高光谱成像的非烟物质分类识别研究

  目的  利用高光谱成像技术和机器学习方法对烟叶中的非烟物质进行分类识别。  方法  使用可见—近红外高光谱成像技术,采用归一化（Normalization）、标准正态变化（SNV）、多元散射校正（MSC）、一阶导数（FD）、卷积平滑（SG）对光谱数据进行预处理,通过连续投影变换（SPA）和主成分载荷（PCA loadings）进行特征波长选择,并应用随机森林（RF）、Softmax和支持向量机（SVM）建立分类模型。  结果  SNV为最佳光谱预处理方法,SPA选择特征波长建立的SVM模型为最优模型,训练集和测试集正确率分别为99.82%和99.47%。  结论  高光谱成像技术结合SPA-SVM模型可以有效分类识别烟叶中的非烟物质。      

基于机器视觉的卷烟小盒商标纸表面缺陷在线检测技术

  目的  为检测卷烟小盒商标纸表面多种质量缺陷,提高缺陷检测准确率和检测速度。  方法  以标准图像的定位点通过偏移和相似度量实现快速定位配准,并改进图像差分算法进行实验。  结果  （1）待测图像与标准图像存在一定的偏移,其中最大偏移量为3.6 mm,最大偏移角度为2.1°,最快配准99张图像只需2.484 s。（2）传统差分算法检测图像速度为18.24 s,改进算法检测最快速度为15.62 s,改进后的平均准确率提高了15.23%。  结论  卷烟小盒商标纸表面缺陷在线检测技术速度快、准确率高,减轻了人工检测商标纸的工作量。      

基于深度学习的条烟分拣线上烟包错配识别系统的构建

  背景  条烟分拣线上,条烟长边相邻并排摆放形成一层,多层叠加形成烟包,与订单相比,烟包可能存在少烟、多烟、品规错误等问题,目前采用的人工检查方式效率较低,且难以完全避免错误发生。本研究的目的是构建烟包错配识别系统。  方法  采用由工业相机镜头和光源构成的机器视觉系统采集成品烟包侧面与顶面图像,以基于深度学习的物体定位和识别技术获取烟包中条烟的数量与品规,与物流上位系统订单数据比对,自动识别与提示错误烟包。  结果  （1）实际使用中烟包识别成功率≥99.99%,识别耗时≤300 ms。识别过程与原有工作步骤并行,增加识别系统不降低分拣效率。（2）系统上线运行至今有效避免了烟包连续出错和返工问题。（3）识别系统可以减轻搬运工人的工作负担,进而提高工作效率。  结论  采用深度学习机器视觉系统自动化识别烟包品规,可以提升烟草物流条烟分拣的质量和效率。      

生防菌株LB-1对烟草白粉病的抑制效果及对病菌孢子萌发的影响

  目的  为检测近缘毛壳菌（Chaetomium subaffine）LB-1对烟草白粉病的抑制效果。  方法  以中烟90为供试烟草品种,分析了LB-1对烟草白粉病的抑制效果及对病菌分生孢子萌发的影响。  结果  LB-1菌悬液叶面处理对供试烟草盆栽苗和离体叶段白粉病的发生无明显影响,但LB-1发酵液叶面喷施盆栽苗和浸蘸处理离体叶段均能显著抑制烟草白粉病的发生,防效和抑制率分别为44.90%和53.11%;显微镜检发现,LB-1发酵液能够引起白粉病菌孢子的皱缩和畸形。  结论  近缘毛壳菌株LB-1可用于防治烟草白粉病。      

石墨炉原子吸收光谱法测定加热卷烟烟草材料中的四种痕量元素

  目的  建立石墨炉原子吸收光谱法（GF-AAS）测定加热卷烟（HTP）烟草材料中铅、镍、铬、镉含量的检测方法。  方法  考察样品前处理条件、灰化温度、原子化温度对检测结果的影响,采用加标回收和重复性试验验证检测结果的准确性和精密度。  结果  （1）四种元素工作曲线线性良好（r2 > 0.999）;（2）Pb、Ni、Cr、Cd加标回收率为93.7%~105.7%,RSD≤5.0%（n=6）,方法检出限分别为0.076、0.025、0.015、0.006 mg/kg。（3）9种加热卷烟烟草材料中Pb、Ni、Cr、Cd元素平均含量分为0.97、1.07、1.28、1.80 mg/kg。  结论  该方法操作简单、成本较低,同时精密度和准确性较高,适用于大批量加热卷烟烟草材料中的4种痕量元素的含量测定。      

沉默2b基因获得抗黄瓜花叶病毒(CMV)的转基因烟草

  目的  本研究利用dsRNA技术沉默2b基因,获得烟草品种云烟85的T₁代转基因抗CMV株系。  方法  构建含有CMV 2b部分序列反向重复的植物表达载体pBIN-2b（r）-In-2b（i）,以农杆菌介导的叶盘法转化普通烟草（Nicotiana tabacum）品种云烟85。  结果  抗性筛选获得112株T₀代转基因阳性植株,接种CMV进行抗病性鉴定,发现有46株T₀代转基因植株表现为抗病,其他66株表现为感病。Tas-ELISA检测表明,T₀代抗病烟株的病毒积累量显著低于感病烟株。选取10个T₀代抗病株系繁殖,接种CMV鉴定T₁代抗病性,发现部分T₁代烟株发生一定比例的抗感分离,T₁代抗性株率为46.7%~100%。Real-time PCR检测T₁代烟株,发现T₁代抗病烟株CMV 2b基因RNA积累水平显著低于感病烟株。  结论  基于以上策略及实验,获得抗CMV转基因烟草株系。      

烟草五种土传病原菌的多重PCR快速检测

  目的  建立一种可同时检测烟草黑胫病菌（Phytophthora parasitica）、青枯病菌（Ralstonia solanacearum）、立枯病菌（Rhizoctonia solani）、根腐病菌（Fusarium oxysporum）和根黑腐病菌（Thielaviopsis basicola）5种烟草重要土传病原菌的五重PCR快速检测方法。  方法  筛选5种病原菌的特异性引物组合,通过不同的引物浓度和退火温度对多重PCR体系进行优化,检测体系的灵敏度,并对土壤和植株样品进行测试,验证其实用性。  结果  根据青枯病菌fliC基因、立枯病菌RPB2基因、根腐病菌COI基因以及根黑腐病菌TEF1基因设计特异性引物,并结合已报道的黑胫病菌parA1基因的特异性引物,成功建立5种烟草土传病害的多重PCR检测方法。反应体系（25 μL）:Sf1/Sr1、Ff1/Fr1、Pf1/Pr1每条引物分别0.3 μL,Rf1/Rr1每条引物各1.8 μL,TBf1/TBr1每条引物各1 μL,2×PCR Mix 12.5 μL,退火温度为58℃,灵敏度可达到100 pg/μL。  结论  本研究建立的多重PCR体系能够同时快速检测烟草黑胫病菌、青枯病菌、立枯病菌、根腐病菌和根黑腐病菌以及田间带菌烟草病株和土壤,为田间烟草土传病害的早期诊断提供依据。      

云南省烟草镰刀菌根腐病菌遗传多样性分析

  背景和目的  尖孢镰刀菌（Fusarium oxysporum）引起的根腐病是烟草主要的土传病害,在云南烟区普遍发生。为分析云南省不同地理来源尖孢镰刀菌的遗传差异性和亲缘关系。  方法  采用ISSR（inter-simple sequence repeat）和SRAP（sequence- related amplified polymorphism）分子标记技术分析40株菌株遗传多样性。  结果  （1）采用ISSR技术,供试的7条引物共扩增出53条条带,其中多态性条带44条,平均多态性条带83.02%。菌株间的遗传相似系数为0.49~0.96,存在遗传背景差异。遗传相似系数为0.68时,40株菌株可分为3个类群。（2）采用SRAP技术,供试的7对引物共扩增出44条条带,其中多态性条带32条,平均多态性条带72.73%,菌株间的遗传相似系数为0.55~0.96。遗传相似系数为0.70时,40株菌株可分为3个类群,结果与ISSR一致。  结论  云南省烟草尖孢镰刀菌菌株间遗传差异大,ISSR和SRAP分子标记技术可用于烟草尖孢镰刀菌的遗传多样性分析。      

烟草病虫药害智能识别基准数据集构建及三维注意力模型设计

为了实现烟草病虫药害图像智能识别,本文构建了可供机器学习研究的烟草病虫药害图像数据集,并提出了三维注意力加权模型。在结合烟草专家诊断知识的基础上,本文使用多种数据增强方法提高数据多样性,对烟草病虫药害图像数据集构建进行合理化、规范化设计。在使用深度迁移学习技术进行自动提取浅层特征的基础上,设计了三维注意力权重学习模块,进行高层特征计算,实现田间拍摄图像的精准识别,平均识别准确率达到了85.56%,明显优于其他现有方法。该模型不仅在烟草病虫药害识别方面表现出了较高精度,在复杂农业生产环境下也具有较好的鲁棒性,能够实现烟草病虫药害图像实时智能识别。      

基于文献计量学的烟草基因组研究知识图谱分析

  目的  明确烟草基因组领域研究现状、发展历程、重点前沿及未来研究的方向。  方法  运用文献计量学,结合CiteSpace文献可视化软件,对中国知网（CNKI）和Web of Science两个数据库中的烟草基因组研究文献进行数据挖掘。  结果  （1）近年来关于烟草基因组研究的文献发文量增加速度快,总体呈上升趋势。（2）中国与美国的文献在发文量和影响力方面占据优势地位。（3）国内研究学者以童治军、肖炳光和龚达平及其团队在基因组方面研究较为突出,作者之间合作关系密切,国外作者Sierro等人的文献在该领域有很高的影响力。（4）得益于测序技术的发展,烟草基因组研究在基因标记技术、基因的鉴定与分析、基因组测序和基因组图谱绘制等方面取得了丰硕的成果,同时在烟草抗性研究、烟叶病毒和农艺性状改良等方面应用广泛。  结论  我国烟草基因组研究已跻身世界前列,有力推动了现代烟叶的发展以及优质烟草品种的培育。      

基于YOLOv3的多类烟草叶部病害检测研究

烟草叶部病害种类繁多,病理复杂,严重影响烟草产量及品质,烟草病害精准检测是烟草病害及时防治的前提。传统检测方式精准性差、效率低,基于深度学习的算法可提高烟草病害检测准确性。本文以5种较为常见的烟草病害（普通花叶病、黄瓜花叶病毒病、赤星病、烟草野火病、气候性斑点病）为研究对象,构建基于YOLOv3的烟草病害检测模型,实现烟草多类病害的精准快速检测。使用Darknet53特征网络提取烟叶病害特征并将不同尺度病害特征融合,并用K-means++算法对融合后特征进行分类和位置预测,通过非极大值抑制算法（NMS）去除冗余框,得到病害区域预测框。用田间实际采集的烟草病害数据集,对构建的YOLOv3病害检测模型与SSD（Single Shot multibox Detector）模型对比测试。结果表明,YOLOv3的mIoU为0.81,明显优于SSD的0.73,且YOLOv3模型的mAP为0.77,也高于SSD的0.69。本研究构建的YOLOv3烟草病害检测模型能有效定位烟叶病害区域,实现多类烟草病害的检测,为精准病害防治提供参考。     

陕西烟田病害种类调查

以烟田系统调查为主要手段明确了2010-2014年陕西烟区的主要病害种类、分布及其发生程度。结果表明,危害陕西省烟田的主要病害有16种,其中烟草真菌性病害6种：烟草猝倒病、烟草赤星病、烟草根黑腐病、烟草灰霉病、烟草白粉病和烟草黑胫病;烟草细菌性病害3种：烟草青枯病、烟草野火病和烟草角斑病;病毒性病害5种：烟草黄瓜花叶病毒病（CMV）、烟草马铃薯Y病毒病（PVY）、烟草蚀纹病毒病（TEV）、烟草普通花叶病毒（TMV）、烟草脉带花叶病毒（TVBMV）;线虫病害1种：烟草南方根结线虫病;烟草非侵染性病害1种：气候性斑点病。     

河南烟区烟草根茎类病害调查及病原鉴定

为明确病害发生分布及病原种类,对河南省11个烟叶产区烟草根茎类病害进行了普查,采集644份典型病害样本,通过综合形态学特性分析、分子鉴定及致病力测定对分离病原菌进行了鉴定.结果表明,镰刀菌属(Fusarium spp.)真菌的平均检出率最高,占52.60％,其次是疫霉菌(Phytophthora nicotianae)...     

闽西烟区主要病害及其综合防治技术体系

通过对闽西烟区主要病害调查发现侵染性病害主要是烟草炭疽病、烟草病毒病(含TMV、CMV、PVY、TRSV、TEV、TLCV)、烟草黑胫病、烟草赤星病、烟草青枯病,非侵染性病害主要有烟草气候斑点病和缺素症等。同时,结合当地生态条件和有关试验及调查结果,提出综合防治技术,该技术对烟草重要病虫害的防治具有较好效果。     

河南烟草主要病毒发生种类及侵染类型分析

为进一步明确河南烟区主要病毒种类及侵染类型,2020年从河南9个烟区分别采集疑似烟草普通花叶病毒(TMV)、黄瓜花叶病毒(CMV)、马铃薯Y病毒(PVY)和烟草蚀纹病毒(TEV)侵染的烟草样本共407份,分别利用上述4种病毒的特异性引物进行单重RT-PCR病原检测。检测结果表明,河南烟区病毒病样本的总检出率为98.28%,其中,检出率最高的是CMV为89.19%,其余依次为TMV 63.88%、PVY 28.99%和TEV 24.32%。侵染类型分为单一病毒侵染和复合病毒侵染,单一病毒侵染率为23.34%,该侵染类型中CMV所占比例最高,为16.71%;复合病毒侵染率为74.94%,复合病毒侵染类型中CMV+TMV所占比例最高,为36.86%,其次分别为CMV+TMV+PVY和CMV+TEV+PVY两种侵染类型,侵染比例均是7.62%。因此,CMV是2020年河南烟区的优势病毒,田间侵染以复合病毒侵染为主,侵染类型主要有CMV+TMV、CMV+TMV+PVY及CMV+TEV+PVY。     

高精度轻量级烟叶烘烤阶段识别模型研究

【背景】实时的烟叶状态识别和烘烤阶段判别是实现烘烤工艺精准调节和建立烟叶智能烘烤系统的关键技术。目前烟叶烘烤状态识别方面的研究受到模型规模的制约,难以应用于实际生产,因此有必要研究高精度轻型识别模型。【过程】采用工业摄像头和补光灯组成的图像采集系统采集烘烤过程的烟叶图像,通过伽马变换和HSI颜色空间转化并对烟叶数据集进行处理,使用改进的轻量级EfficientNetB0模型进行训练,并在Jetson Nano嵌入式开发板上进行模型可行性测试。【结果】改进模型在测试集上的准确率达到了96.13%,参数量仅为2.74 M,相比于原始EfficientNetB0,改进模型的识别准确率提高了1.59%,参数量减少了48.50%。在Jetson Nano开发板上,相比于MobileNetv2、MobieleNetv3等轻型模型,改进模型的识别速度和准确率均有明显提升。【结论】改进的EfficientNetB0模型可以实现烟叶烘烤阶段的快速、精准识别。同时本研究可为烟叶智能烘烤系统的建立提供了理论依据和现实参考。     

山东、河南烟草病毒病发生种类、发病规律研究

受干旱和异常气候的影响,目前逐年加重的烟草病毒病已成为北方地区烟草生产的制约因素。为进一步研究有效防治病毒病的途径,于2000~2002年对河南、山东主产烟区烟草病毒病的发病情况进行了详细调查和病毒种类检测。结果表明,PVY、CMV是危害该地区的主要病毒种类,TRSV近几年已经成为该地区又一重要病毒。结合烟草病毒病的发生规律,对烟草病毒病的防治对策及生产中急需解决的问题作了探讨。      

纳米硒化荧光假单胞菌KBD-1菌株对烟草病毒病的抑制作用

为挖掘具有纳米硒化能力的生防菌株,开发烟草病毒病的绿色防治材料,从烟草病毒病重病田块健株根际土壤中筛选获得到一株荧光假单胞菌Pseudomonas fluorescens KBD-1,对其进行了纳米硒化,采用Real-time PCR和Western blot测定了两者对烟草常见病毒基因表达的影响,并采用接种法测定了其对烟株相应病毒病的防治作用。结果表明,纳米硒化后的KBD-1菌体外部存在高密度电子颗粒,在X射线11.22 keV处出现硒的特征吸收峰。纳米硒化后的P.fluorescens KBD-1菌液浓度在5×10⁵ cfu/mL（单质硒浓度0.25 mg/L）时,对烟草花叶病毒（TMV）、马铃薯Y病毒（PVY）、黄瓜花叶病毒（CMV）、番茄斑萎病毒（TSWV）4种病毒病的防治效果均在88.0%以上,对CMV防治效果最高达91.4%,该浓度处理对烟株促生效果显著。荧光假单胞菌KBD-1可成功将亚硒酸钠还原生成纳米硒,并能增强原始菌株的抗烟草病毒活性和促生效果。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

四川烤烟赤星病的生物学特性及药剂筛选

为明确四川烤烟赤星病发生规律和生物学特性并筛选高效防治药剂,连续3年在四川省泸州市、凉山州、攀枝花市、广元市、宜宾市等5个主要植烟区对烟草赤星病发生情况进行调查,并在烟叶成熟期采集典型患病烟叶进行病原菌分离培养,通过宏观形态学、显微形态学及分子生物学鉴定其种类并测定菌落生长速率和萌发率,同时在烟田开展烟草赤星病高效防治药剂筛选。结果表明,5个烟区采集的赤星病样均属于链格孢属（Alternaria spp.）真菌,各烟区所采集分离的赤星病菌在SDAY培养基上菌落直径、产孢量和萌发率差异均不显著。5个烟区均发生烟草赤星病,整体发病规律为：每年6月底至9月初,烟田病情指数随着时间的推移逐渐增加,每年8月份,5个植烟区烟草赤星病病情指数显著高于7月份并趋于峰值。10%苯醚甲环唑水分散粒剂和40%菌核净可湿性粉剂对烟草赤星病均有较好的防治效果（防效均大于60%）。