【目的】分析初生重、乳头数、测定场区、胎次、出生年份和出生季节等因素对大白猪生长性状的影响,并对主要生长性状的遗传参数进行估计,为大白猪群体的遗传改良提供参考。【方法】收集1024头法系大白母猪的生长测定数据,包括100 kg平...【目的】分析初生重、乳头数、测定场区、胎次、出生年份和出生季节等因素对大白猪生长性状的影响,并对主要生长性状的遗传参数进行估计,为大白猪群体的遗传改良提供参考。【方法】收集1024头法系大白母猪的生长测定数据,包括100 kg平均日增重(average daily gain to 100 kg,ADG)、达100 kg体重日龄(age at 100 kg live weight,AGE)、达100 kg体重校正背膘厚(backfat adjusted to 100 kg,BF)和达100 kg体重校正眼肌面积(loin muscle area adjusted to 100 kg,LMA),利用一般线性模型分析固定效应对大白猪生长性状的影响;利用DMU软件的单性状动物模型估计生长性状的方差组分和遗传力;利用多性状动物模型估计各生长性状间的遗传相关和表型相关。【结果】大白猪生长性状中ADG、AGE、BF和LMA的群体平均值分别为590.26 g、168.20 d、9.46 mm和33.29 cm^(2),其中AGE(P=0.057)和LMA(P=0.106)符合正态性检验,ADG和BF近似正态分布;测定场区、出生年份和出生季节对大白猪各生长性状影响显著(P<0.05;P<0.01),胎次和初生重对AGE和ADG影响显著(P<0.05;P<0.01)。大白猪生长性状估计遗传力介于0.277~0.422之间,属于中高遗传力性状;遗传相关系数在―0.996~0.346之间。【结论】测定场区、出生年份、出生季节、胎次和初生重对大白猪多个生长性状具有显著影响,生长性状的遗传力和性状间的遗传相关可为大白猪群体后续的育种工作提供一定指导。展开更多
为解决现有安全帽和反光衣检测模型对小目标和复杂天气中目标检测精度低、环境干扰因素大、难以在性能一般移动设备部署等问题,设计实现一种改进YOLOv8安全装备检测模型YOLOv8-DSI。首先,设计基于残差思想和并行空洞卷积的DR-SPPF模块,...为解决现有安全帽和反光衣检测模型对小目标和复杂天气中目标检测精度低、环境干扰因素大、难以在性能一般移动设备部署等问题,设计实现一种改进YOLOv8安全装备检测模型YOLOv8-DSI。首先,设计基于残差思想和并行空洞卷积的DR-SPPF模块,进一步扩大感受野且不损失图像分辨率,显著提升复杂天气检测精度;其次,在特征融合阶段设计结构轻量特征金字塔网络ST-BiFPN,进一步减小模型参数量,实现高效多尺度特征融合;最后,引入Inner-ShapeIoU损失函数,使得边界框回归更加准确,增强检测效果。在自建数据集上,相较于基线模型mAP50和mAP50:95分别提升了2.1%和4.7%,而模型参数量仅为2.4 M,计算量仅为7.3 G,分别降低了10.9%和20.0%。最终将改进模型部署到Jetson Orin Nano边缘设备,通过在开发板实际运行证明,改进后模型在复杂场景下有效性和可应用性。展开更多
文摘【目的】分析初生重、乳头数、测定场区、胎次、出生年份和出生季节等因素对大白猪生长性状的影响,并对主要生长性状的遗传参数进行估计,为大白猪群体的遗传改良提供参考。【方法】收集1024头法系大白母猪的生长测定数据,包括100 kg平均日增重(average daily gain to 100 kg,ADG)、达100 kg体重日龄(age at 100 kg live weight,AGE)、达100 kg体重校正背膘厚(backfat adjusted to 100 kg,BF)和达100 kg体重校正眼肌面积(loin muscle area adjusted to 100 kg,LMA),利用一般线性模型分析固定效应对大白猪生长性状的影响;利用DMU软件的单性状动物模型估计生长性状的方差组分和遗传力;利用多性状动物模型估计各生长性状间的遗传相关和表型相关。【结果】大白猪生长性状中ADG、AGE、BF和LMA的群体平均值分别为590.26 g、168.20 d、9.46 mm和33.29 cm^(2),其中AGE(P=0.057)和LMA(P=0.106)符合正态性检验,ADG和BF近似正态分布;测定场区、出生年份和出生季节对大白猪各生长性状影响显著(P<0.05;P<0.01),胎次和初生重对AGE和ADG影响显著(P<0.05;P<0.01)。大白猪生长性状估计遗传力介于0.277~0.422之间,属于中高遗传力性状;遗传相关系数在―0.996~0.346之间。【结论】测定场区、出生年份、出生季节、胎次和初生重对大白猪多个生长性状具有显著影响,生长性状的遗传力和性状间的遗传相关可为大白猪群体后续的育种工作提供一定指导。
文摘为解决现有安全帽和反光衣检测模型对小目标和复杂天气中目标检测精度低、环境干扰因素大、难以在性能一般移动设备部署等问题,设计实现一种改进YOLOv8安全装备检测模型YOLOv8-DSI。首先,设计基于残差思想和并行空洞卷积的DR-SPPF模块,进一步扩大感受野且不损失图像分辨率,显著提升复杂天气检测精度;其次,在特征融合阶段设计结构轻量特征金字塔网络ST-BiFPN,进一步减小模型参数量,实现高效多尺度特征融合;最后,引入Inner-ShapeIoU损失函数,使得边界框回归更加准确,增强检测效果。在自建数据集上,相较于基线模型mAP50和mAP50:95分别提升了2.1%和4.7%,而模型参数量仅为2.4 M,计算量仅为7.3 G,分别降低了10.9%和20.0%。最终将改进模型部署到Jetson Orin Nano边缘设备,通过在开发板实际运行证明,改进后模型在复杂场景下有效性和可应用性。
