基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

防治畜类寄生线虫的又一阿维菌素类化合物--道拉菌素

道拉菌素是利用生物突变合成方法得到的新型阿维菌素族广谱杭寄生虫药。它的化学结构和作用机制与依维菌素相似。试验证实道拉菌素在低剂量下对多种体内外寄生虫具有良好的防治效果。     

松材线虫病害高光谱时序与敏感特征研究

采用高光谱仪ASD FieldSpec Pro FR,连续观测了健康和发病马尾松针叶的时序高光谱,分析了松材线虫病害光谱的时序特征、敏感时期和敏感特征。结果表明:与健康马尾松相比,病害马尾松时序光谱差异较大;病害首先造成红边区域内光谱反射率减低,然后再出现红边蓝移的2阶段光谱变化规律;感染松材线虫的马尾松9月初已经出现了病态植被典型的光谱特征;近红外平台内最大的一阶微分值、红边内一阶微分的总和(SDr)与蓝边内一阶微分的总和(SDb)的比值等是指示病害发生的显著性高光谱特征。     

基于阈值分割的松材线虫病树计数与定位

松材病虫病是最紧迫的威胁之一,最近对中国针叶林造成了严重破坏,为了阻止松材病虫病的快速传播,必须在早期准确检测和计数受感染的树木。提出了一种基于密度图的方法,用于从高分辨率航拍图像中估计具有松材病虫病的树木数量,方法引入了阈值分割、形态处理和超像素技术,以最大限度地减少由于建筑物和岩石等相似背景物体引起的误差。实验表明,所提出的方法优于密度学习 算法,平均绝对误差、均方根误差和绝对误差方差分别从21.3、22.2和127.2减少到8.0、11.7和59.6,计数准确率从54.7%提高到81.3%。     

太阳能消毒“闷死”根结线虫

近年来,随着设施蔬菜栽培面积迅速扩大,由于连作栽培时间的延长,根系自毒产物增多,蔬菜根结线虫的为害发生严重,有的大棚甚至绝收。     

微生物农药及产业化发展

系统介绍了微生物杀虫剂、微生物杀菌剂、微生物除草剂、微生物生长调节剂、微生物杀线虫剂以及微生物植物农药等微生物农药，重点阐述了我国微生物农药的研究现状、产业化进展以及发展趋势。