我国芝麻田杂草防控现状及建议

本研究对我国主要芝麻产区杂草发生情况和防控现状进行了调查。结果显示,我国芝麻田杂草共计31科86种,使用的除草剂共15种,普遍存在阔叶杂草难防控等问题。芝麻田杂草防控难与科研基础薄弱和可用除草剂品种严重不足有关。针对上述情况,提出加大基础研究力度、重视除草剂筛选登记工作、加强抗除草剂育种、加速植保机械的研发及产业化、研究和推广注重芝麻田生态系统保护的标准化防控技术等建议。

杂草对9类常用不同作用机制除草剂的非靶标抗性机制研究进展

除草剂的应用为农业生产带来便利,但长期、单一使用某一种或相同机制的除草剂也引发了杂草对除草剂的抗性问题。抗性杂草种类逐渐增加,抗性形成机制复杂,导致农田杂草的治理难度增加。杂草对除草剂的抗性机制主要分为两种,一种是除草剂靶标位点基因的突变或过量表达导致的靶标抗性,另一种是杂草对除草剂吸收、转运、固存和代谢等一个或多个生理过程发生变化导致的非靶标抗性。本文综述了杂草对9类不同作用方式除草剂的非靶标抗性机制的生理、生化和分子基础的研究进展,以期为抗性杂草综合治理提供参考。

苗前与苗后除草剂配施对白菜型冬油菜田间杂草防效及产量的影响

针对强抗寒冬油菜生育周期长,人工除草成本高,田间杂草高效防控技术较为欠缺等问题,选用当地主栽强抗寒白菜型冬油菜(天油4号)为试验材料,选用常见苗前除草剂与苗后除草剂,分别设置3个不同处理梯度,以清水为对照,共16个不同配施处理组合,于2017—2018年开展了大田试验,以探究苗前与苗后除草剂对白菜型冬油菜田间杂草防效及产量的影响。结果表明,苗前除草剂单施平均总株防效40.63%,总鲜重防效51.64%,苗后除草剂单施总株防效60.94%,总鲜重防效50.75%,共施的总株防效62.33%,总鲜重防效57.23%,与苗前除草剂单施相比,共施的总株防效与鲜重防效平均提升了21.70和5.59百分点,与苗后除草剂单施相比,共施的总株防效与鲜重防效平均提升了1.39和6.48百分点。产量方面,苗前除草剂单施平均增产642.32 kg/hm^(2),平均增幅61.91%,苗后除草剂单施平均增产616.42 kg/hm^(2),增产幅度59.41%,共施处理平均增产368.52 kg/hm^(2),增产幅度35.52%,产量极显著增高的单施和共施处理为R_(3)O_(0)和R_(3)O_(2),分别增产1122.78和896.78 kg/hm^(2),增幅分别为108.22%及86.43%。因此,可根据冬油菜田间杂草密度选择苗前除草剂R_(3)单施或R_(3)与苗后除草剂O_(2)共施,从而达到最高效的杂草防控效果和最显著的油菜增产目标。

轻简化栽培稻田杂草发生趋势与防控技术

随着水稻轻简化栽培技术的应用与推广,东北稻区、西北稻区、长江流域稻区和华南稻区等水稻主产区的杂草种群演替加快,稗草、千金子和马唐等恶性杂草频繁发生,杂草抗药性水平上升迅速。若杂草防控不及时、不彻底,极易对水稻生产构成严重威胁。为此,对水稻直播、机插和抛秧等轻简化栽培稻田杂草的草相特征、发展趋势和防除方法等进行了概述,以期为制定合理、高效的轻简化栽培稻田杂草综合防控技术、水稻用农药减量增效除草方案,延缓杂草抗药性产生与发展提供借鉴。

基于YOLO v5的农田杂草识别轻量化方法研究

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。

基于改进DeepLabv3+的轻量化作物杂草识别方法

为在存储资源与计算能力有限的设备上实现田间作物和杂草的识别,本文提出一种基于改进DeepLabv3+的轻量化语义分割网络。首先,以MobileNet v2作为DeepLabv3+的特征提取骨干网络,提出双分支残差模块替换倒残差模块,并删除后两层卷积以降低模型参数量。其次,在空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块中引入分组逐点卷积,使用深度扩张卷积替换标准卷积,并将卷积后的特征图进行多尺度特征融合增强对作物和杂草深层特征的提取能力。最后,将原有的非线性激活函数替换为Leaky ReLU激活函数来提升分割精度。实验结果表明:改进后网络的mIOU达到86.75%,参数量仅为0.69M,FPS达到了98,与原始DeepLabv3+以及3个典型轻量化语义分割网络的相比,参数量最小,在对比的轻量化网络中具有最高的分割精度。

春播豌豆田杂草综合防控技术

杂草严重影响豌豆产量和品质,制约豌豆产业发展。为加强对豌豆田杂草的规范化防控指导,基于多年的防控技术研发和生产示范,从范围、规范性引用文件、术语与定义、防控对象与原则、防控技术和操作要求等方面提出了春播豌豆田杂草综合防控技术。

‘瑰夏’咖啡园杂草种类调查及防控建议——以佐园咖啡庄园为例

为明确‘瑰夏’咖啡园杂草种类及防除现状,2020—2023年对佐园咖啡庄园‘瑰夏’咖啡园杂草的种类和防除现状开展调查,结果在‘瑰夏’种植基地共发现杂草25科53种,菊科杂草种类最多,禾本科杂草种类次之,分别为15种(占比28.30%)和8种(16.33%);属级水平杂草种类分布较均匀,每属杂草种类介于1~2种。目前基地杂草防控主要以人工除草、机械除草和地布覆草为主,导致杂草群落多样性水平降低。据此提出杂草防除建议。

直播方式对重庆地区稻田杂草群落组成和生态位的影响

为高效绿色防除重庆地区直播稻田杂草,对淹水直播和湿润直播处理下稻田杂草的群落组成和生态位进行研究。结果表明,淹水直播和湿润直播稻田的杂草群落分别由16种(隶属于9科15属)和18种(隶属于10科17属)杂草组成,水蓼(Polygonum hydropiper)和鬼针草(Bidens pilosa)为湿润直播下特有的杂草。淹水直播和湿润直播的重要杂草群落结构分别为丁香蓼(Ludwigia prostrata)+鸭舌草(Monochoria vaginalis)+稗草(Echinochloa crus-galli)和陌上菜(Lindernia procumbens)+稗草(E.crus-galli)+看麦娘(Alopecurus aequalis)+异型莎草(Cyperus difformis)。除稗草(E.crus-galli)外,两种直播方式下重要杂草的重要值均差异显著(P<0.05)。两种直播方式共有的14种重要或主要杂草中,淹水直播下光头稗(Echinochloa colonum)、稗草、异型莎草、陌上菜、看麦娘、笄石菖(Juncus prismatocarpus)、双穗雀稗(Paspalum distichum)共7种重要或主要杂草的生态位宽度较湿润直播下显著降低,且其种间(除笄石菖与双穗雀稗外)生态位叠加值或显著降低或持平。综上,淹水直播可抑制水蓼和鬼针草的萌发,从而改变稻田重要杂草的群落结构,而且可控制光头稗、稗草、异型莎草、陌上菜、看麦娘、笄石菖、双穗雀稗的数量。

棉隆土壤消毒联合种植密度防除油菜田杂草及对作物产量和田间光照的影响

在农田杂草的治理中,结合农艺措施来治理草害的发生,可有效减少化学除草剂的使用,实现草害的综合治理。本文采用田间试验研究了棉隆土壤消毒联合油菜不同种植密度对油菜田主要杂草野燕麦Avena fatua、苦苣菜Sonchus oleraceus的防除效果,及杂草对氮、磷、钾及水分消耗的影响。结果表明,土壤消毒联合种植密度对油菜田杂草防除效果显著,对野燕麦、苦苣菜均有良好防效,总鲜重防效达到89.8%~100.0%。采取防除措施后,杂草对田间氮、磷、钾和水分的消耗量减少85%以上,有效改善了田间的水肥和光照条件。土壤消毒联合种植密度不同处理的油菜籽产量达到3155.0~4920.5 kg/hm^(2),增产效果显著,产量较未消毒土壤区增加13.3%~76.8%,增收1857.3~10684.8元/hm^(2)。研究表明采用土壤消毒结合种植密度对油菜田杂草具有很好的控制效果,适度增加油菜种植密度既能保证对杂草防效,同时也能保证产量。

细胞色素P450介导的杂草抗药性研究进展

细胞色素P450(cytochrome P450)是一类重要的亚铁血红素-硫醇盐蛋白超家族,属于单加氧酶,广泛分布于生物界中。研究发现P450主要具有“生物合成”和“生物解毒”两大功能,被誉为“万能的生物催化剂”。大多数除草剂在植物体内代谢的初始阶段即涉及植物细胞色素P450的作用。近些年,由P450介导的抗药性杂草呈多发态势,其复杂的抗性谱,给杂草化学防除带来了新的挑战。本文对P450分类命名、P450与除草剂代谢的关系、P450抗性鉴定手段、P450介导抗性杂草发生情况、与除草剂代谢有关的植物细胞色素P450基因克隆等内容进行了综述,旨在为该领域的相关研究提供参考。

除草剂不同时期应用对机直播稻田杂草的防除作用

为开发机直播水稻田高效安全的封闭除草剂,采用大田试验,比较了不同时期应用含有乙氧磺隆成分的除草剂对阔叶草和莎草科杂草的防除效果。结果发现,播种时同步喷施五氟·乙氧或混配乙氧磺隆与其他除草剂能够有效抑制机直播稻田阔叶草和莎草科杂草的萌发和生长,且对水稻出苗安全。机直播后10 d或15 d施用对阔叶草防效下降,但播种15 d后撒施0.65%五氟·乙氧控释颗粒剂97.5 g/hm^(2)对杂草防效较好,密度防效达到90%以上。表明采用五氟·乙氧或混配乙氧磺隆与其他除草剂防除机直播稻田阔叶草,越早施药效果越好。但如果因气候条件或其他因素影响错过施药窗口期时,撒施0.65%五氟·乙氧控释颗粒剂97.5 g/hm^(2)或喷施30%氰氟草酯112.5 g/hm^(2)+30%五氟·乙氧90 g/hm^(2)也可以防控绝大部分直播田杂草。

基于ViT-改进YOLOv7的稻田杂草识别

为解决光线遮蔽、藻萍干扰以及稻叶尖形状相似等复杂环境导致稻田杂草识别效果不理想问题,该研究提出一种基于组合深度学习的杂草识别方法。引入MSRCP(multi-scale retinex with color preservation)对图像进行增强,以提高图像亮度及对比度;加入ViT分类网络去除干扰背景,以提高模型在复杂环境下对小目标杂草的识别性能。在YOLOv7模型中主干特征提取网络替换为GhostNet网络,并引入CA注意力机制,以增强主干特征提取网络对杂草特征提取能力及简化模型参数计算量。消融试验表明:改进后的YOLOv7模型平均精度均值为88.2%,较原YOLOv7模型提高了3.3个百分点,参数量减少10.43 M,计算量减少66.54×109次/s。识别前先经过MSRCP图像增强后,与原模型相比,改进YOLOv7模型的平均精度均值提高了2.6个百分点,光线遮蔽、藻萍干扰以及稻叶尖形状相似的复杂环境下平均精度均值分别提高5.3、3.6、3.1个百分点,加入ViT分类网络后,较原模型平均精度均值整体提升了4.4个百分点,光线遮蔽、藻萍干扰一级稻叶尖形状相似的复杂环境下的平均精度均值较原模型整体提升了6.2、6.1、5.7个百分点。ViT-改进YOLOv7模型的平均精度均值为92.6%,相比于YOLOv5s、YOLOXs、MobilenetV3-YOLOv7、YOLOv8和改进YOLOv7分别提高了11.6、10.1、5.0、4.2、4.4个百分点。研究结果可为稻田复杂环境的杂草精准识别提供支撑。

李园杂草管理方式对土壤细菌群落和生态功能的影响

【目的】分析不同杂草管理方式对位于国家重点生态功能县的李园细菌群落结构和生态功能的影响,为李园土壤健康管理提供参考。【方法】以自然生草、人工生草、除草剂除草的李园和邻近天然槲栎次生林土壤为研究对象,提取土壤细菌DNA,对其ITS基因进行扩增,采用高通量测序和功能预测的方法研究细菌的多样性、群落结构及生态功能。【结果】不同处理OTU数量为2012~3522,细菌种类33门、108纲、242目、383科、667属。绿弯菌门、放线菌门、变形菌门和酸杆菌门为主要门类,在各处理中4个门的总丰度达到80%以上。多样性分析显示,天然林Ace和Chao指数显著低于李园的3个处理。群落组成和差异分析显示,天然林土壤酸杆菌优势比较大,病害细菌少,并有少量的有益细菌蛭弧菌;李园的鞘脂单胞菌相关病害的风险大,生草可在一定程度上提高芽孢杆菌等有益细菌的丰度,尤其自然生草比较明显。人工生草还有利于提高李园细菌的多样性,尤其是芽单胞菌的富集比较明显。使用除草剂的李园则主要富集了绿弯菌门的种类,而降低了苔藓杆菌的丰度。功能预测分析显示,土壤细菌新陈代谢最活跃,主要包括碳水化合物代谢和氨基酸代谢等,涉及化能异养、纤维素分解、固氮作用等功能。与其他处理比较,人工生草李园土壤硝酸还原功能较强、天然林土壤的木质素分解功能较强、除草剂处理的李园土壤甲基营养功能较强。【结论】天然林Ace和Chao指数显著低于李园,表现为土壤酸杆菌优势明显。不同杂草管理方式对李园土壤细菌群落结构和功能的影响较大,生草有利于李园有益细菌群落的建立。

基于农业大数据和深度学习的稻田杂草识别

为在稻田中准确高效识别杂草,从而支持选择性喷药或机器人除草,基于农业大数据技术和深度学习技术提出改进的YOLO v8杂草检测模型,即采用CBAM(convolution block attention module)注意力机制来增强YOLO v8网络对复杂环境中杂草特征的提取能力,同时使用EIOU(expected intersection over union)+DFL(distribution focal loss)提高YOLO v8检测框的回归效率,并通过模型对比试验验证了改进YOLO v8模型的有效性。结果表明,改进YOLO v8模型在测试集上的均值平均精度(mean average precision,mAP)达到98.2%,相比YOLO v8提高了4.4百分点,且在参数量和计算量方面仅有微小增加。相比YOLO v3、YOLO v4、YOLO v5、YOLOX、YOLO v7,其mAP分别提高24.8、21.9、14.8、21.3、8百分点。在模拟不同光照条件的测试中,改进YOLO v8模型表现出较强的泛化能力,精度(precision,P)、召回率(recall,R)和mAP保持在88.1%以上。此外,在测试环境复杂的条件下,改进YOLO v8模型对6种杂草的识别显示出卓越的鲁棒性和泛化能力,P达到94.2%以上,R达到95.7%以上,AP均达到95.2%以上。综上,本研究提出的改进YOLO v8具有更少的参数和计算量,同时克服了现有稻田中杂草识别方法的局限性,可为稻田中的杂草控制工作提供技术支持。

不同除草剂对豌豆田杂草的防除效果评价

杂草严重影响豌豆产量和品质,制约豌豆产业发展。为了筛选安全、高效的除草剂,选用3种芽前土壤封闭除草剂和6种苗后茎叶处理除草剂,在大田试验条件下进行作物安全性及杂草防除效果评价。结果显示,480 g/mL氟乐灵乳油和460 g/mL 2-甲-灭草松可溶液剂防效较好,施药后30 d株防效分别为76.88%、64.52%,施药后60 d株防效分别为75.86%、66.98%,鲜重防效分别79.59%、71.43%。24%乙氧氟草醚乳油对豌豆产生轻微药害;250 g/mL氟磺胺草醚水剂药害较重,严重抑制豌豆生长,应慎用。建议豌豆田杂草防除优先选用480 g/mL氟乐灵乳油和460 g/mL 2-甲-灭草松可溶液剂。

毕节山地玉米田间杂草种类及危害程度调查

为明确毕节山地玉米种植区田间杂草的组成以及群落结构特征,采用倒置“W”九点取样法于2023年7月对毕节地区的玉米田杂草发生种类及危害情况进行调查。结果表明,毕节地区玉米田杂草184种,隶属于47科140属,其中双子叶杂草153种,单子叶杂草31种,分别占样方中杂草种类的83.16%和16.84%。优势杂草主要有菊科(共37种,占20.11%)、禾本科(共24种,占13.04%)、蓼科(共16种,占8.70%);通过优势度分析,相对多度最大的是升马唐,为31.49,其次是粗毛牛膝菊和狗尾草,分别为28.43和27.69。发生广泛且危害严重的有粗毛牛膝菊、升马唐、狗尾草、繁缕、鬼针草;其次是腺梗豨莶、细柄野荞麦、阿拉伯婆婆纳、尼泊尔蓼、野艾蒿、酢浆草、铁苋菜、裂苞铁苋菜、藜、打碗花、小蓬草、牛筋草、野草香、反枝苋和续断菊。

基于改进YOLOv8卷积神经网络的稻田苗期杂草检测方法

针对田间自然环境拍摄下稻田背景复杂,苗期杂草图像尺寸过小、识别定位不准确等问题,提出了一种改进YOLOv8卷积神经网络的苗期杂草检测方法。参照PASCAL VOC数据集格式,构建了一套专用的数据集。首先,在网络卷积过程中加入DenseNet(密集连接网络)更好地对杂草特征进行提取,优化梯度消失问题。然后,添加CBAM(Convolutional block attention module)注意力机制改善模型对小尺寸的敏感度。最后,使用WIOU(Weighted intersection over union)损失函数来优化原网络中的损失函数,提升模型对检测目标的定位能力。在试验中,将改进的算法与Faster R-CNN、SSD(Single shot multiBox detector)以及原始YOLOv8等算法进行了性能对比。结果显示,改进算法明显优于其他算法,在测试集上的平均精度均值和检测速度分别达97.0%和100.3帧/s。这种高精度和快速的检测能力满足了精准农业中对快速、精准检测的需求。该算法为机械设备快速识别苗期杂草、精准喷洒农药提供了重要的理论和技术支持。

洁田稻稻田杂草防控及杂草稻种群耐药性研究

为探索咪唑啉酮类除草剂对洁田稻稻田常规杂草和杂草稻的防治效果及不同杂草稻种群对咪唑乙烟酸的耐药性,采用大田试验在不同时期喷施不同浓度的咪唑乙烟酸水剂防治田间不同杂草及室内盆栽试验鉴定杂草稻耐药性。结果表明:咪唑乙烟酸在水稻播后20 d施用,对田间杂草稻具有较好的防效,1 200 mL·hm^(-2)咪唑乙烟酸对田间杂草稻的防效达92.8%。过早施药对杂草稻防效普遍低于90%,过晚施药需加大剂量才能达到较好的防效。咪唑乙烟酸供试中、高浓度对稗草和千金子具有较好的防效,而对多花水苋和丁香蓼等阔叶杂草防效较差。耐药性鉴定结果表明,不同区域的杂草稻种子对咪唑乙烟酸较敏感,未产生明显的耐药性。

基于改进Detection Transformer的棉花幼苗与杂草检测模型研究

基于深度学习的目标检测技术在棉花幼苗与杂草检测领域已取得一定进展。论文提出了基于改进Detection Transformer的棉花幼苗与杂草检测模型,以提高杂草目标检测的准确率和效率。首先,引入了可变形注意力模块替代原始模型中的Transformer注意力模块,提高模型对特征图目标形变的处理能力。提出新的降噪训练机制,解决了二分图匹配不稳定问题。提出混合查询选择策略,提高解码器对目标类别和位置信息的利用效率。使用Swin Transformer作为网络主干,提高模型特征提取能力。通过对比原网络,论文提出的模型方法在训练过程中表现出更快的收敛速度,并且在准确率方面提高了6.7%。