转基因烟草植株的检测

对采用叶盘法以质粒PBLGC为介导转化烟草的 3个品种 ,经Kan抗性筛选获得的 119株转化的烟草再生植株分别以启动子CaMV3 5S、几丁质酶基因和β -1,3 -葡聚糖酶基因的引物进行PCR检测 ,分别获得 91、72、47株阳性植株。其中 ,同时具有几丁质酶基因和 β -1,3 -葡聚糖酶基因的植株有 3 6株。对部分转化植株进行PCR -Southern杂交实验的结果表明 ,外源基因的转化频率与植物品种、外源基因片段的大小有关。又对 4株转基因植株后代 (T1)进行了PCR、PCR -Southern杂交 ,结果发现 ,几丁质酶基因和 β -1,3 -葡聚糖酶基因已经稳定地遗传给后代 ,但二者的遗传传递率不同 ,β -1,3 -葡聚糖酶基因似乎比几丁质酶基因更易于传递。另外 ,对转化植株T0 代几丁质酶活力检测结果表明 ,转基因植株中几丁质酶活力显著增强 ,含有几丁质酶基因和 β -1,3

基于多尺度卷积神经网络特征融合的植株叶片检测技术

植株叶片检测是植株科学培育和精准农业过程中重要的环节之一。传统植株叶片检测的做法对操作人员的专业知识提出了较高要求,且人工成本高、耗时周期长。基于此,提出基于多尺度卷积神经网络特征融合(MCFF)的植株叶片检测技术。从深度学习技术辅助植株培育的需求出发,基于多尺度卷积神经网络特征融合,针对莲座模式植物、拟南芥和烟草3种不同类型、不同分辨率的植株进行叶片计数检测。经过与其他主流算法的比较,发现MCFF具备较高的检测精确度,平均精度均值(mAP)为0.662,实现了高度竞争的性能(AP=0.946),各项指标接近实用水平。

基于改进Faster R-CNN的田间植株幼苗检测方法

为了准确检测田间植株幼苗,以实现植株幼苗的精准喷药施肥,提出了一种基于改进Faster R-CNN的植株幼苗检测方法。以Faster R-CNN结构为基础设计植株幼苗检测网络,将ResNet50网络作为共享卷积层,并将Dropout层引入到Fast R-CNN网络的全连接层之间,用月季苗图像对网络进行训练生成模型。结果表明,改进的Faster R-CNN模型对月季苗的检测准确度可达96.5%,召回率达到95.35%,而且对其他种类植株幼苗如玫瑰和番茄幼苗也具有良好的检测能力。改进的网络模型的泛化能力强,收敛速度快,有助于自动化植保机械的研发。

基于K-means和近邻回归算法的Kinect植株深度图像修复

针对Kinect传感器应用于农业植株检测产生的图像噪声问题,特别是由光线以及传感器自身局限导致的匹配图像目标植株数据的缺失,提出一种基于K-means和近邻回归算法的植株深度检测图像修复方法。首先对Kinect传感器获取的彩色RGB图像进行阈值分割预处理提取植株目标区域,再利用K-means聚类算法去除背景噪声,使得植株目标区域轮廓更加清晰;然后基于配准的彩色图像和深度图像,对获取的深度图像中可疑像素点的深度数据采取近邻回归算法进行修复,再将修复后的深度图像与目标分割后的彩色图像进行植株区域的匹配,并进行二次近邻回归算法修正错误的深度数据,最后获取目标植株深度信息的检测图像。试验结果证明,采用RGB阈值分割和K-means聚类算法植株目标区域分割误差均值为12.33%,比单一RGB阈值分割和K-means聚类分割误差降低了12.12和41.48个百分点;同时结合聚类后的彩色图像对深度数据进行两次近邻回归算法修复深度数据,能够提高深度数据边缘的清晰度,单帧深度数据空洞点进行修复数据的准确度提高。该研究结果可为农业植株检测、植株三维重构、精准对靶喷雾等提供参考。

烟草转基因研究进展

综述了近十年来的烟草转基因研究各方面取得的进展和存在的问题。重点对烟草转基因方法、外植体选择、烟草转抗旱基因研究、转抗病基因研究、转抗寒基因研究、转耐盐基因研究、转抗虫基因研究、转抗金属逆境基因研究和其它烟草转基因相关领域研究现状进行综述,探讨了目前烟草转化工作中存在的问题并对其进行展望。

农杆菌介导OsWRKY45基因转化油菜的研究

干旱严重影响油菜的生长,降低油菜籽的产量,造成严重的经济损失。利用农杆菌介导法把具有抗旱作用的OsWRKY45基因转入油菜获得到转基因植株,经PCR检测OsWRKY45基因已整合到油菜基因组DNA。不同品种的不同外植体的转化率不同,花油7号的抗性植株获得率稍高于湘油15,下胚轴的抗性植株获得率是愈伤组织的2倍,花油7号下胚轴的抗性植株获得率高达10.9%。干旱胁迫表明高表达OsWRKY45转基因植株的抗旱性有明显的提高。