6篇关于小麦的计算机毕业论文

今天分享的是关于小麦的6篇计算机毕业论文范文, 如果你的论文涉及到小麦等主题,本文能够帮助到你

浮尘的发生规律及其对小麦植株化学成分积累的影响

这是一篇关于浮尘,发生规律,小麦,化学成分的论文, 主要内容为通过对新疆和田地区的气象资料的统计分析,研究了新疆和田浮尘时空分布规律及影响因子;通过大田试验和室内理化分析,研究了浮尘对小麦植株化学成分累积的影响。主要研究结果如下: 浮尘日数年内分布极度不均匀,主要发生在春夏季节,3月到8月浮尘天数全年浮尘天数的80%以上。一天之内浮尘的发生主要集中在12:00-18:00。沙尘暴、大风日数和降雨量对浮尘日数的分布有显著影响,扬沙日数、蒸发量和日照时数对浮尘日数的分布有极显著影响。气候因子温度、地气温差、气压对浮尘天气能见度有显著影响,而云量对浮尘能见度影响不显著。浮尘为土壤提供了大量细粒物质和一些营养元素,将间接影响小麦的生长发育。大部分浮尘粒径都比较小,容易落入小麦气孔,将对小麦生长发育产生一系列的影响。浮尘对小麦叶片的全氮含量有显著影响,对茎中的全氮含量有极显著影响;对叶片、茎中的全磷含量都具有显著影响;对叶片中的全钾含量无显著影响,对茎中全钾含量有显著影响。受浮尘影响,小麦叶片和茎中的全氮、全磷含量以及小麦茎中全钾含量降低。浮尘对于重金属元素含量的影响表现出明显规律性,既浮尘处理小麦叶片、茎金属元素含量显著高于对照处理的小麦的含量。浮尘对小麦叶片中微量元素B、Mo、Cl都没有显著影响,而对小麦茎中微量元素B、Mo、Cl都有显著影响。小麦叶片、茎中的B、Mo、Cl含量都以浮尘处理较高。浮尘对小麦叶片、茎中SO42-、HCO3-、全盐量、PH均有显著影响。小麦叶片、茎中的各分盐、总盐量和PH值均以浮尘处理居高。浮尘处理的小麦叶片、茎中氨基酸含量较低。浮尘处理使小麦叶片、茎中纤维素、木质素含量下降,而单宁、全碳含量增加。但除全碳含量变化显著外,浮尘对其他各化学成分含量影响不显著。

抗条锈病小麦—十倍体长穗偃麦草衍生系CH18067与CH20015的分子细胞遗传学鉴定

这是一篇关于小麦,十倍体长穗偃麦草,抗条锈病,原位杂交,分子标记的论文, 主要内容为十倍体长穗偃麦草(Thinopyrum ponticum(Popd.)Barkworth and Dewey,2n=10x=70)是偃麦草属(Elytrigia)的一种多年生小麦野生近缘种植物,具有抗寒耐旱、耐盐碱、耐涝的生物特性,并且高抗小麦主要病害,是小麦遗传改良的理想基因源。通过远缘杂交将十倍体长穗偃麦草的优良基因转移到小麦,是拓宽小麦遗传基础的重要方式,本研究在小麦-十倍体长穗偃麦草杂交后代中筛选到两份抗条锈病的衍生系CH18067和CH20015,利用分子细胞遗传学研究方法对其进行了综合鉴定,主要研究结果如下:(1)根尖体细胞观察结果显示CH18067的染色体数目为42;花粉母细胞观察结果显示CH18067减数分裂中期Ⅰ的染色体构型为2n=21Ⅱ,在减数分裂后期Ⅰ染色体均等分离,具有遗传稳定性。FISH和GISH鉴定出CH18067的2D和4D染色体缺失,同时含有2对十倍体长穗偃麦草染色体;Mc-GISH鉴定表明这2对染色体分别归属于J基因组和JS基因组。在分子标记分析中,位于第二部分同源群和第四部分同源群的6个多态性标记在CH18067中扩增出了十倍体长穗偃麦草特异性条带。CH495-2是CH18067和普通小麦阿勃的杂交后代,通过原位杂交和分子标记分析鉴定出CH495-2含有一对2J染色体,得以明确CH18067中J基因组染色体归属于第二同源群,而JS基因组归属于第四同源群。在小麦-二倍体长穗偃麦草液相芯片(Geno Baits?Wheatplus EE)检测中,CH18067在2D和4D染色体上的信号缺失,同时在2E和4E染色体上信号显著富集。综合鉴定结果,确定CH18067为小麦-十倍体长穗偃麦草2J(2D)+4JS(4D)的双重异代换系,并获得了Oligo-p Ta535探针下2J和4JS染色体的FISH核型。CH18067在成株期对条锈病表现为免疫,且具有矮杆、长粒的相关性状,有进一步利用的潜力。(2)细胞学观察结果显示CH20015的体细胞染色体数目为44条,花粉母细胞减数分裂中期Ⅰ包含22对二价体,在减数分裂后期Ⅰ染色体能够均等分离,具有遗传稳定性。原位杂交鉴定确认CH20015含有40条普通小麦染色体,一对2A染色体缺失,同时拥有2对来自十倍体长穗偃麦草的J基因组染色体。分子标记分析结果显示,位于第二部分同源群和第六部分同源群的9个多态性标记在CH20015中扩增出了十倍体长穗偃麦草特异性条带。在小麦-二倍体长穗偃麦草液相芯片(Geno Baits?Wheatplus EE)检测中,CH20015在2A染色体上信号缺失,同时在2E和6E染色体上信号显著富集。综合鉴定结果,确认CH20015中2J染色体代换了2A染色体,同时附加了一对6J染色体,其为小麦-十倍体长穗偃麦草2J(2A)+6J异附加代换系。通过对比CH18067中2J染色体的FISH核型,进一步确定了6J染色体在Oligo-p Ta535探针下形成的杂交信号。在抗病性鉴定中,CH20015对条锈病表现为高抗,可以进一步创制易位系或渐渗系加以利用。经综合鉴定明确了CH18067和CH20015的遗传组成,为小麦抗病育种和遗传研究提供了候选种质材料。

基于深度学习的小麦籽粒分级研究

这是一篇关于小麦,深度学习,图像处理,Res Net模型的论文, 主要内容为小麦籽粒的优劣不仅是判断小麦品质好坏的一个重要指标,还是决定产量的关键性因素。分级籽粒的技术可以准确表示出小麦的优劣,这项技术可以为小麦的育种工作提供参考依据,还可以实现基于形态特征下鉴别小麦籽粒的品质。目前,大部分的谷物检测实验都还停留在具有很大主观性和局限性的人为观察评判阶段,针对目前基于机器视觉检测技术依靠大量图像特征参数作为依据并且识别率还不高的问题,本论文以实现小麦籽粒的优劣分级为目标,以小麦籽粒作为研究对象,研究了图像预处理和图像分割提取的方法,基于人工提取特征的传统SVM(Support Vector Machine)识别方法,BP神经网络识别方法,重点研究了基于深度学习算法的识别模型构建方法,构建了基于VGG16网络,Inception V3网络,Inception Res Net V2网络的籽粒优劣分级模型。论文的结果如下:(1)采集到的籽粒图像使用不同的预处理方法来进行效果对比,最后得出对图像进行灰度化处理,采用7x7模板的中值滤波和对图像进行形态学处理,可以很高效的除去图像中的噪点;运用连通区域重心提取法可以实现对图像中籽粒的数目进行计算,并且还可以将图像里的多个籽粒分割成单个的籽粒图像,可以为后面籽粒特征的提取带来极大的便利。(2)本研究通过主成分分析算法对人工提取到的23个特征参数进行特征优选,优选得到了8个主成分因子,解决了因特征参数数目过多导致的数据冗余问题。并将其作为特征向量输入进SVM模型和BP神经网络,完成了对小麦籽粒的分级检测,分级准确率分别为83.3%和85.8%。从分级结果得出,以人工提取特征参数作为分类模型的判定依据来实现对籽粒的优劣分级,这种方法是可行的,但过程复杂、繁琐,并且最后的识别准确率还不高,很难满足日后的实际需要。(3)针对SVM模型和BP神经网络的分级准确率不高以及人工提取和选择特征时的不准确和繁琐的问题,进而研究了基于深度学习算法的籽粒分级模型。构建了基于VGG16算法的籽粒优劣分级模型,这种模型对籽粒的正确识别率达到了90.3%,接着又构建了基于Inceptio V3算法的籽粒优劣分级模型,这种模型的识别率为91.8%。最后为了精益求精,研究了结构更复杂网络深度更深的Inception Res Net V2的模型,通过加入残差结构,进一步解决了经典的卷积网络性能恶化的问题,对小麦籽粒的识别率达到了94.3%,识别的效果相对最好,能够满足快速检测和分类的应用需求。

基于卷积神经网络的小麦病害识别及严重度分级方法研究

这是一篇关于小麦,病害识别,轻量型卷积神经网络,严重度分级,度量学习的论文, 主要内容为对田间小麦的健康状况进行监测,有利于控制病害的传播并实施有效的田间管理方法。随着视觉领域中图像识别技术的发展,卷积神经网络在农作物病害的识别和严重度评估领域被广泛使用。因此,研究基于卷积神经网络的田间小麦病害与严重度等级的自动诊断方法,有利于田间农业专家系统的构建,对指导农业生产具有重要的意义。本文针对田间自然场景图像中的小麦病害的识别与严重度分级问题,做出了如下研究:1、设计了一种轻量型的卷积神经网络模型Simple Net,用于田间小麦颖枯病和赤霉病的自动识别。Simple Net主要利用卷积和倒残差块搭建,本文在倒残差块中引入了结合空间注意力机制和通道注意力机制的卷积块注意力模块(Convolutional Block Attention Module,CBAM)来提高模型对病害特征的表示能力,使模型关注图像中重要的特征而抑制不必要的特征,降低图像中复杂背景对模型识别性能的影响。同时,本文设计了特征融合模块,将倒残差块进行下采样时输出的特征图与平均池化层输出的特征图进行拼接,实现不同深度特征间的融合,减少网络在下采样过程中造成病害特征的损失。实验结果表明,本文提出的Simple Net模型在测试数据集的识别准确率高于VGG16,Res Net50,Alxe Net等经典卷积神经网络模型和Mobile Net v1,v2,v3等轻量型卷积神经网络模型,并且模型的参数量仅2.13M。2、提出了一种卷积神经网络结合度量学习的小麦赤霉病严重度分级方法。首先使用图像分割模型U-Net和图像处理方法去除麦穗图像中冗余的背景部分,再通过Mobile Net v2模型的卷积基对去除背景后的麦穗图像进行特征提取。由于在病害严重度分级数据中相邻严重度等级间的样本差异小,使分类器难以准确区分,本文采用大间隔最近邻(Large margin nearest neighbor,LMNN)算法将Mobile Net v2模型提取的深度特征映射到新的度量空间,使相同类别的样本距离更小,不同类别的样本保持一个较大的间隔,从而提高严重度分级的准确率。实验结果表明,本文提出的严重度分级方法相比于基线网络Mobile Net v2提高了3.5%。并且通过Res Net50、Dense Net121、Efficient Net等卷积神经网络模型对本文方法进行了验证,结果表明,本文提出的方法有助于提高模型在小麦赤霉病严重度分级任务中的准确率。

小麦生长发育及产量形成与生态因子关系的研究——河南商丘定位观测数据分析

这是一篇关于小麦,生态因子,生长发育,产量的论文, 主要内容为小麦生长发育及产量形成与生态因子关系密切,其生长发育的好坏和产量的高低,除了决定于小麦本身的生物学特性外,很大程度受到气候因子、土壤因子和农艺措施的影响。本文以河南商丘农田生态系统国家野外科学观测研究站(简称商丘站)的综合观测场、关庄土壤生物长期观测采样地两地近10(2006—2015年)年的大气数据、水分数据、土壤数据和生物数据为依据,分析了小麦生长发育及产量形成与该地区生态因子之间的关系。论文采用数理统计分析方法,分析生态因子的变化情况。计算小麦的气象产量并分析气候因子变化对气象产量的影响。运用对比分析法,将主要生态因子与小麦产量间的相关性进行比较,指出影响小麦产量的关键生态因子及关键生长发育阶段。并初步提出适合该区小麦高产的发展对策。研究结果表明:(1)年际间小麦生长发育期间的降水量变化幅度较大,温度、日照变化相对平稳。在温度、降水与日照对小麦年产量的影响中,降水对产量的影响主要表现在休闲期的降水,分析数据发现,小麦单产与前一年的降水量基本正相关,这说明休闲期降水及底墒对小麦生长发育的重要性。在小麦产量和主要农艺性状间相关分析表明,千粒重与小麦的产量表现为极显著正相关,相关系数相对最大。而小麦不同生育阶段的降水量对千粒重的影响不同,小麦分蘖—返青—拔节这一时期降水与千粒重呈负相关,拔节—抽穗期间的降水量与千粒重呈正相关。(2)温度对小麦产量的影响主要表现在极端温度对小麦产量的影响较大,小麦生长发育期间,2月和5月的极低温度与小麦产量呈极显著负相关,10月和1月的极高温度与小麦产量也是显著负相关,根据分析结果,极端温度对小麦产量的影响主要表现负面效应。(3)根据对地温的数据分析发现:10—12月和1—3月各土层温度大小关系为:20 cm>15 cm>10 cm>5 cm;4—6月各层地温的大小关系为:5 cm>10 cm>15 cm>20 cm。在0—20 cm地温与冬小麦各个发育阶段持续时间的相关分析表明,10—12月、1—3月地温与小麦播种—出苗,出苗—三叶阶段的发育持续时间呈负相关关系,说明这一阶段地温高,发育时间短;地温低发育时间长。4—6地温与小麦抽穗—蜡熟发育天数为显著负相关。在地温与冬小麦产量的相关分析中得出,1—3月平均地温对冬小麦产量构成要素影响比10—12月更明显。(4)在不同时段、不同层次、土壤水分含量丰欠对冬小麦产量的影响中发现,播种—分蘖和分蘖—返青深层(40—100 cm)土壤含水量会对产量起重要作用,分蘖—返青深层土壤含水量与冬小麦产量有极显著的相关性。小麦返青后中层(20—40 cm)和深层含水量对产量影响较大,返青—拔节,拔节—抽穗深层土壤含水量与小麦产量有极显著的相关性。在产量对含水量的敏感性分析中发现小麦在不同生育时期对各土层的含水量敏感度不同,总体来说,冬小麦产量对中层土壤含水量有较强的敏感性。为了保证小麦的稳产高产,应加强小麦与生态因子关系间的研究,重视水肥高效利用协调技术的研究,加强对自然灾害的监测预报,注重肥料的安全使用,保护生态环境,提高农业对自然生态环境变化的适应能力。