利用线粒体Cyt b为遗传标记分析重庆地区东方蜜蜂的遗传多样性     

于增源  刘意秋  周丹银  赵文正  戴荣国  和绍禹  苗永旺 《蜜蜂杂志》2012,32(11):1-3

采用PCR产物直接测序技术对重庆地区117群东方蜜蜂样品的线粒体DNA细胞色素b基因(Cyt b)420 bp长度序列进行了分析。结果显示:在所得到的序列中共检测到11个核苷酸多态位点,其中单一变异位点2个,简约信息位点9个,序列突变率为2.62%,序列T,C,A,G平均含量分别为44%,14.2%,32.9%,8.9%,共定义8种单倍型,单倍型多样度为0.773±0.021,核苷酸多样度为0.003 82±0.000 32,单倍型网络关系图揭示重庆地区东方蜜蜂群体没有明显的遗传分化。  相似文献   

小麦麦穗几何表型测量的精准分割方法研究     

谢元澄  于增源  姜海燕  金前  蔡娜娜  梁敬东 《南京农业大学学报》2019,(5)

[目的]小麦麦穗表型获取涉及麦穗到籽粒不同几何尺度的参数精确测量,本文针对麦穗籽粒图像分割粘连现象,研究达到像素级别的精准分割算法,并基于该方法给出籽粒的基本几何参数。[方法]田间随机采集小麦麦穗,对采集的麦穗标本获取表型信息并采集图像,进行数据增广和标注,构建1个包括深度残差网络(deep residual network,Res Net)、区域建议网络(region proposal networks,RPN)和全卷积网络(fully convolutional networks,FCN)的实例分割算法Mask R-CNN,对训练集图片进行迭代训练获得模型。[结果]测试集测量结果表明,在测试麦粒上获得的籽粒像素测量平均精度(averageprecision,AP)值为0.85,F_1(F_1-measure)值为0. 830,对麦穗长度测量穗长的平均绝对误差为3. 30 mm,平均相对误差为3.40%,宽度测量的平均绝对误差为0.72 mm,平均相对误差为4.10%,综合测量误差为3.75%,试验结果显著优于最大类间方差法(OTSU)以及全卷积网络。通过对特征提取网络层数的修改在处理速度上达到4.26 FPS(frames per second),对比FCN处理速度提升了8.5倍。[结论]利用Mask R-CNN分割方法得到1个对整株麦穗和单个籽粒进行目标定位、目标检测和实例分割为一体的端到端、像素级的分割模型,可以对麦穗及部分籽粒进行精确的几何表型测量。  相似文献   

病死畜禽无害化处理问题及对策     

于增源  杨国峰  周永亮  孙春花 《农村．农业．农民》2018,(3)

正加强病死畜禽无害化处理,积极探索病害死畜禽无害化处理长效机制,有效预防动物疾病的传播与流行,对确保社会公共卫生安全、人民群众健康和畜牧业健康发展有着重要的意义。未经无害化处理或任意处置病死畜禽,不仅会造成严重的环境污染问题,还可能引起重大动物疫情,危害畜牧业健康发展,带来严重的经济损失,甚至引发严重的公共卫生事件。目前,我国一些地方畜禽养殖集约化程度还不高,加之个别养殖户、贩运人,甚至屠宰加  相似文献   

复杂大田场景中麦穗检测级联网络优化方法   总被引：2，自引：0，他引：2  

谢元澄  何超  于增源  沈毅  姜海燕  梁敬东 《农业机械学报》2020,51(12):212-219

单位种植面积的麦穗数量是评估小麦产量的关键农艺指标之一。针对农田复杂场景中存在的大量麦芒、卷曲麦叶、杂草等环境噪声、小尺寸目标和光照不均等导致的麦穗检测准确度下降的问题，提出了一种基于深度学习的麦穗检测方法（FCS R-CNN）。以Cascade R-CNN为基本网络模型，通过引入特征金字塔网络（Feature pyramid network，FPN）融合浅层细节特征和高层丰富语义特征，通过采用在线难例挖掘(Online hard example mining, OHEM)技术增加对高损失样本的训练频次，通过IOU(Intersection over union)阈值对网络模型进行阶段性融合，最后基于圆形LBP纹理特征训练一个SVM分类器，对麦穗检出结果进行复验。大田图像测试表明，FCS R-CNN模型的检测精度达92.9%，识别单幅图像平均耗时为0.357s，平均精度为81.22%，比Cascade R-CNN提高了21.76个百分点。  相似文献