新型杀菌剂叶菌唑对小麦几种病害的室内毒力测定及应用

[目的]验证叶菌唑对小麦病害的生物活性和防效。[方法]室内活性测定和大田试验方法,测定叶菌唑对小麦赤霉病菌、小麦白粉病菌和小麦锈病的活性。[结果]室内活性测定结果表明:叶菌唑对小麦赤霉病菌、小麦白粉病菌和小麦锈病有优异的杀菌活性,其EC50值分别为0.101、1.08、1.21 mg/L,活性高于对照药剂己唑醇和三唑酮。田间小区试验结果表明,叶菌唑在30~90 g a.i./hm2的处理剂量下,施药1~2次,对小麦白粉病具有较好的防治效果,防效在85.72%~96.09%之间。[结论]为叶菌唑防治几种小麦病原菌的大田防治提供了剂量筛选依据。     

新型双酰胺化合物HNPC-A102对蓟马的田间防治效果

采用喷雾法研究了新型双酰胺类化合物HNPC-A102对蓟马的田间防治效果。田间药效试验结果表明:30～60 g a.i./hm²剂量下,药后1 d,HNPC-A102对茄子蓟马防效达86%以上,与同等剂量对照药剂溴氰虫酰胺相当;药后8 d,HNPC-A102对茄子蓟马防效达95%以上,溴氰虫酰胺防效均不足35%;药后13 d,HNPC-A102对茄子蓟马仍保持89%～95%的防治效果。HNPC-A102能够有效防治蓟马,且速效性及持效性好,对作物安全,具有进一步研究开发价值。     

多边形近似及形状特征匹配的二维目标检测

在计算机视觉中形状是目标识别和检测的重要特征,而目标边缘是形状特征最直接的表现,因此基于边缘信息进行形状特征描述是最直接有效的方法.针对目前大多数形状特征描述的全局性以及对旋转、缩放等变化的敏感性,采用一种基于目标近似多边形的形状特征描述,这种描述方式具有局部性和紧凑性,同时结合运动参数预测及递归估计的方法实现二维目标...     

N-联芳基酰胺类化合物的合成与杀菌活性研究

应用Suzuki偶联反应和缩合反应合成了8个结构新颖的N-联芳基酰胺类化合物,其结构经1HNMR、GC-MS进行了确证。初步杀菌活性研究结果表明所设计并合成的化合物具有一定的杀菌活性,如化合物9f和9g在500 mg/L剂量下,对小麦白粉病具有80%以上的防治效果;化合物9h在25 mg/L剂量下,对油菜菌核病菌的抑制活性达70%以上。     

发酵时间对安岳坛子肉风味及坛内细菌菌群结构的影响

为了解发酵时间对安岳坛子肉风味及坛内细菌菌群结构的影响,采集坛内发酵 20、40、60、75、90、105、120、135 d 的坛子肉和萝卜丝作为样品,利用 Illumina MiSeq 测序平台以及电子鼻、电子舌对样品的细菌菌群结构、风味进行检测分析。结果发现,16 组样品获得有效序列数平均为 38 247 条,发酵 60 d 时,坛内细菌菌群结构的多样性最高;发酵 75 d 时,坛内菌群多样性开始下降,且在随后的发酵时间内呈波动下降趋势;乳酸杆菌在坛内占有绝对优势,坛子肉发酵 90 d 后若再继续发酵,其细菌菌群组成会发生较大变化。电子鼻及电子舌检测发现,在气味上, 135 d 坛子肉、 75 d 坛子肉与其他坛子肉的差异较大（P＜0.01）;在滋味上,60 d 坛子肉与其他坛子肉差异较大（P＜0.01）。     

非酸性氧化型复配钻井液滤饼清洗剂的研究

针对滤饼清洗的特点,开发出一种新型的非酸性氧化型复配清洗剂,其主剂WJF-7为自行研制的一种有机过氧化物,其与高分子量聚合物接触时可产生氧自由基来氧化聚合物,使聚合物断链变为小分子的有机物而失去黏性,并将聚合物包裹黏附的膨润土、细目碳酸钙等无机物释放出来以便于清洗。通过利用自制的滤饼清洗装置进行研究,得到的最佳清洗液配方为:水+3%WJF-7+3%NaOH+0.03%十二烷基苯磺酸钠+0.5%三聚磷酸钠,用其清洗后滤饼的失重率最高达97.21%;得到的最佳清洗工艺:清洗时间为1 h,清洗流速为0.30 m/s,温度为70℃。滤饼清洗烘干后,通过做表面形貌的SEM和EDS分析,研究了清洗的机理。     

精甲霜灵和咯菌腈复配对烟草黑胫病菌的联合毒力

在实验室条件下,通过菌丝生长速率法测定了精甲霜灵和咯菌腈复配对烟草黑胫病菌(Phytophtora parasitica var.nicotianae)的联合毒力。结果表明:精甲霜灵和咯菌腈,分别以质量比为5:2、3:2、1:1、2:3和2:5复配的共毒系数CTC分别为149.74、167.80、134.13、142.35和167.20,综合增效作用考虑,3:2和2:5为精甲霜灵与咯菌腈混配的最佳配比。     

新除草剂HNPC-A9092对小麦田杂草的防除效果

对10%HNPC-A9092水乳剂进行了小麦田药效试验,结果表明HNPC-A9092对小麦田主要禾本科杂草均有较好的防治效果,同时对小麦安全。     

多模态硬币图像单应性矩阵预测

对不同成像条件下拍摄的硬币图像进行配准是硬币表面缺陷算法的前置任务。然而,基于互信息的传统多模态配准方法速度慢、精度低,现有的通过基于深度学习的单应性矩阵预测方法实现的图像配准只适用于单模态的任务。为此,提出一种基于深度学习的适用于多模态硬币图像的单应性矩阵预测方法,进而使用预测的单应性矩阵完成图像配准。首先,使用单应性矩阵预测层预测输入图像对间的单应性矩阵,使用单应性矩阵对待配准图像进行透视变换;然后,使用图像转换层将透视变换后的待配准图像和目标图像映射到同一域,图像转换层可在推理时去除从而减少推理时间;最后,计算同一域下的图像间的损失,并进行训练。实验表明,该方法在测试集上的平均距离误差为 3.417 像素,相较于基于互信息的传统多模态配准方法 5.575 像素的平均距离误差降低 38.71%。且配准单对图像耗时为 17.74 ms,远低于基于互信息的传统多模态配准方法的 6 368.49 ms。     

基于可变形卷积和自适应空间特征融合的硬币表面缺陷检测算法

针对硬币表面缺陷较小、形状多变且易与背景混淆而不易检出的问题,改进YOLOv3算法并提出基于可变形卷积和自适应空间特征融合的硬币表面缺陷检测算法DCA-YOLO。首先,由于缺陷形状的多变设计了3种在主干网络中不同位置添加可变形卷积模块的网络结构,通过卷积学习偏移量和调节参数来提高缺陷的提取能力;然后,使用自适应空间特征融合网络学习权重参数来调整不同尺度特征图中各像素点的贡献度以更好地适应不同尺度的目标;最后,改进先验锚框比例,动态调节类别权重,优化并对比网络性能,从而提出在主干网络输出特征进行多尺度融合的上采样前增加可变形卷积的模型网络。实验结果表明,在硬币缺陷数据集上,DCA-YOLO算法检测平均精度均值（mAP）接近于Faster-RCNN,达到了92.8%;而相较于YOLOv3,所提算法的检测速度基本持平,在检测mAP上提高了3.3个百分点,F1分数提升了3.2个百分点。