给大家推荐5篇关于大豆的计算机专业论文

今天分享的是关于大豆的5篇计算机毕业论文范文, 如果你的论文涉及到大豆等主题,本文能够帮助到你

北疆灌区青贮玉米-大豆带状间作群体产量与混合青贮品质对密度的响应

这是一篇关于青贮玉米,大豆,带状间作,密度,群体产量,饲用品质的论文, 主要内容为新疆天山北部是我国重要的畜牧产区,饲草料短缺严重制约了其畜牧业高质量发展。青贮玉米大豆带状间作后可同时收获混合青贮,有效结合了玉米高产和大豆优质的优势,是提高青贮饲料品质的高效种植模式,而合理的种植密度是获得高产优质的首要条件。本研究以株型紧凑的粮饲兼用型高产玉米品种登海618和耐荫抗倒型高产大豆品种吉育441为试验材料,采用二因素裂区试验设计,于2021年设置6.75、8.25、9.75万株/hm2三个玉米密度,12、15、18万株/hm2三个大豆密度。2022年在第一年的基础上进一步优化了密度水平,设置玉米密度为:9、10.5、12万株/hm2,大豆密度为:15、18、21万株/hm2,以相同密度净作玉米为对照。通过研究种植密度对青贮玉米-大豆带状间作群体光分布特点、倒伏特性、物质积累及群体产量和混合青贮品质综合评价的影响,明确最佳密度配置,以期为北疆滴灌区青贮玉米-大豆带状间作群体高产优质的田间配置提供技术支持。主要研究结果如下:1.玉米大豆密度互作对带状复合种植群体透光率的影响及作物光合响应间作玉米穗位层透光率随玉米密度增加而降低,降幅为29.14%、25.50%。大豆冠层底部透光率随大豆密度增加而降低,相较于高位作物玉米对低位作物大豆产生的遮荫,大豆因自身密度增加造成的相互遮荫程度更大,导致边行大豆透光率高于内行大豆。玉米大豆群体光合势在灌浆至乳熟期达到最大,并随玉米密度增加呈先升后降的变化趋势,随大豆密度的增加而显著提高,且显著高于净作玉米。玉米从低密增至中密时,乳熟期玉米叶片衰老指数差异不显著,增至高密时显著提高了25.19%,且显著低于对应密度的净作玉米。大豆叶片衰老指数受玉米密度和大豆密度影响显著,大豆低密度下,大豆叶片衰老指数随玉米密度增加而上升,增幅分别为22.36%、12.30%。2.玉米大豆密度互作对带状复合种植群体结构的影响及高产群体结构特征带状间作群体LAI受玉米密度和大豆密度影响显著,玉米从低密增至中密,灌浆期群体LAI显著提高,随着大豆密度增加,群体LAI逐渐提高,玉米10.5万株/hm2、大豆21万株/hm2处理下群体LAI达7.02,比中密度净作玉米显著提高70.24%。玉米中密度10.5万株/hm2、大豆高密度21万株/hm2组合群体总干物质积累量最高,较最低间作处理和对应密度的净作处理分别提高14.42%、20.89%。间作玉米中密度下平均生长速率较低、高密度分别提高了8.98%、34.09%,随着大豆密度增加,玉米平均生长速率和活跃生长期均表现为先升高后降低。玉米中密度、大豆高密度处理下大豆最早达到最大生长速率,但其活跃生长期较短。随着玉米密度增加,间作玉米茎秆穿刺强度依次降低了20.94%、11.30%,倒伏率依次提高了35.60%、33.83%。玉米密度和大豆密度互作对大豆倒伏率影响极显著,大豆倒伏率随玉米密度增加表现为先升高后降低,随着大豆密度增加,间作大豆抗折力逐渐降低,降幅为18.83%、24.24%,倒伏率依次提高了41.23%、6.41%。玉米大豆带状间作高产群体结构特征:玉米株高280～305 cm、玉米穗位高85～100 cm、大豆株高90～105 cm、大豆主茎分支数8～11个。各生育时期群体LAI为拔节期1.67(玉米1.08,大豆0.59)、大喇叭口期4.63(玉米2.67,大豆1.96)、吐丝期7.02(玉米4.62,大豆2.40)、灌浆期7.15(玉米4.08,大豆3.07)、1/2乳线期5.04(玉米3.51,大豆1.88)。玉米穗位层透光率达28.06%,群体总光合势达320.93 m2·d/m2。各生育时期群体干物质量为拔节期5.54(玉米3.68,大豆1.87)、大喇叭口期8.75(玉米6.15,大豆2.60)、吐丝期15.58(玉米11.89,大豆3.69)、灌浆期20.57(玉米15.16,大豆5.41)、1/2乳线期35.24(玉米26.70,大豆8.54)。3.玉米大豆密度互作对带状复合种植群体产量和品质的影响及综合评价中密度间作玉米产量较低、高密度分别显著提高23.44%、10.56%。大豆高密度水平下,内部竞争加剧,间作大豆产量随玉米密度增加表现为先降低后升高。玉米低密度下,大豆产量随大豆密度增加而显著提高;玉米中、高密度下,随大豆密度增加,大豆产量表现为先升后降。带状间作群体产量随玉米密度的增加呈先升高后降低的变化趋势,受大豆密度影响不显著。玉米中密度10.5万株/hm2、大豆高密度21万株/hm2处理群体产量最高达64.98 t/hm2,较最低间作处理增产11.97 t/hm2,较相同密度的净作玉米增产3.49 t/hm2。玉米中密度10.5万株/hm2、大豆低密度15万株/hm2处理粗蛋白含量最高达12.23%、GI最高为36.52,与相同密度下的净作玉米相比,粗蛋白含量提高了2.39个百分点,GI提高了22.55%,各间作处理的ADF含量、NDF含量及RFV与对应密度下净作玉米差异不显著。采用灰色关联度分析法对各处理的生物产量和青贮营养品质进行综合评价,最终筛选出北疆灌区青贮玉米大豆带状间作高产优质密度组合为:玉米10.5万株/hm2、大豆15万株/hm2,可在适宜区域推广应用。

HZ1转基因大豆株系的纯合鉴定以及在盐胁迫下的表型分析

这是一篇关于大豆,盐胁迫,生长发育,耐盐性,产量的论文, 主要内容为大豆是世界上重要的油料经济作物之一,富含丰富的优质植物脂肪酸和蛋白质。我国耕地面积有限并拥有大量的盐渍化土地,同时对大豆需求量较大。因此创制耐盐型大豆种质资源,可以为盐渍土开发利用和大豆增产提供一个有效策略。本试验选用前期构建、鉴定、筛选的转入HN-ZMZ-1基因的T3代稳定遗传转化体(HZ1),转化受体Williams82(WM82)和铁丰31(T31)为材料,进行盆栽盐胁迫试验(100 mmol/LNa Cl盐溶液)。在营养和生殖生长时期测定各项表型、光合、生理和产量指标,比对分析鉴定测试品种的耐盐性差异,为培育高耐盐性大豆种质资源提供理论依据。试验结果如下:(1)苗期各品种处理组表型指标值高于对照组,表明盐胁迫早期促进大豆生长。花期各品种处理组较对照组下降,表明盐胁迫抑制大豆生长。WM82指标下降相对于HZ1均显著增加,表明HZ1具有更高的耐盐性。结荚期和鼓粒期各品种处理组表型值持续降低,表明盐胁迫对大豆植株的抑制作用持续增强。在鼓粒期WM82叶片完全脱落,T31叶片脱落40%以上,HZ1没有明显叶片脱落现象。相对而言,HZ1在表型上的受抑制程度最小,显著优于WM82和T31,表明HZ1具有较高的盐胁迫耐受性。(2)除苗期外,WM82和T31盐胁迫下的SPAD值不同程度降低,HZ1的SPAD值无显著变化。HZ1叶绿素含量在各生长时期均显著高于WM82和T31。苗期,盐胁迫下,T31和WM82气孔导度和净光合速率显著下降,胞间CO2浓度显著增加;HZ1净光合速率和胞间CO2浓度无显著变化,气孔导度显著下降。花期,盐胁迫下,T31气孔导度、净光合速率和蒸腾速率显著下降,胞间CO2浓度显著增加;WM82净光合速率和蒸腾速率均显著下降,胞间CO2浓度显著增加,气孔导度无显著变化;HZ1各项指标均无显著变化。品种间相较而言,HZ1在对照和胁迫条件下均表现出最高的光合能力。(3)盐胁迫下,苗期,3个品种的SOD活性均显著下降(T31>HZ1>WM82);WM82和HZ1的POD活性均显著增加(HZ1>T31>WM82);HZ1的CAT活性显著增加(HZ1>WM82>T31)。花期,HZ1的SOD活性显著增加(HZ1>WM82>T31);各品种的POD活性均显著下降(HZ1>T31>WM82);HZ1的CAT活性显著增加(HZ1>T31>WM82)。HZ1大豆在苗期和花期均具有较其它品种更高的抗氧化酶活性,与其盐胁迫耐性一致。(4)成熟期,盐胁迫下3个大豆品种的各项产量指标均明显下降。HZ1产量指标下降幅度小于T31和WM82,表现出较好的产量稳定性。T31和WM82处理组单株粒数和粒重均大幅减产,HZ1也有减少但仍高于两个对照品种。在100 mmol/L浓度盐溶液胁迫下,HZ1大豆在营养生长和生殖生长时期的各项表型和生理指标值均较对照组小幅下降,且优于对照品种。HZ1品种处理组产量虽有减产但仍能保持相对较高的产量。试验结果表明,HN-ZMZ-1过表达转基因可以提高大豆的耐盐性。

基于卷积神经网络的大豆病害分级模型研究

这是一篇关于大豆,病害识别,病害分级,卷积神经网络,CNN-LSTM的论文, 主要内容为粮食生产问题关系到人民群众的根本利益,也关系到社会稳定。大豆作为我国重要的粮食作物之一,受病害影响将会导致产量降低,造成经济损失。但由于病害之间特征相似,仅依靠经验进行处理,可能错过最佳防治时期。同时病害程度不同,防治措施会有区别,因此及时根据大豆植株患病等级采取措施,对有效进行病害防治、避免药物浪费、减少环境污染、降低经济损失具有重要意义。目前,国内外针对主要粮食作物如:玉米、水稻等病害识别研究已较为充实,相较而言,对作物患病等级识别研究较少,尤其是在大豆病害程度的自动识别方面,准确率有待提高。鉴于此,本研究以大豆三种主要病害(灰斑病、花叶病和根腐病)的叶片图像样本作为研究对象,提出了基于卷积神经网络的大豆病害分级模型,具体研究包含以下几个方面:(1)探讨了基于Grab Cut的AISA图像分割算法对大豆病害图像进行预处理。使用超绿算法中的超绿因子(2G-B-R)将图像中特定范围内小于给定阈值的像素标记为背景,通过Grab Cut分割后得到的图像与原始图像进行匹配,恢复叶片内部被误判为背景的像素点,得到更加准确的分割图像。该算法代替了Grab Cut中人工标记的过程,有效地将大豆叶片和病害区域的特征保留,降低背景因素影响,提高卷积神经网络性能。(2)研究了基于卷积神经网络的大豆病害识别模型。训练7个传统卷积神经网络模型(VGG16、VGG19、Res Net50、Inception-V3,Xception,Mobile Net,Google Net),分析和判别不同模型识别效果,选择其中准确率较高的三个模型(Inception-V3,Xception,Mobile Net)通过遗传算法构建加权深度投票模型。该模型对灰斑病识别精度达到了99.31%,识别花叶病的精度达到96.67%,识别根腐病的精度达到97.33%,实现了对大豆叶片病害的识别。(3)研究了基于CNN-LSTM的大豆病害分级模型。对大豆同一患病叶片图像进行连续采集,按照采集时间顺序构建具有时间序列数据集,通过卷积神经网络提取病害空间特征后放入LSTM网络中,根据时间序列的上下文关系进一步提取时间特征,同时引入注意力机制对空间特征提取过程进行优化,构建了三种不同病害的分级模型。实验表明,灰斑病分级模型精度达到了94.9%,花叶病分级模型精度达到了96.7%,根腐病分级模型精度达到了93.9%,实现对大豆病害的自动分级。(4)开发了大豆病害分级系统。将上述模型部署至大豆病害分级微信小程序,实现手机端自动分级。同时,该小程序根据分级结果给予合理的防治措施,为研究人员和用户提供参考。分级系统的开发能够检验本文训练得到的模型性能,方便用户使用,减少使用成本,具有一定实用价值。综上,本研究为卷积神经网络应用于大豆病害分级提供了新思路。并将CNN-LSTM模型首次应用于大豆病害分级研究中,为大豆及其他农作物病害分级提供了一项可靠的技术支撑。同时,为后续研究大豆病害预警以及病害走势预测奠定了理论和实验基础。

HZ1转基因大豆株系的纯合鉴定以及在盐胁迫下的表型分析

承德地区大豆销售系统的设计与实现

这是一篇关于大豆,知识表示学习,推荐功能,时间维度,关系属性,实体邻域的论文, 主要内容为为改善承德地区大豆销售的范围较小及方式单一等问题,本文以承德地区大豆销售为研究对象,开发一套大豆销售系统,为帮助用户快速准确地获取到自己的预想品种,系统中须有推荐功能。由于大多推荐技术都以用户历史行为数据作为研究核心,而忽略了对产品自身语义信息的研究,因此系统将知识表示学习技术引入到系统推荐功能中。虽然Trans E模型在知识图谱的补全工作上已有良好的表现,但大豆品种较多,关系属性重叠交叉,而Trans E模型在处理复杂关系上表现欠佳,因此本文在此基础上,提出一种基于时间维度和关系属性的知识表示学习模型,又因大豆知识图谱中存在罕见实体,且Trans E模型不能很好地对其处理及分类,所以又以此为基础提出一种基于实体邻域的知识表示学习模型。将这两种模型运用到推荐功能中,先利用模型丰富大豆产品信息,再结合基于关键词的推荐技术,最终实现系统的推荐功能。本文主要工作如下:(1)提出一种基于时间维度和关系属性的知识表示学习模型,即TransRUW模型。在Trans E模型基础上,引入关系矩阵投影思想,在关系空间中,利用映射矩阵对库里每一个三元组(h,r,t)的头实体与尾实体进行投影,能够让lhr+lr≈ltr;由于相似度较高的不同实体之间会出现不易被识别的问题,所以在模型中添加一个时间维度(w);为了提高模型处理复杂关系时的能力,在模型中添加关系的属性特征(u),并把属性知识进行嵌入。(2)提出一种基于实体邻域的知识表示学习模型,即TransUX模型。在Trans E模型的基础上,引入超平面投影的思想,将头实体h和尾实体t映射到特定关系r的平面;由于罕见实体会有不易学习表示以及分类处理的问题,所以模型中为实体添加了邻域信息,可以对不同实体周围的实体邻域来进行学习,并通过权重w进行调节。(3)以承德地区大豆销售为研究对象,开发一套大豆销售系统。系统能够完成相关大豆产品推荐、特价区大豆产品查询、购物车管理、订单管理、顾客留言等功能。其中,相关大豆产品推荐功能是利用TransRUW模型和TransUX模型来丰富大豆产品信息,再结合基于关键词的推荐技术,得出与用户输入的大豆信息相关联的其他大豆信息,实现推荐功能。本文主要创新点如下:(1)提出一种基于时间维度和关系属性的知识表示学习模型。该模型在Trans E模型的基础上引入了关系矩阵投影的思想、添加了时间维度、加入了关系属性。(2)提出一种基于实体邻域的知识表示学习模型。该模型在Trans E模型的基础上引入了超平面投影的思想、加入了实体邻域信息。(3)以承德地区大豆销售为研究对象,开发一套大豆销售系统。由于目前没有销售系统是只针对承德地区种植的大豆品种的销售的,因此本文在研究对象上具有创新性。通过对模型以及系统各项测试的结果得出以下结论:TransRUW模型相对于Trans E模型在处理复杂关系上的表现更优,以在FB15K测试集的各类关系实验结果为例,针对正确实体排在前10名的概率的评价指标,TransRUW模型相对于Trans E模型的效果提升均超过了25%;TransUX模型相对于Trans E模型在处理分类问题上的表现更优,以在WN11和FB15K两个测试集的分类实验结果为例,针对三元组预测的准确率的评价指标,TransUX模型相对于Trans E模型的效果提升分别为12.3%、14.6%;在系统推荐功能中,对比经过TransRUW与TransUX模型补全和经过Trans E模型补全的大豆产品信息的推荐效果,发现经过改进的模型补全的推荐信息以及产品属性信息的数量更多,内容更全面,推荐效果更好。

本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码海岸，原文地址：https://m.bishedaima.com/lunwen/53450.html