大豆病害诊断专家系统设计与实现

大豆病害诊断专家系统设计与实现作者：刘晓红学位授予单位：哈尔滨工程大学相似文献(8条)1.期刊论文徐静静.王晓鸣.武小菲.朱振东.XuJingjing.WangXiaoming.WuXiaofei.ZhuZhendong基于细胞色素氧化酶基因和激发素基因的大豆疫霉菌特异性PCR引物-植物保护2008,34(5)引起大豆疫霉根腐病的大豆疫霉菌(Phytophthorasojae)是危害大豆的破坏性病原菌之一,也是我国重要的检疫性植物病原菌.简单、快速、准确的鉴定和检测技术是阻止大豆疫霉菌传入和病害早期诊断的有效工具.本研究从大豆疫霉菌细胞色素氧化酶基因Ⅱ(coxⅡ)序列和两个激发素(elicitin)家族基因EST序列中开发了3对大豆疫霉菌特异引物:Cox3-F/Cox3-R、PSEL1-F/PSEL1-R和PSEL2-F/PSEL2-R.这3对引物在大豆疫霉菌中分别扩增出450、289bp和370bp的特异性片段,其检测大豆疫霉菌基因组DNA的灵敏度分别为20、2pg/μL和2Pg/μL.3对引物能够有效检测大豆疫霉菌侵染的大豆病株,可以用于病害诊断和鉴别.2.期刊论文时雷.虎晓红.席磊基于NaiveBayes算法的大豆病害诊断研究-安徽农业科学2009,37(11)介绍了NaiveBayes算法的基本理论.以UCI数据库中的大豆数据集为实例,研究了NaiveBayes算法在大豆病害诊断中的应用.试验结果表明,NaiveBayes算法的预测精度优于决策树C4.5算法和最近邻INN算法.3.学位论文徐静静大豆疫霉分子检测及SSR标记的开发2008大豆疫霉引起的大豆疫霉根腐病是大豆上的重要病害，每年在大豆主产国造成严重的经济损失，该菌也是我国重要的进境检疫有害生物之一。因此，研究大豆疫霉的快速、准确鉴定技术以及开发有效的分子标记系统用于种群变异和进化分析等研究具有重要意义。本研究旨在开发大豆疫霉特异的分子标记，建立用于大豆病株及土壤检测的PCR技术体系，为防止该菌的传播和及时制定病害防治策略奠定基础;通过对大豆疫霉全基因组序列的查询开发有效SSR标记，检测SSR标记用于大豆疫霉遗传多样性分析的有效性和在其他近缘物种的通用性，以期为大豆疫霉的遗传变异、分子作图和系统进化等研究提供一种更加有效的分子标记系统。主要研究结果如下：1.从大豆疫霉细胞色素氧化酶基因Ⅱ(coxⅡ)序列和两个激发素(elicitin)家族基因EST序列中开发了3对大豆疫霉特异引物：Cox3-F/Cox3-R、PSEL1-F/PSEL1-R和PSEL2-F/PSEL2-R。这3对引物在大豆疫霉中分别扩增出450bp、289bp和370bp的特异性片段，检测大豆疫霉基因组DNA的灵敏度分别为20pg/μL、2pg/μL和2pg/μL。3对引物能够有效检测大豆疫霉侵染的大豆病株，可以用于病害诊断和鉴别。2.基于保守的EST-SSR标记Psc239，在原引物对的外侧重新设计一对特异引物Psc239EF/Psc239ER，构建检测大豆疫霉的巢式PCR技术体系。经过对36株P.sojae、25株对照菌和2个大豆品种检测，这两对引物单独扩增及巢式PCR均表现对大豆疫霉的特异性，Psc239EF/Psc239ER、Psc239和巢式PCR分别只在大豆疫霉扩增出519bp、242bp和242bp的特异片段。单对引物检测基因组DNA的灵敏度均为50pg/μL，而巢式PCR为50fg/μL。该巢式PCR方法可以特异地从大豆病株及土壤中检测到大豆疫霉，检测土壤中卵孢子的灵敏度为每1g土壤0.4个卵孢子。对22份随机大豆田土样中进行检测，16份土样为阳性，而使用叶碟诱钓方法只检测出12份阳性土样。3.通过对大豆疫霉基因组序列查询选出重复次数较多的260个SSRs设计引物，经10个大豆疫霉基因组DNA筛选，设计的260对SSR引物有213对能扩增出SSR特征条带，占引物总数的81.9％。其中多态引物有114对，占53.5％，条带差异多态性引物72对，占33.8％。通用性检测结果显示部分引物在11株其他疫霉菌中表现一定的通用性。基于10个SSR标记的聚类分析表明，这些标记可以将大豆疫霉及其他疫霉区分开。4.用18对SSR引物分析大豆疫霉菌株的遗传多样性。18对SSR引物在108个大豆疫霉菌株中共扩增出119个等位变异，变异范围为4-9，平均为6.61个，表现出良好的多态性，从而可以用于大豆疫霉遗传多样性的分析。对来自6个不同地区的大豆疫霉的遗传多样性分析表明，中国大豆疫霉存在丰富的遗传多样性；黑龙江、安徽和美国菌株的遗传多样性比较高，这些地方的菌株可能存在广泛的遗传变异；新疆菌株与黑龙江菌株的遗传距离最近，初步认为新疆的大豆疫霉可能来自黑龙江；安徽与黑龙江菌株可能有共同的遗传背景；美国相对较少的供试样品表现出较高的遗传多样性指数，并且从聚类图及遗传距离上可以看美国和中国的大豆疫霉的遗传背景不一致。4.期刊论文吴华瑞.杨宝祝.赵春江.李爱平.孙想.顾静秋农业智能系统平台的研究与应用-中国科技成果2004,(12)在众多的农业智能信息技术中,专家系统的研究与应用尤为突出.根据中国农科院文献中心对近二十多年来CABI、AGRIS以及AGRICOLA等文献数据库的检索查询,世界上应用最早的农业专家系统是20世纪70年代美国Illinois大学开发成功的大豆病害诊断专家系统(Plant/ds).5.期刊论文徐静静.蔺宇.董立明.王晓鸣.武小菲.朱振东.XUJing-jing.LINYu.DONGLi-ming.WANGXiao-ming.WUXiao-fei.ZHUZhen-dong用SSR标记和巢式PCR快速检测大豆疫霉菌-中国农业科学2009,42(5)[目的]建立快速、准确的大豆疫霉菌检测和病害早期诊断分子技术.[方法]基于大豆疫霉菌SSR标记Psc239设计两对引物Psc239EF/Psc239ER和Psc239F/Psc239R,建立特异性检测大豆疫霉菌的巢式PCR方法.[结果]用36个大豆疫霉菌分离物和25个其他卵菌和真菌分离物基因组DNA评价引物及巢式PCR的专化性,引物对Psc239EF/Psc239ER,Psc239F/Psc239R和巢式PCR反应只在大豆疫霉菌中分别扩增出519、242和242bp的特异片段,在其它卵菌和病原真菌中不扩增片段;用两对引物进行常规PCR扩增,检测大豆疫霉菌DNA的灵敏度均为50Pg·μl-1,而巢式PCR的灵敏度为50fg·μl-1;巢式PCR检测土壤中卵孢子的灵敏度为每克土壤0.4个卵孢子;巢式PCR能够特异地从大豆病株和土壤中检测到大豆疫霉菌.[结论]基于SSR标记建立的巢式PCR方法能够用于大豆疫霉菌的快速检测和病害诊断.6.学位论文韩俊丽国家种质库库存大豆、菜豆种质种传病毒检测2009豆科作物易被多种植物病毒侵染，带有病毒的种质质量受到明显影响，同时也严重影响种质的保存安全。本研究以国家种质中期库提供的300份大豆、100份菜豆种质为材料，分别采用血清学和分子生物学方法，对种子中种传病毒的种类进行检测。通过对入库保存种质携带病毒种类及数量的检测，获得不同地域来源种质的带毒特点信息，推断种子繁殖生产中的病毒传播状况，分析种传病毒对种质安全保存的影响及对今后繁种安全的威胁，进而探索控制入库种质携带种传病毒的有效预防途径，为今后深入研究库存种质的种传病毒问题和种质安全保存技术奠定良好基础。主要研究结果如下：1.基于黄瓜花叶病毒CP基因序列开发了检测CMV的特异性引物CMV-CP-491F/CMV-CP-491R：可以有效检测大豆种子中的黄瓜花叶病毒，并用于病害诊断和病原鉴定。构建了用于定性检测大豆种子中携带SMV、CMV的复合RT-PCR技术，利用该技术能够有效地对国家库存种质、进境大豆种质及田间生产种子同时进行健康质量评价，缩短了检测时间，降低检测成本。2.对种子中种传病毒的种类进行检测。结果表明：在大豆种质中检测出大豆花叶病毒(SMV)、黄瓜花叶病毒(CMV)、苜蓿花叶病毒(AMV)三种病毒，阳性检出率分别为24.67％(74份)、12.67％(38份)和4.67％(14份)。大豆种质中还存在大豆花叶病毒与黄瓜花叶病毒、大豆花叶病毒与苜蓿花叶病毒的复合侵染。在菜豆种质中检测出菜豆普通花叶病毒(BCMV)阳性材料92份，种质带毒率高达92％。这些信息为作物种质资源的安全保存和健康应用提供依据。3.分析了种质健康繁殖的条件，将会对今后采取相关措施提高入国家种质库保存的豆类种质的质量提供帮助。7.期刊论文刘继芬.聂凤英.王平.曲春红.颜蕴世界主要国家农业专家系统、计算机决策系统和计算机模拟模型技术的应用现状-农业网络信息2004,(5)1专家系统和网络计算机辅助决策技术应用现状专家系统是一种利用特定领域中专家知识、经验编写的软件,可为用户提供建议和决策.国外农业专家系统的应用始于70年代后期,最早是美国ILLinois大学的植物病理学家和计算机学家共同开发的大豆病害诊断专家系统PLANT/ds.20世纪80年代中叶有了迅速的发展,美国、日本、英国、荷兰、澳大利亚、加拿大等国相继在作物栽培、畜禽饲养、农业经济效益分析、农产品市场销售管理等方面研制出不少的农业专家系统.据统计,1995年美国正在使用或准备使用的农业专家系统有1000多个,日本有400多个.从开发总量看,美国占绝大部分,几乎占80%,其他国家(包括中国)只占20%.8.学位论文马晓丹植物叶片特征提取与识别的研究2006本文以计算机数字图像处理为重要技术手段，以大豆叶片为主要研究对象，综合运用数字图像处理、色度学、人工神经网络、模式识别等人工智能领域的知识，研究了适合于植物叶片特征提取与识别的技术。首先，利用数字图像采集技术完成图片的采集，研究了叶片图像处理的理论，主要实现了图像的点运算、几何处理、腐蚀膨胀算法以及边缘检测等技术。然后，分析了各种几何失真的产生原理，明确了本文在采集叶片图像时发生失真的机理。针对此机理，找到了适合于植物叶片图像失真校正的方法，成功地实现了叶片图像的失真校正。同时研究了适合于植物叶片的预处理技术，包括图像分割技术、增强技术、彩色图像的灰度化处理等。在图像分割中，本文采用两步来分割叶片与背景：剪裁法除去与叶片颜色相近或相同的背景，然后采用基于叶片边缘的图像逻辑运算提取叶片。最后，实现了叶片几何特征(面积、周长、形状参数)的计算及叶片各部分的测量功能。同时，依据色度学知识以及叶色与叶绿素的关系，对叶片的色度值作了初步计算。此外，运用人工神经网络技术对病斑作了初步识别，且根据计算病斑形状所需的参数，对初步识别的病斑的形状参数作了详细计算。本研究为进一步开发具有智能化的植物病害诊断专家系统提供了必要的先期研究，对缩小我国在农业信息自动化领域与发达国家的差距，促进计算机图像处理技术、人工神经网络技术在我国农业工程领域的应用具有一定的意义。本文链接：授权使用：上海海事大学(wflshyxy)，授权号：396025ac-629d-4252-83f3-9ddc009dfdbc下载时间：2010年8月24日