基于YOLOv5m和CBAM-CPN的单分蘖水稻表型参数提取

为快速获取单分蘖水稻植株的形态结构和表型参数,该研究提出了一种基于目标检测和关键点检测模型相结合的骨架提取和表型参数获取方法。该方法基于目标检测模型生成穗、茎秆、叶片的边界框和类别,将所得数据分别输入到关键点检测模型检测各部位关键点,按照语义信息依次连接关键点形成植株骨架,依据关键点坐标计算穗长度、茎秆长度、叶片长度、叶片-茎秆夹角4种表型参数。首先,构建单分蘖水稻的关键点检测和目标检测数据集;其次,训练Faster R-CNN、YOLOv3、YOLOv5s、YOLOv5m目标检测模型,经过对比,YOLOv5m的检测效果最好,平均精度均值(mean average precision,mAP)达到91.17%;然后,应用人体姿态估计的级联金字塔网络(cascaded pyramid network,CPN)提取植株骨架,并引入注意力机制CBAM(convolutional block attention module)进行改进,与沙漏网络(hourglass networks,HN)、堆叠沙漏网络模型(stacked hourglass networks,SHN)和CPN模型相比,CBAM-CPN模型的预测准确率分别提高了9.68、8.83和1.06个百分点,达到94.75%,4种表型参数的均方根误差分别为1.06 cm、0.81 cm、1.25 cm和2.94°。最后,结合YOLOv5m和CBAM-CPN进行预测,4种表型参数的均方根误差分别为1.48、1.05、1.74cm和2.39°,与SHN模型相比,误差分别减小1.65 cm、3.43 cm、2.65 cm和4.75°,生成的骨架基本能够拟合单分蘖水稻植株的形态结构。所提方法可以提高单分蘖水稻植株的关键点检测准确率,更准确地获取植株骨架和表型参数,有助于加快水稻的育种和改良。

考虑夹具接触约束的FSW焊接变形的固有应变法预测

为高效高精度地预测大尺寸结构FSW焊接变形,基于考虑夹具接触约束的热弹塑性仿真结果,在分析塑性应变的区域分布特点的基础上运用固有应变法进行分区映射,发展了一种有效的焊接变形预测方法。针对小尺寸6061-T6铝合金板材FSW焊接,将接触约束状态和固定约束状态下的焊后变形预测值与实验值进行了对比分析,结果表明接触约束状态的预测结果更接近实际的非对称变形。将该方法应用于大尺寸6061-T6铝合金板材焊接,并将所得结果与大尺寸板材接触约束状态下热弹塑性法结果进行对比,结果表明,该方法可有效地预测大尺寸板材搅拌摩擦焊接变形。

数字植物:科学内涵、瓶颈及发展策略

当前,各类组学技术、基因组编辑技术及超性能计算能力的飞速发展正使得植物科学从描述性、定性研究向精细定量研究乃至理性设计的转变。在这个过程中,数字植物的研究应运而生。数字植物通过对植物生长发育过程多尺度、多生理生化现象的系统定量模拟,以实现植物整个生命周期的“数字化”。数字植物将为定量植物科学研究、植物设计及改造提供理论工具。数字植物的发展将支持新代谢通路、基因调控网络的设计,乃至植物理想基因系统的设计,从而为以提升作物产量和优化作物品质为目标的植物合成生物学提供设计工具。本文在分析当前构建数字植物遇到的瓶颈的基础上,提出发展数字植物所需要的关键措施,即:构建植物生长发育基本模型;获得同化物在各器官间分配的代谢数据;创建模块模型耦联方法;建立数字植物研究公共平台;发展表型数据与机理模型相结合的方法;以水稻为模式植物,开展数字植物指导的分子设计育种;建立支持数字植物的人才培养及储备策略。利用数字植物定量模拟和设计植物是未来植物合成生物学发展的趋势,数字植物指导下的作物栽培和育种也是精准农业和智慧农业的必然要求。

基于堆叠沙漏网络的单分蘖水稻植株骨架提取

针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.0356cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。

基于应力-温度等效映射方法的FSW变形预测

基于“局部-整体”映射思想,考虑映射变量独立于结构尺寸的原则,以夹具释放前的应力为映射参量,发展了一种基于应力-温度等效映射的大尺寸结构搅拌摩擦焊后变形的快速预测方法。该方法可以分析局部结构在夹具释放前的应力分布特征,并将其转换为等效的温度载荷进行映射,进而对整体结构进行非线性屈曲分析以获得焊后变形。对Al6061-T6铝合金板材进行焊接变形预测,发现基于应力-温度等效映射方法的预测结果与试验结果吻合良好,其预测精度与基于应变映射的预测方法相当。对Al6061-T6铝合金加筋板进行焊接变形预测,发现基于应力-温度等效映射方法的预测结果与热弹塑性法的预测结果吻合较好,且优于基于应变映射的预测方法,说明所提出的基于应力-温度等效映射的方法在预测大尺寸复杂结构搅拌摩擦焊后变形方面具有更好的精度。

操纵水稻叶片SHR和生长素诱导水稻类C_(4)叶脉分布样式产生

C_(4)植物叶片的维管束表现出独特的花环结构,该结构由位于内层的维管束鞘细胞和外层的叶肉细胞组成,赋予C_(4)植物拥有相比于C_(3)植物更高的光合速率.目前已鉴定到60多种独立的花环结构变体,暗示花环结构经历了趋同进化.高效的C_(4)光合作用依赖于C_(4)植物叶片高的叶脉与叶肉细胞比——这也是C_(4)演化的关键.然而,高叶脉密度形成的机制仍然未知,这阻碍了将C_(4)性状引入C_(3)作物的工程化改造.前人尝试通过在水稻叶片中过量表达调控C_(4)玉米叶脉模式的多种因子,但未能成功诱导出类C_(4)叶脉分布样式的叶片.在本研究中,我们发现在水稻和玉米中过量表达SHORT ROOT(SHR)有助于促进叶肉细胞的分裂,增加相邻叶脉间的细胞数量.水稻和玉米的SHR多突变体叶片的叶肉细胞分裂减少,相邻叶脉之间的叶肉细胞数量显著降低.通过增加C_(3)水稻叶片中SHR和处理生长素,我们在水稻中成功诱导产生了类C_(4)叶脉分布样式的叶片,对C_(3)作物的工程化改造具有重要意义.

‘Y两优2号’叶片叶绿素含量QTL的定位

优化叶片叶绿素含量有利于提高冠层光合效率。第三期超级稻品种‘Y两优2号’(YLY2)是由父本‘远恢2号’(YH2)与母本‘Y58S’杂交而成的两系法杂交水稻。‘YLY2’与其父本‘YH2’叶片均具有低叶绿素含量的特性。为鉴定控制‘YLY2’叶绿素含量的关键基因,本研究以‘YLY2’构建的高世代重组自交系(RIL)为材料,利用基因组重测序方法构建了该群体的高密度遗传图谱;通过多年测量不同生长发育阶段的叶片叶绿素含量(SPAD)值,开展数量性状位点(quantitative trait locus,QTL)定位。本研究鉴定出了控制叶片SPAD的15个潜在QTL,并确定了其遗传效应值。研究发现的15个QTL中有4个与以往的研究位于相似位点,同时也发现了全新QTL位点,为鉴定控制‘YLY2’叶绿素含量的关键基因提供了一定的科学依据。

超级杂交稻‘Y两优2号’耐冷性QTL定位与杂种优势分析

挖掘耐冷基因并提高耐冷性对于保证水稻在气候变化条件下的高产稳产具有至关重要的意义。本研究利用‘远恢2号’和‘Y58S’杂交而成的超级杂交稻‘Y两优2号’的高世代重组自交系(RIL F14)276个家系作为作图群体,以SNP为分子标记构建了高密度遗传图谱,对水稻的芽期耐冷性(cold tolerance at the bud bursting period,CTBP)性状进行数量性状位点(quantitative trait locus,QTL)定位分析;同时对全世界范围内收集的水稻自然变异微核心(Minicore)种质群体进行芽期耐冷性全基因组关联分析(genome-wide association study,GWAS)。结果表明,水稻芽期耐冷性在水稻群体内呈连续分布,是由多基因控制的数量性状。同时,在RIL群体的第9号染色体上定位到1个与耐冷性性状相关的QTL,位于区间Block73479和Block72824之间,对表型变异的解释率为9.65%。进一步分析表明该QTL对水稻芽期耐冷性为负显性。结果还显示‘Y两优2号’耐冷性显著强于亲本,具有杂种优势。