摘要：针对目前山地蕉采后运送作业主要依靠人工背运,存在劳动强度大、人力成本高、果实容易损伤以及易发生安全事故等问题,该研究设计了一种山地蕉无人机自主吊运装置,能够实现无人机山地蕉吊运过程中对果轴的自主抓取和卸载,减少人工参与,保障作业人员安全。基于测定的山地蕉蕉穗形态特征参数设计抓取机构、吊具、导向机构以及连接件等,并通过SOLIDWORKS软件建立装置的三维模型,同时搭建了上下位机通讯系统。基于ANSYS Workbench软件的显式动力学分析(explicit dynamics)、静磁分析(magnetostatic)对吊运装置的关键零部件进行仿真和理论计算,确定满足使用要求的电磁铁与舵机型号及参数。室内试验表明,装置的果轴平均抓取成功率为92.59%,果轴平均卸载成功率为96%,平均吊运成功率为88.89%,抓取与卸载的平均耗时分别为63.8和20.8 s/次。无人机搭载吊运装置进行田间试验,平均吊运成功率为83.33%,抓取与卸载平均总耗时90.8 s/次,平均吊运速度0.99 m/s,是人工背运速度(0.17~0.33 m/s)的3倍以上,且由于蕉穗悬空在吊运装置下方不与其他物体接触从而不会对果指造成损伤,满足无人机自主吊运山地蕉的作业需求。研究结果可为快速、低损、安全的无人机山地蕉吊运装置设计提供参考,促进香蕉产业的高质量发展。

摘要：本研究以发酵专用高产多糖灵芝菌株GZ36为材料,通过调控发酵时间以实现目标多糖的定向富集,对获得的发酵菌丝体胞内多糖的提取工艺进行优化,并对制备的多糖组分的理化特征及免疫活性进行了研究。研究表明,发酵时间为60 h时菌丝体胞内多糖的含量最高,未经干燥处理的菌丝体的多糖提取得率相对于烘干处理的菌丝体提高了60.42%,相对于冷冻干燥菌丝体提高了59.16%。未干燥处理灵芝菌丝体的多糖最佳提取工艺为:提取温度90℃、料液比1:3(g/mL)、提取时间2 h,提取次数2次,在此条件下多糖的提取得率可达6.10%。利用分级醇沉从菌丝体的提取液中得到了4个组分GLP-10E、GLP-20E、GLP-50E和GLP-75E,其中GLP-10E、GLP-20E的重均分子量分别为6.161×10^(6) g/mol、4.112×10^(6) g/mol,多糖含量分别为84.59%、92.30%,这2个组分中葡萄糖占比均达到了98%;GLP-50E主要由葡萄糖、甘露糖、鼠李糖以及少量的木糖组成;GLP-75E组分中含有大量的氨基葡萄糖。4个多糖组分均具有诱导巨噬细胞释放NO的活性。本研究可为灵芝液态发酵菌丝体多糖的开发利用提供参考。

摘要：TGA转录因子是一类广泛存在于植物中的重要转录因子家族,已被证明在调控植物逆境应答和生长发育中起着关键作用。本综述系统总结了TGA转录因子的分类和特征、在植物逆境应答及生长发育中的作用,并讨论和展望了TGA的未来研究方向,以期为TGA转录因子功能的系统解析提供参考。

摘要：【目的】棉蚜Aphis gossypii是一种重要的农业害虫,筛选并优化出适用于棉蚜饲养的人工饲料,有助于开展棉蚜生物学和生态学研究。【方法】在不同蚜虫人工饲料配方基础上,将饲料pH值和蔗糖浓度分别调整为7.6和25%,设计了以氨基酸、维生素、无机盐和蔗糖等为营养基础的5种人工饲料(配方Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ)。通过比较棉蚜成蚜在这5种饲料上的存活率和繁殖力,筛选出适合棉蚜饲养的最佳饲料配方。将最佳饲料配方蔗糖浓度调整为30%(配方VI),比较了棉蚜在蔗糖浓度25%和30%两个配方、棉花植株上的存活率、若蚜发育历期、产仔率、平均产蚜量和寿命,及不同棉蚜试验种群的生命表参数。【结果】取食配方Ⅴ饲料的棉蚜成蚜存活率和产蚜量最高。棉蚜在配方V与配方VI人工饲料上均能完成世代发育,成蚜产仔率可达到100%。人工饲料配方V、VI和棉花植株饲养的棉蚜寿命分别为15.39、13.52和20.29 d,平均产蚜量分别为16.99、16.85和26.73头,内禀增长率分别为0.24、0.23和0.29。【结论】综合所有参数比较及本着节约成本的原则,筛选的人工饲料配方Ⅴ(含25%蔗糖)更适用于棉蚜饲养。

摘要：试验旨在研究饲粮代谢能和粗蛋白质水平对27~80周龄京粉6号商品代蛋鸡生产性能和蛋品质的影响。试验选用768只产蛋率、体重相近的27周龄京粉6号商品代蛋鸡,随机分为4组,每组192只,每组8个重复,每个重复24只。试验采用2×2代谢能、粗蛋白质双因子设计(代谢能分为高、低水平,粗蛋白质分为高、低水平),组成4个试验饲粮,试验分4个阶段(27~40周龄、41~50周龄、51~72周龄和73~80周龄)进行。结果显示:(1)饲粮粗蛋白质水平对京粉6号商品代蛋鸡51~72周龄产蛋率、蛋重、产蛋总重和41~50周龄蛋重有显著影响,其中16.2%粗蛋白质水平41~50周龄蛋重显著高于15.8%粗蛋白质水平,15.8%粗蛋白质水平51~72周龄产蛋率、蛋重、产蛋总重显著高于15.4%粗蛋白质水平(P<0.05)。(2)粗蛋白质水平由15.8%降低至15.5%以及由15.6%降低至15.1%分别显著加深62、72周龄和80周龄鸡蛋的蛋黄颜色(P<0.05);饲粮代谢能和粗蛋白质水平对蛋黄颜色、蛋黄比率表现出显著的交互作用(P<0.05),其中,高能高蛋白组蛋黄颜色显著低于低能低蛋白组(P<0.05),高能低蛋白组蛋黄比率较低能高蛋白组提高2.1%~3.2%(P<0.05),11.18 MJ/kg、11.13 MJ/kg代谢能水平蛋黄比率均显著高于11.05 MJ/kg代谢能水平(P<0.05)。研究表明,本试验条件下,综合产蛋性能和经济效益,推荐低能低蛋白组,27~40周龄、41~50周龄、51~72周龄和73~80周龄,饲粮代谢能和粗蛋白质水平分别为11.22MJ/kg和16.0%、11.18MJ/kg和15.8%、11.05MJ/kg和15.4%、11.05MJ/kg和15.1%;以获得最佳产蛋性能和蛋品质为目标,推荐高能高蛋白组,饲粮代谢能、粗蛋白质水平分别为11.34 MJ/kg和16.5%、11.30 MJ/kg和15.8%、11.18 MJ/kg和15.4%、11.13 MJ/kg和15.6%。

摘要：[目的/意义]青贮机作业时,田间遗落的铁丝等铁磁性金属异物如果混入其喂入系统,将会对青贮机的关键零部件和牲畜脏器造成严重损伤。为了确保青贮机在田间作业时能准确、高效地检测出金属异物,本研究开发了一套性能优良的金属探测系统。[方法]首先分析了青贮机金属检测原理,然后对平面螺旋线圈与圆柱线圈进行了仿真计算,选择平面螺旋线圈作为研究对象,通过使用非支配排序遗传算法(Nondominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)结合有限元仿真分析的方式,确定了线圈的线径、内径、外径、层数以及频率,并对弯曲线圈与未弯曲线圈以及阵列线圈进行了仿真计算。最后进行了系统集成,搭建了青贮机模拟试验台进行了模拟试验。[结果和讨论]仿真分析结果显示,平面螺旋线圈磁通密度模变化范围明显大于圆柱线圈,且其电感灵敏度、电阻灵敏度和被测物涡流损耗要明显高于圆柱线圈;另一方面,平面线圈弯曲后电感灵敏度、电阻灵敏度大幅度提高,有利于增强探测线圈的响应度。通过模拟台架试验,验证了该金属探测系统在探测距离小于70mm,对直径0.6 mm、长度20 mm铁丝报警率达到100%,且经过计算,系统响应时间为0.105 0 s,小于安全运输时间,系统可以在金属物到达切碎系统前及时停止。[结论]本研究设计出了一套青贮机金属异物探测系统,提出了一套金属探测线圈的优化方法,并开发了相应的金属探测软硬件系统,通过试验验证了金属探测系统的功能,为青贮机安全运行提供了有力技术支撑。

摘要：旨在改进美国油脂化学家协会(The American Oil Chemists′Society,简称AOCS)测定盐酸不溶灰分(AIA)标准方法的上样量和过滤介质,以简化测定步骤、提高测定精度,并通过AOCS改进法与AOCS标准方法测定AIA,比较两种方法的重复性、可加性及准确性,为准确评价肉鸡对饲粮的代谢能(AME)提供可靠的技术。本研究分为两个试验。试验一采用单因素完全随机设计,通过两种方法(AOCS改进法、AOCS标准方法)对6个样品(3个饲粮、3个排泄物)分3个批次测定AIA含量,比较两种测定方法的可重复性;然后,通过两种方法测定6个混合饲粮和6个混合排泄物样品AIA的实际含量,同时,根据混合饲粮和混合排泄物的组成及AIA含量得到其AIA的计算值,采用配对设计比较实测值与计算值的差异以检验两种测定方法的可加性。试验二采用配对试验设计,比较两种方法测定AIA计算13个饲粮AME与全收粪法测定AME的差值,验证两种方法评价饲粮AME的准确性。结果表明,AOCS改进法测定3个饲粮和3个排泄物AIA的总变异系数(TCV)分别在2.13%~5.83%和1.71%~2.83%,而AOCS标准方法测定上述样品AIA的TCV分别在4.69%~15.37%和1.50%~5.79%;AOCS改进法测定6个混合饲粮和混合排泄物AIA实测值和计算值的差值分别在0.004%~0.017%和0.002%~0.029%,而AOCS标准方法测定上述样品实测值和计算值的差值分别在0.037%~0.071%和0.015%~0.072%。AOCS改进法测定AIA评价饲粮AME与全收粪法AME测值相差在0.021~0.251 MJ·kg^(-1) DM,而AOCS标准方法测定AIA评价饲粮AME与全收粪法AME测值相差0.025~1.799 MJ·kg^(-1) DM。综上所述,从测定AIA的重复性、可加性及对AME测定值的准确性上,AOCS改进法均优于AOCS标准方法。

摘要：【目的】研究莴笋叶色变异的遗传基础,加速莴笋新品种育种进程,提高育种效率。【方法】通过构建红叶和绿叶莴笋杂交群体,分析遗传规律,利用混池分组分析法(BSA-seq)和图位克隆法精细定位并克隆了莴笋红叶基因Lactuca sativa Red Leaf 1(LsRL1),根据变异位点设计了分子标记用于红叶莴笋分子标记辅助育种。【结果】遗传分析结果显示F2分离群体中红叶个体与绿叶个体的分离比为3∶1,说明研究中莴笋叶色表型受一个基因控制,且红叶相对于绿叶为显性性状。混池分组分析法(BSA-seq)将莴笋叶色基因LsRL1初步定位在莴笋第5染色体336.00 Mb到339.64 Mb的范围内。利用图位克隆的方法进一步将LsRL1基因的范围缩小至2个Indel分子标记ls06和ls12之间的85.17 kb区间内,这一区间内包含2个基因LOC111892298和LOC111892911。亲本间差异位点分析将LsRL1的候选基因确定为LOC111892911,该基因在拟南芥中的同源基因编码一个bHLH转录因子,参与花青素合成途径的调控。【结论】基于LsRL1基因在2个亲本间的插入缺失变异,我们开发了一个可用于红叶莴笋分子标记辅助育种的Indel标记,以加速红叶莴笋的育种进程。

摘要：为建立水貂阿留申病毒(AMDV)微滴式数字PCR (ddPCR)检测方法,本研究根据AMDV VP2基因的保守区设计特异性引物和探针,通过PCR扩增AMDV VP2基因并克隆至p MD19-T载体,构建重组质粒p MD19-T-AMDV,并经PCR和测序鉴定后利用该质粒标准品作为模板,通过各反应条件的优化,初步建立了检测AMDV的ddPCR方法。分别以AMDV、水貂肠炎细小病毒、犬瘟热病毒、犬细小病毒、水貂流感病毒基因组为模板,按照本研究建立的ddPCR方法检测,评估其特异性;将1.43×10^(7)拷贝/μL~1.43×10^(0)拷贝/μL的重组质粒标准品作为模板,采用优化后的ddPCR和文献中的荧光定量PCR (qPCR)检测,评估该方法的敏感性;分别以不同浓度的重组质粒标准品作为模板,采用优化后的ddPCR分别进行批内和批间重复性试验,以变异系数(CV)评估该方法的重复性。优化结果显示,该方法的最佳引物终浓度为400 nmol/L (1.2μL)、探针终浓度为200 nmol/L (0.6μL)、退火温度为60℃。特异性试验结果显示,该方法仅可检测到AMDV和质粒标准品,而其他相关病毒均为阴性结果。敏感性试验结果显示,该方法对重组质粒标准品的检测限为1.43拷贝/μL,qPCR对质粒标准品的检测限为1.43×10^(2)拷贝/μL,前者比后者的敏感性高100倍。重复性试验结果,批内和批间重复性试验的变异系数均小于3%。对采集的70份病貂肝脏、脾、肾脏、环境拭子、肛拭子样品进行ddPCR和qPCR检测,结果显示,ddPCR对AMDV的检出率为24.28%(17/70);qPCR的检出率为15.7%(11/70),二者的阳性符合率为64.7%,阴性符合率为89.83%,总符合率为91.42%。上述结果表明,本研究建立的ddPCR方法特异性强、敏感性高和重复性好,可以检测各种临床样品及含量极低样品中的AMDV,为AMDV早期感染的检测、流行病学调查及AMD的防控提供有力技术手段。

摘要：本试验旨在以不同来源的玉米、高粱原料为试验材料,利用单胃动物仿生消化系统(SDS)测定玉米和高粱原料的酶水解物能值(EHGE),并结合前期研究测定的鸡表观代谢能(AME)和真代谢能(TME),建立基于EHGE的AME及TME预测模型。本试验采用单因素完全随机设计,利用SDS分别测定5种不同来源的玉米原料和5种不同来源的高粱原料的体外干物质消化率(IVDMD)、体外总能消化率(IVGED)及EHGE。本试验参照的鸡AME和TME值为前期使用同批次原料,以健康体成熟的海兰褐公鸡通过自由采食法结合全收粪法测定所得。结果表明:1)不同来源玉米的IVDMD、IVGED和EHGE存在显著差异(P<0.05),其中2号玉米的IVDMD、IVGED和EHGE分别为75.12%、80.89%和15.19 MJ/kg DM,显著高于1号玉米(P<0.05)。2)不同来源高粱的IVDMD、IVGED和EHGE存在显著差异(P<0.05),其中5号高粱的IVDMD、IVGED和EHGE最高,分别为79.28%、85.15%和15.73 MJ/kg DM,而2号高粱的IVDMD、IVGED和EHGE最低,分别为55.93%、58.28%和10.72 MJ/kg DM。3)高粱的EHGE与AME和TME之间存在显著的正相关(P<0.05),玉米的EHGE与AME和TME之间的相关系数均为0.80。4)基于EHGE建立的玉米和高粱AME预测模型分别为:AME=7.62+0.57×EHGE[R^(2)=0.64,相对标准偏差(RSD)=0.11,P=0.11]、AME=10.03+0.31×EHGE(R^(2)=0.80,RSD=0.38,P=0.04);基于EHGE建立的玉米和高粱的TME预测模型分别为:TME=7.58+0.58×EHGE(R^(2)=0.64,RSD=0.11,P=0.10)、TME=9.98+0.33×EHGE(R2=0.89,RSD=0.28,P=0.02)。由此可见,不同来源的玉米和高粱的EHGE差异明显,在本试验条件下高粱原料的EHGE与AME和TME之间存在较强的相关关系,使用SDS对高粱原料的AME和TME有更好的预测性。