苹果叶片

摘要： 据《Scientia Horticulturae》的一篇研究报道(https://doi.org/10.1016/j.scienta.2022.110975),来自波兰国家园艺研究所的研究人员研究了土壤施用肥料和微生物对苹果叶片大量和微量元素含量的影响。研究人员于2018—2020年评估了细菌和真菌接种物对Sampion苹果树营养状况的影响。研究人员设计了双因素试验:(i)施肥(不施肥或施用含氮、磷、钾的矿物肥);(ii)施用有益微生物(不施用,施用真菌或细菌)。供试有益土壤真菌的混合物包含黑曲霉和淡紫紫孢菌。有益细菌的混合物含有3种芽孢杆菌(芽孢杆菌、解淀粉芽孢杆菌和多粘类芽孢杆菌)。于8月采集叶片样品进行矿物质含量和叶绿素(SPAD指数)分析。

摘要： 花叶病、斑点落叶病、褐斑病、白粉病、黄蚜、浅叶蛾和红蜘蛛是常见的苹果叶部病虫害,严重影响了苹果的产量和品质。病虫害早期诊断和防治可以有效地控制病害传播,降低损失,保障苹果产业的健康发展。为解决现有轻量级模型无法精准识别早期苹果叶部稀疏小病斑的问题,该研究面向资源受限的移动端设备,提出一种轻量级识别模型ALS-Net(Apple Leaf Net using Channel Shuffle)。在轻量化模型(ShuffleNetV2)的基础上,基于深度可分离卷积和通道混洗构建ALS模块,可降低模型的计算量和参数量。其次,采用知识蒸馏策略训练模型,进一步提高网络精度。试验结果表明,ALS-Net的模型精度可达99.43%,且模型大小仅为1.64 MB。移动端推理延迟为55 ms,能够有效满足实际应用需求,并实现基于移动端的苹果叶部病虫害自动实时监测。

摘要： 以苹果、番茄、黄瓜的叶片为试材,采用连续流动分析法,研究了消煮液酸种类和待测液酸度、燃气种类、燃气压力、助燃气压力、吸样时间、清洗时间等条件对钾检测结果的影响。结果表明:样品消煮液酸度控制在5%以内,以丙烷为燃气,燃气压力0.07 MPa,助燃气压力15 psi(1 psi=6897 Pa),吸样时间40 s,清洗时间50 s,该条件下,钾检测结果的相对标准偏差小于2%,结果的重复性比较好。同时,样品的检测速率提高了32%,因此优化后的条件可用于植物总钾的快速测定。

摘要： 为研究不同苹果品种叶片耐热阈值及高温下生理生化变化,以王林、富士、嘎拉的新梢为试材,在人工模拟高温环境下,研究了热害症状出现的时间、热害率及热害指数,并分析了叶片相关生理生化指标变化.结果表明,王林、富士、嘎拉叶片的耐热阈值温度分别为41、43、44°C.田间王林叶片的受害率和受害指数最高,分别为53.50％ 和18.05,嘎拉叶片的受害率和受害指数最低,分别为5.36％和1.57.随高温时间的延长,3个苹果品种叶片叶绿素含量均表现出逐渐降低的趋势;O-2·、丙二醛含量和相对电导率则持续升高;可溶性蛋白含量和超氧化物歧化酶、过氧化物酶活性均呈现出先升高后降低的规律,且在高温胁迫6 h达到峰值.综合分析认为,阈值温度影响了3个苹果品种叶片的形态及正常的生理代谢,随着高温胁迫时间的延长,苹果叶片叶绿素降解,膜脂过氧化加重,抗氧化酶活性增加,苹果叶片的生理代谢变化明显.

摘要： 以苹果红富士秋季新发嫩叶为材料,研究不同消毒剂对叶片愈伤组织的影响.分别用10％NaClO2+吐温-80、0.1％HgCl2、50 mg·L-1纳米银处理嫩叶,处理时间为8 min,诱导培养基MS+2,4-D 2.5 mg·L-1+6-BA 0.5 mg·L-1+KT 0.1 mg·L-1+维生素 C 2 g·L-1,温度25°C,光照 1000～1200 Lx,光照4 h·d-1.结果表明,从对苹果叶片消毒效果、叶片损害、愈伤组织诱导能力等综合来看,10％NaC1O2+吐温-80的消毒效果最理想.

摘要： 抗生素是20世纪最伟大的科学发现之一,但反复使用和滥用微生物产品会破坏人体微生物群,影响身体健康。过度使用抗生素已导致一些微生物产生了耐药性,并产生了"超级细菌"来压制抗生素。植物是否也会产生耐药性和"超级细菌",最终我们的食品中也会产生"超级细菌"呢?研究人员安娜·沃利斯博士及其同事对该问题展开了研究,具体研究了链霉素对苹果叶片内生细菌群落的影响。

摘要： 以四年生"王林""嘎拉"盆栽苹果树为试材,采用人工模拟高温的方法,研究了高温胁迫对苹果叶片生理生化指标的影响,以期为苹果叶片热害的深入研究提供参考依据.结果 表明:12 h时,"王林"新梢叶片的热害率和热害指数分别为27.96％和5.59,高于"嘎拉"新梢叶片的热害率(23.33％)和热害指数(4.67).高温胁迫下,2个品种叶片叶绿素含量均表现出逐渐降低的趋势;随着高温时间的延长,2个品种叶片的净光合速率均逐渐下降,胞间CO2浓度逐渐升高,气孔导度和蒸腾速率均表现出先升高后降低的趋势,且在3h时达到峰值.超氧阴离子产生速率、丙二醛含量和相对电导率则持续升高;可溶性蛋白质含量和超氧化物歧化酶、过氧化物酶活性均呈现出先升高后降低的规律,且在高温胁迫6h达到峰值.

摘要： 针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题,结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法.首先采用深度学习方法,使用BiseNet卷积神经网络对苹果叶片图像进行自动分割,得到苹果叶片主体轮廓;然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理,以增强边缘锯齿等细节特征信息;最后将主体轮廓与细节特征信息进行联合分割,得到完整、准确的苹果叶片信息.对包含174种8 184张苹果叶片图像数据集进行试验,结果表明苹果叶片分割的精确率达到98.99％,交并比98.82％.利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值,为苹果叶片几何参数的测定提供了一种新的测量方法.

摘要： 为探索减量化防治苹果黄蚜技术,山西省农科院植保所研究人员采用室内毒力测定的方法从4种杀虫剂中筛选出毒力最高的药剂阿维菌素,测定了分别添加0.5%GY-T1602、0.1%NF-100和0.3%迈道3种助剂后,阿维菌素药液表面张力及在苹果叶片上的接触角变化,田间进行了防治效果对比。结果表明,3种助剂均能显著降低5%阿维菌素乳油各浓度药液的表面张力,各浓度药液表面张力降低3.19~12.59Mn/m。

摘要： 中国苹果种植面积和总产量居世界首位,但目前在果树光谱和图像数据采集研究中,多数集中在对受害苹果果实的光谱和图像数据采集,对苹果叶片病虫害数据采集的研究报道较少。本研究通过收集国家苹果资源圃中分别患有斑点落叶病、红蜘蛛虫害、白粉病3种不同病虫害的苹果叶片光谱反射率和图像数据,为苹果叶片在不同病虫害胁迫下进行有效识别提供数据基础,并为今后利用航空航天遥感进行大面积果树病虫害监测提供数据基础。

摘要： 苹果叶片钾素含量是反映其质量高低的重要因素,利用高光谱技术对苹果叶片钾素含量进行定量化反演,可为苹果信息化管理提供理论依据.在室内条件下,利用ASD FieldSpec 3地物光谱仪,测定了86个苹果叶片样品的高光谱反射率,并化验了其钾素含量.在分析苹果叶片原始光谱和一阶导数光谱特征的基础上,与其钾素含量进行相关分析,确定敏感波段,构建特征光谱参数,建立钾素含量预测模型,对模型进行了优选和检验.结果表明,苹果叶片钾素含量与原始光谱反射率在350～374nm波段呈极显著负相关,在375～2500nm呈极显著正相关;构建的8个特征光谱参数与苹果叶片钾素含量均呈极显著相关.通过进一步比较和筛选,确定了基于928nm和1081 nm原始光谱反射率的2个苹果叶片钾素含量最佳预测模型.经检验,模型决定系数R2分别为0.5167和0.5646.取得快速利用高光谱预测苹果叶片钾素含量的研究成果.

摘要： 利用岛津UV-2450光谱仪测量苹果叶片光谱反射率,同时在实验室利用凯氏定氮法测量苹果叶片的氮素含量,建立了适用于便携式检测仪的苹果叶片氮素含量快速检测模型。研究了苹果叶片光谱特性并进行了光谱反射率与氮素的相关性分析,获得了两个氮素敏感波段652nm和772nm.同时,利用分段减量精细采样法,构建了350-730nm与750-900nm波段范围内所有两两波段形成的归一化植被指数NDVI,获取了与氮素含量相关性最高的波段组合(364nm、859nm)构建NDVI.并建立了基于NDVI,652nm以及772nm反射率的偏最小二乘回归模型,建模精度达到0.9048,RMSE为0.1597,检验模型的精度达到0.917,RMSE为0.2833.模型精度达到实用水平,该研究成果为便携式苹果营养检测仪的研发提供了氮含量快速检测模型。

摘要： 本文以富士苹果叶片为试材，研究了S-ALA对暗处理过的苹果叶片和光照下ABA处理后的苹果叶片气孔的影响效应，并且通过对5-ALA的浓度梯度的研究，找出适宜的5-ALA浓度应用于促进气孔开放。

摘要： 乔纳金/八棱海堂(对照)和乔纳金/M7/八棱海棠(处理)苹果幼树新梢上的叶面积与叶重之间相关系数都达到0.01显著水平.在春梢缓慢生长期,采用ELISA法测得对照树春梢上自基部数第12~15节叶片的内源激素数量占全梢叶片总量的38.96﹪,叶重占总重的25.66﹪;第7~9节叶片的激素数量和叶重分别占总量的16.28﹪和22.53﹪.处理树春梢上自基部数第6~8节叶片的内源激素数量占总量的30.23﹪,叶重占总叶重的25.76﹪;第12~14节叶重和内源激素数量分别占总量的20.97﹪和22.12﹪.对照树春梢叶中内源激素构成比率为ABA0.134﹪、GA0.037﹪、IAA14.287﹪、CTKs85.542﹪,其中CTKs由72.188﹪的ZRs和27.812iPA组成;秋梢停止生长时叶片的构成比率为ABA0.302﹪、GA0.039﹪、IAA32.630﹪、CTKs67.029﹪,其中CTKs由65.438﹪ZRs和34.562﹪iPA组成.处理树新梢叶片中相对应的激素构成比率依次为0.138﹪、0.017﹪、9.095﹪、90.750﹪、77.964﹪、22.036﹪;0.166﹪、0.027﹪、31.447﹪、68.361﹪、75.296﹪、24.704﹪.当以对照树新梢叶中每种激素平均含量作为100时,处理树春梢叶中的ABA相对含量为140.14、GAO 62,89、IAA为86.75、CTKs为144.58、ZRs为149.69、iPA为128.90、激素总量为120.72;秋梢停止生长时新梢叶片中的ABA相对含量为100.87、GA为126.95、IAA为177.12、CTKs为187.44、ZRs为215.68、iPA为133.99、激素总量为183.79.经过论认为测定苹果叶片内源激素含量的时期以春梢生长后期为宜,取样部位以从春梢基部数第6~9节和第12~15节位的一片或多片大叶为宜.

摘要： 本发明提供了一种快速分离鉴定苹果属植物叶片中类黄酮物质的方法，包括如下步骤：利用超声波萃取技术提取不同苹果属植物叶片中的类黄酮物质；通过超高液相色谱飞行时间质谱联用技术检测类黄酮组分；建立苹果属植物类黄酮组分的标准图谱；对需鉴定的苹果属植物叶片进行前两步的操作，之后与第三步骤中得到的标准图谱进行比对，进而完成分离鉴定。本发明可以有效的提取和检测苹果属植物中复杂的类黄酮物质，减少同分异构体离子干扰的影响。本申请提取检测方法可靠，快速高效，图谱清晰，重复性好，结果可靠，可检测低浓度样本，高通量复杂样本分析，为苹果属植物代谢组学研究提供技术范畴，是一套适用于苹果属植物类黄酮物质分析的检测技术。

摘要： 本实用新型公开了一种苹果病虫害叶片检疫标本采样盒，包括采样盒盒体和伸缩杆，伸缩杆每组杆的一侧靠近伸缩端的一端均固定连接有固定环，伸缩杆的伸缩端固定连接有安装块，安装块一侧转动连接有两组齿轮，两组齿轮一侧均固定连接有刀片，安装块一侧滑动连接有齿条，两组齿轮相对一侧分别与齿条的两侧啮合，多组固定环内均贯穿连接有拉绳，拉绳一端固定连接于齿条，安装块的底部固定连接有收集网。本实用新型通过将伸缩杆伸展开，放到需要取样的叶片处，然后拉动拉绳，带动两组刀片将叶片剪断，掉落到收集网内，然后将叶片从收集网内取出，实现较高的苹果树叶片的采样，避免苹果树太高，登高采样时发生危险。

摘要： 本发明涉及植株培养技术领域，尤其涉及一种苹果叶片侵染获得转基因苹果组培苗的方法，还提供了一种苹果叶片侵染获得转基因苹果组培苗的装置，包括底板，所述底板的上端面垂直固定安装有支撑板，所述支撑板的上端固定安装有朝向前方延伸的顶板，所述底板的上端面靠近前方处通过支撑结构转动安装有转动盘，所述底板的上端面靠近转动盘的后方通过驱动机构安装有驱动盘，所述转动盘的下端面边沿处与驱动盘的上端面边沿处分别延伸出处于前后方向一条直线上的第一连接轴与第二连接轴，所述第一连接轴与第二连接轴的外表面共同活动套装有传动杆，本发明可以高效率进行转基因苹果植株的构建，提高转基因苹果组培苗的成活率，提高转化效率。

摘要： 本发明公开了一种基于卷积神经网络的苹果叶片病害识别的方法，属于计算机视觉领域。该方法包括以下步骤：S1：对样本进行预处理；S2：搭建卷积神经网络，基于VGG16卷积神经网络模型，搭建包含归一化层和全局平均池化层的改进的卷积神经网络模型，并采用Adam算法对模型进行求解；S3：训练卷积神经网络模型，卷积基层的初始参数采用VGG16模型在ImageNet数据集上训练好的参数；S4：对测试样本进行预测并输出。本发明提出的改进的卷积神经网络提高了对苹果叶片病害的识别准确率，并且新型卷积神经网络极大地减少了训练参数，训练时间短、效率高，对苹果叶片病害的识别奠定了较好的基础。

摘要： 本发明涉及植株培养技术领域，尤其涉及一种苹果叶片侵染获得转基因苹果组培苗的方法，还提供了一种苹果叶片侵染获得转基因苹果组培苗的装置，包括底板，所述底板的上端面垂直固定安装有支撑板，所述支撑板的上端固定安装有朝向前方延伸的顶板，所述底板的上端面靠近前方处通过支撑结构转动安装有转动盘，所述底板的上端面靠近转动盘的后方通过驱动机构安装有驱动盘，所述转动盘的下端面边沿处与驱动盘的上端面边沿处分别延伸出处于前后方向一条直线上的第一连接轴与第二连接轴，所述第一连接轴与第二连接轴的外表面共同活动套装有传动杆，本发明可以高效率进行转基因苹果植株的构建，提高转基因苹果组培苗的成活率，提高转化效率。

摘要： 本发明提供了一种基于高光谱的苹果叶片含氮量检测方法，包括以下步骤：步骤1，对苹果生长发育的四个时期的叶片进行采集并进行光谱扫描；步骤2，对光谱数据展开特征波长分析并提取特征向量；步骤3，依据GBDT算法搭建机器学习反演模型，将步骤2中提取出的特征向量作为输入矢量导入反演模型中；步骤4，使用交叉验证优化反演模型参数；步骤5，用优化完成后的反演模型对苹果叶片氮含量进行检测。本发明的苹果叶片含氮量检测方法更准确，验证了特征波长提取方法的有效性，并为高光谱无损检测技术在苹果树营养元素含量快速检测和生长发育态势实时监测等方面的应用提供参考依据。

摘要： 本发明公开一种基于改进Yolov5s模型的苹果叶片病害检测方法，首先，获取苹果叶片不同病害的图像，进行标签标注，构建初始数据集；采用图像处理方法扩充数据集，并划分训练集和测试集，得到最终的数据集；引入yolov5s网络模型并加以改进，使用改进后的模型对数据集进行训练得到最终的苹果叶片病害检测模型；利用最终的苹果叶片病害检测模型对待检测图像进行检测，得到检测结果。本发明通过改进yolov5s网络模型和引入Attentive GAN算法，不仅在网络训练模型时增强网络学习特征的表达能力，提高模型的准确率和精度，而且能够在雨天情况下实现对苹果叶片病害的准确识别。

摘要： 本发明涉及水果叶片病害检测技术领域，尤其是一种基于改进YOLOv4的苹果叶片病害检测方法。通过对采集到的五种常见的苹果叶片病害图像进行数据增强与人工标注后获得总数据集，按7∶2∶1的比例随机分为训练集、验证集和测试集，再利用改进后的YOLOv4网络(MC‑YOLOv4)对其进行训练，最后得到的模型可用于对苹果叶片常见的五种病害(斑点落叶病、褐斑病、灰斑病、花叶病、锈病)的快速识别，从而进行精准施药，及时防治。本发明方法容易实施，鲁棒性强，且精度较高。

摘要： 本发明公开了一种基于深度学习的苹果叶片病害识别方法。首先采集苹果叶片病害图像构建数据集，并通过Mosaic数据增强方法对图像预处理，同时使用K‑means算法重新聚类锚框，然后将训练集图像送入主干网络提取特征，并引入注意力机制提高重要特征权重。接着在PANet网络中新增一个小目标检测层，最后将四种尺度特征图送入Head层对病害种类及位置进行预测。本发明针对复杂背景下小目标苹果叶片病害识别准确率不高的问题，提供了一种基于深度学习的苹果叶片病害识别方法，检测精度达到98.7%，在保证实时性检测的前提下，提高了病害图像识别准确率。

摘要： 本实用新型涉及林业技术领域，且公开了一种计算机人工智能苹果叶片检测装置，包括基板，所述基板的顶部固定安装有左侧与基板左侧位于同一平面内的第一安装板，所述第一安装板的右侧固定安装有电动滑台，所述电动滑台的移动端右侧固定安装有连接杆，所述连接杆的底部固定安装有压环，所述压环的底部固定安装有弹簧，所述弹簧的底部固定安装有透明压板，所述透明压板的顶部固定安装有贯穿并延伸至压环上方的限制销，所述基板的顶部固定安装有右侧与基板右侧位于同一平面内的第二安装板，所述第二安装板的右侧固定安装有安装架。该计算机人工智能苹果叶片检测装置，具备了可方便的对多个叶片进行诊断的优点。