摘要：深度学习已经在农作物害虫实时监测的智能识别过程中广泛应用。以小贯小绿叶蝉(Empoasca onukii)识别模型为基础,研究深度学习在诱虫板上叶蝉识别中的应用,旨在提高小贯小绿叶蝉田间种群调查的准确性。本研究设计了一种茶园小贯小绿叶蝉的识别、计数方法,首先采用黄色诱虫板诱集小贯小绿叶蝉,利用相机对诱虫板进行图像采集并上传至服务器,然后通过服务器部署的目标检测算法,对图像中叶蝉进行识别与计数。通过算法筛选,确定YOLOv3作为识别算法,用改进后的Soft-NMS代替原来的NMS,用K-means聚类方法计算新的先验框的尺寸,提升YOLOv3对目标识别的速度和准确率。通过田间试验对比诱虫板上叶蝉的真实数量,结果显示优化后识别算法的准确率可达到95.35%以上。本研究验证了诱虫板诱集、目标识别算法和物联网技术相结合,能够为小贯小绿叶蝉田间种群的实时监测提供技术支持,可为其他具有颜色偏爱性昆虫的实时监测和茶园害虫综合治理提供参考。

摘要：根据茶树醇脱氢酶基因(CsiADH1)的cDNA序列设计引物,采用RT-PCR方法从茶树品种‘龙井43’中克隆了CsiADH1序列,分析了CsiADH1在生物和非生物胁迫下的诱导表达情况并转化番茄。结果表明:CsiADH1包含一个1 044bp的最大开放阅读框,编码347个氨基酸。qRT-PCR分析显示,CsiADH1的表达受到茶尺蠖取食、机械损伤、茉莉酸和水杨酸的诱导;将CsiADH1基因ORF区域克隆进pCAMBIA1301载体中,构建了由CaMV35S启动子驱动的CsiADH1基因植物表达载体pCAMBIA-ADH,并以农杆菌介导的方法侵染番茄‘中蔬四号’子叶,经PCR鉴定,获得了8个转CsiADH1基因阳性植株。该结果为进一步揭示CsiADH1基因在植物诱导防御反应中的分子机理研究奠定了基础。

摘要：根据茶树基因CsiHPL1的cDNA序列设计引物,采用RT-PCR方法从茶树品种龙井43'中克隆了CsiHPL1序列,并分析了CsiHPL1在生物和非生物胁迫下的诱导表达情况及亚细胞定位。结果表明,CsiHPL1包含一个1 476 bp的最大开放阅读框,编码491个氨基酸,预测为13-HPL基因。Real-Time PCR分析结果表明,CsiHPL1的表达受到茶尺蠖取食、机械损伤和茉莉酸的诱导;构建了CsiHPL1与绿色荧光蛋白(GFP)基因的重组表达载体,经农杆菌瞬时转化烟草叶片,利用激光共聚焦显微镜在叶绿体中观察到GFP荧光,表明CsiHPL1编码的蛋白质为叶绿体蛋白质。