虱各虫态平均检测率为81.7%,虚警率为16.6%。【结论】基于移动终端的稻田飞虱调查方法可以便捷地采集到水稻茎基部飞虱图像,实现稻田飞虱不同虫态的识别与计数。该方法可大大减轻测报人员的劳动量,避免稻飞虱田间调查的主观性,实现稻飞虱田间调查的可追溯。     

基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统

【目的】为减轻基层测报人员工作量,提高稻纵卷叶螟Cnaphalocrocis medinalis性诱测报的准确率和实时性,实现监测数据可追溯,建立了基于机器视觉的稻纵卷叶螟性诱智能监测系统。【方法】稻纵卷叶螟性诱智能监测系统包括基于机器视觉的智能性诱捕器、基于深度学习的稻纵卷叶螟检测模型、系统Web前端和服务器端。利用工业相机、光源和Android平板搭建了智能性诱捕器的机器视觉系统;建立了基于改进的YOLOv3和DBTNet-101双层网络的稻纵卷叶螟检测模型;利用HTML, CSS, JavaScript和Vue搭建系统Web前端展示稻纵卷叶螟检测与计数结果;使用Django框架搭建服务器端,对来自智能性诱捕器通过4G网络上传的图像进行接收与结果反馈;采用MySQL数据库保存图像和模型检测结果等信息。【结果】基于机器视觉的稻纵卷叶螟性诱智能监测系统利用智能性诱捕器自动定期上传稻纵卷叶螟图像至服务器,部署在服务器上的目标检测模型对稻纵卷叶螟成虫进行实时自动检测,精确率和召回率分别达97.6%和98.6%;用户可通过Web前端查看稻纵卷叶螟检测结果图。【结论】基于机器视觉的稻纵卷叶螟性...