基于氮高效利用的无芒雀麦优良种质筛选方法、装置与流程

1.本发明涉及人工智能技术领域，尤其涉及一种基于氮高效利用的无芒雀麦优良种质筛选方法、装置。


背景技术：

2.随着当前畜牧行业日益发达，优良牧草的需求也日渐增长，优质饲草短缺是当前制约畜牧业高质量发展的关键瓶颈问题之一。无芒雀麦因其具有产量高、营养丰富、适口性好等特点，为家畜喜食的优质牧草。筛选培育出适应能力强、饲草产量更高、营养品质更优的无芒雀麦品种对于发展优质饲草生产供给，推动畜牧业可持续发展具有重要意义。
3.当前我国优质饲草生产多以一般性耕地、盐碱地、撂荒地、退耕地等低质量土地为主，这些土地营养状况较差，缺氮少磷的情况经常发生。如何在缺氮少磷的土地上实现饲草优质高产是当前亟待解决的重要问题。通过筛选氮高效利用无芒雀麦优良种质，培育氮高效无芒雀麦新品种是解决这一难题的有效途径。


技术实现要素：

4.本发明提供一种基于氮高效利用的无芒雀麦优良种质筛选方法、装置，其主要目的在于解决无芒雀麦氮利用效率低、饲草产量较低的问题。
5.为实现上述目的，本发明提供的一种基于氮高效利用的无芒雀麦优良种质筛选方法，包括：
6.选取n种不同品种或野生材料的无芒雀麦幼苗，将n种无芒雀麦幼苗分成m组对照实验，每组都有n种不同品种的无芒雀麦幼苗；
7.将m组对照实验分别种进m*n*4块相同营养基础的实验田中，选取m种不同浓度的氮肥，分别施加在m组对照实验的实验田中；
8.预设时间段后，在m*n*4块实验田中，利用螺旋线取样法采集每块试验田的p个无芒雀麦样本，检测所述p个无芒雀麦样本的土壤氮肥含量以及样本饲草产量进行加权求平均值，得到所述实验田的最终氮肥含量以及最终饲草产量；
9.根据所述最终氮肥含量以及最终饲草产量计算每块试验田中无芒雀麦样本的氮肥利用率以及氮肥生产力；
10.将m组对照组中氮肥利用率与氮肥生产力都大于预设利用率阈值与生产力阈值的无芒雀麦品种或种质材料确定为优质种质。
11.可选地，所述选取m种不同浓度的氮肥，分别施加在m组对照实验的实验田中，包括：
12.在预设的氮肥浓度阈值区间内，每隔预设区间选取一个氮浓度值，共取m个；
13.根据m个氮浓度值在m组对照实验田中施加氮肥。
14.可选地，所述利用螺旋线取样法采集每块试验田的p个无芒雀麦样本，包括：
15.根据螺旋线公式在预设的实验田模型图中绘出螺旋线；
16.以实验田中心为螺旋线的定点，计算所述螺旋线的弧长；
17.将所述弧长分成p份，在每段弧长对应的实验田中取相同面积的无芒雀麦样本。
18.可选地，所述根据螺旋线公式在预设的实验田模型图中绘出螺旋线，包括：
19.利用如下螺旋线公式在预设的实验田模型图中会出螺旋线：
20.θ＝ωt
[0021][0022]
其中，ρ为所述螺旋线，v为螺旋线的定点在极坐标中的转动速度，ω为螺旋线的定点在极坐标中的转动角速度，t为t时刻，θ为t时刻时旋转了θ角。
[0023]
可选地，所述以实验田中心为螺旋线的定点，计算所述螺旋线的弧长，包括：
[0024]
利用如下弧长计算公式计算所述螺旋线的弧长：
[0025][0026]
其中，s为所述螺旋线的弧长，v为螺旋线的定点在极坐标中的转动速度，ω为螺旋线的定点在极坐标中的转动角速度，n为螺旋线转过的半圈的数量，θ为螺旋线的定点转动的角度。
[0027]
可选地，所述检测所述p个无芒雀麦样本的土壤氮肥含量以及样本饲草产量进行加权求平均值，得到所述实验田的最终氮肥含量以及最终饲草产量，包括：
[0028]
根据土壤检测法逐一检测p个无芒雀麦样本的样本土壤氮肥含量；
[0029]
将所述p个无芒雀麦样本进行称重饲草产量计算出所述样本饲草产量；
[0030]
获取p个样本土壤氮肥含量的预设氮肥权重，计算所述氮肥权重的氮肥加权平均值，将所述氮肥加权平均值确定为实验田的最终氮肥含量；
[0031]
饲草权重饲草产量可选地，所述获取p个样本土壤氮肥含量的预设氮肥权重，计算所述氮肥权重的氮肥加权平均值，包括：
[0032]
利用如下加权平均公式计算所述氮肥权重的氮肥加权平均值：
[0033][0034]
其中，x为所述氮肥加权平均值，p为样本的个数，xi为第i块样本的土壤氮肥含量，fi为第i块样本的预设氮肥权重，i为当前计算的样本个数。
[0035]
可选地，所述根据所述最终氮肥含量以及最终饲草产量计算每块试验田中无芒雀麦样本的氮肥利用率以及氮肥生产力，包括：
[0036]
利用如下氮肥利用率公式计算所述试验田中无芒雀麦样本的氮肥利用率：
[0037][0038]
其中ae为所述无芒雀麦样本的氮肥利用率，α为无芒雀麦样本对应的试验田的最终饲草产量，β为预设的不施氮肥的试验田的最终饲草产量，γ为无芒雀麦样本对应的试验田的最终氮肥含量。
[0039]
可选地，根据所述最终氮肥含量以及最终饲草产量计算每块试验田中无芒雀麦样
本的氮肥利用率以及氮肥生产力，包括：
[0040]
利用如下氮肥生产力公式计算所述试验田中无芒雀麦样本的氮肥生产力：
[0041][0042]
其中，pfp为所述无芒雀麦样本的氮肥生产力，γ为无芒雀麦样本对应的试验田的最终氮肥含量，β为预设的不施氮肥的试验田的最终饲草产量。
[0043]
为了解决上述问题，本发明还提供一种基于氮高效利用的无芒雀麦筛选装置，所述装置包括：
[0044]
选种模块：选取n种不同品种或野生材料的无芒雀麦幼苗，将n种无芒雀麦幼苗分成m组对照实验，每组都有n种不同品种的无芒雀麦幼苗；
[0045]
实验模块：将m组对照实验分别种进m*n*4块相同营养基础的实验田中，选取m种不同浓度的氮肥，分别施加在m组对照实验的实验田中；
[0046]
第一计算模块：预设时间段后，在m*n*4块实验田中，利用螺旋线取样法采集每块试验田的p个无芒雀麦样本，检测所述p个无芒雀麦样本的土壤氮肥含量以及样本饲草产量进行加权求平均值，得到所述实验田的最终氮肥含量以及最终饲草产量；
[0047]
第二计算模块：根据所述最终氮肥含量以及最终饲草产量计算每块试验田中无芒雀麦样本的氮肥利用率以及氮肥生产力；
[0048]
最终确定模块：将m组对照组中氮肥利用率与氮肥生产力都大于预设利用率阈值与生产力阈值的无芒雀麦品种或种质材料确定为优质种质。
[0049]
本发明实施例通过螺旋线取样法采集每块试验田的p个无芒雀麦样本，检测所述p个无芒雀麦样本的土壤氮肥含量以及样本饲草产量进行加权求平均值，得到所述实验田的最终氮肥含量以及最终饲草产量，有利于提高计算的准确度，从而根据就算出的最终氮肥含量以及最终饲草产量计算出氮肥利用率以及氮肥生产力；根据氮肥利用率以及氮肥生产力筛选出优质优种的无芒雀麦品种，便于增加无芒雀麦的饲草产量。因此本发明提出的基于氮高效利用的无芒雀麦优良种质筛选方法、装置，可以解决进行无芒雀麦饲草产量较低的问题。
附图说明
[0050]
图1为本发明一实施例提供的基于氮高效利用的无芒雀麦优良种质筛选方法的流程示意图；
[0051]
图2为本发明一实施例提供的获取无芒雀麦样本的流程示意图；
[0052]
图3为本发明一实施例提供的选取计算最终氮肥含量以及最终饲草产量的流程示意图；
[0053]
图4为本发明一实施例提供的基于氮高效利用无芒雀麦筛选装置的功能模块图；
[0054]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0055]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0056]
本技术实施例提供一种基于氮高效利用的无芒雀麦优良种质筛选方法。所述基于
氮高效利用的无芒雀麦优良种质筛选方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于氮高效利用的无芒雀麦优良种质筛选方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0057]
参照图1所示，为本发明一实施例提供的基于氮高效利用的无芒雀麦优良种质筛选方法的流程示意图。在本实施例中，所述基于氮高效利用的无芒雀麦基于氮高效利用的无芒雀麦优良种质筛选方法包括：
[0058]
s1、选取n种不同品种或野生材料的无芒雀麦幼苗，将n种无芒雀麦幼苗分成m组对照实验，每组都有n种不同品种的无芒雀麦幼苗；
[0059]
本发明实施例中，所述无芒雀麦幼苗是禾本科的草本植物幼苗，是目前栽培最广的雀麦类牧草，由于无芒雀麦适应性强，再生力好，是绝佳的实验对象，且无芒雀麦营养价值高，为广大畜牧行业提供了饲料，具有很高的研究实用价值。
[0060]
本发明实施例中，所述选取n种不同品种或野生材料的无芒雀麦幼苗，由于自无芒雀麦育种改良开始，培育出了许多栽培品种，所以需要对不同品种的无芒雀麦进行筛选，例如新雀一号、乌苏一号以及锡林郭勒无芒雀麦等等。
[0061]
本发明实施例中，所述将n种无芒雀麦幼苗分成m组对照实验，每组都有n种不同品种的无芒雀麦幼苗，例如现有五种不同品种的无芒雀麦幼苗，分成两个对照组进行实验，每组对照组都有相同的五种不同品种的无芒雀麦幼苗。
[0062]
详细地，通过设置对照组的方式对不同品种的无芒雀麦进行研究，控制不同品种无芒雀麦的生长环境，例如分成m组对照实验中，可以是m块不同土壤环境的实验田，将不同品种的无芒雀麦幼苗种植在不同生长条件的土壤中，便于分析出最适宜生长的土壤环境以及生长最佳的无芒雀麦品种。
[0063]
s2、将m组对照实验分别种进m*n*4块相同营养基础的实验田中，选取m种不同浓度的氮肥，分别施加在m组对照实验的实验田中；
[0064]
本发明实施例中，所述实验田就是作为农业技术人员进行品种对比、肥料对比、季节对比、病虫害防治对比等项目的农田。本案例中是用于品种对比的农田。
[0065]
详细地，所述氮肥是以氮元素为主的肥料。氮肥的种类很多，但作用基本一致，可以为植株的生长提供必备的养分，对绝大部分的植株都是有益的，但是过浓的氮肥也会抑制植株的生长。
[0066]
具体地，所述对照实验是在探究某种条件对研究对象的影响时，对研究对象进行的除了该条件不同以外，其他条件都相同的实验。根据变量设置一组对照组实验，使实验结果更具说服力。
[0067]
本发明实施例中，所述将m组对照实验分别种进m*n*4块相同营养基础的实验田中，例如n为3，m为2，即共有3种不同品种的无芒雀麦，要分成两个组进行实验，一共需要2*3即6块相同土壤基础的实验田，保证每种无芒雀麦都能种在两块不同的实验田中，形成对照
实验。
[0068]
本发明实施例中，所述选取m种不同浓度的氮肥，分别施加在m组对照实验的实验田中，包括：在预设的氮肥浓度阈值区间内，每隔预设区间选取一个氮浓度值，共取m个；根据m个氮浓度值在m组对照实验田中施加氮肥。
[0069]
详细地，由于在追加氮肥的同时也会增加其他元素的含量，例如氮肥为硝酸钙，在补充氮肥浓度的同时，钙肥的浓度也会上升，破坏了对照实验的原则，增加了对照实验的变量，使结果分析出现错误。因此在氮肥浓度值低的实验田，需要额外补充钙肥，才能控制变量，完成对照实验的建立。
[0070]
s3、预设时间段后，在m*n*4块实验田中，利用螺旋线取样法采集每块试验田的p个无芒雀麦样本，检测所述p个无芒雀麦样本的土壤氮肥含量以及样本饲草产量进行加权求平均值，得到所述实验田的最终氮肥含量以及最终饲草产量；
[0071]
本发明实施例中，所述预设时间段后为大部分实验田的无芒雀麦都成熟的时期，便于进行收割。
[0072]
本发明实施例中，所述螺旋线为一种曲线，是以一个固定点开始向外逐圈旋绕而形成的曲线。
[0073]
详细地，参照图2所示，所述利用螺旋线取样法采集每块试验田的p个无芒雀麦样本，包括：
[0074]
s21、根据螺旋线公式在预设的实验田模型图中绘出螺旋线；
[0075]
s22、以实验田中心为螺旋线的定点，计算所述螺旋线的弧长；
[0076]
s23、将所述弧长分成p份，在每段弧长对应的实验田中取相同面积的无芒雀麦样本。
[0077]
具体地，所述根据螺旋线公式在预设的实验田模型图中绘出螺旋线，包括：
[0078]
利用如下螺旋线公式在预设的实验田模型图中会出螺旋线：
[0079]
θ＝ωt
[0080][0081]
其中，ρ为所述螺旋线，v为螺旋线的定点在极坐标中的转动速度，ω为螺旋线的定点在极坐标中的转动角速度，t为t时刻，θ为t时刻时旋转了θ角。
[0082]
详细地，所述以实验田中心为螺旋线的定点，计算所述螺旋线的弧长，包括：
[0083]
利用如下弧长计算公式计算所述螺旋线的弧长：
[0084][0085]
其中，s为所述螺旋线的弧长，v为螺旋线的定点在极坐标中的转动速度，ω为螺旋线的定点在极坐标中的转动角速度，n为螺旋线转过的半圈的数量，θ为螺旋线的定点转动的角度。
[0086]
详细地，根据计算出的弧长来确定取样的距离更平均更科学，能够真实的反映出所述实验田中无芒雀麦的生长状态，且样本分布均匀，代表性较强，抽样误差也很小。
[0087]
本发明实施例中，参照图3所示，所述检测所述p个无芒雀麦样本的土壤氮肥含量以及样本饲草产量进行加权求平均值，得到所述实验田的最终氮肥含量以及最终饲草产
量，包括：
[0088]
s31、根据土壤检测法逐一检测p个无芒雀麦样本的样本土壤氮肥含量；
[0089]
s32、将所述p个无芒雀麦样本进行称重，饲草产量计算出所述样本饲草产量；
[0090]
s33、获取p个样本土壤氮肥含量的预设氮肥权重，计算所述氮肥权重的氮肥加权平均值，将所述氮肥加权平均值确定为实验田的最终氮肥含量；
[0091]
本发明实施例中，所述根据土壤检测法逐一检测p个无芒雀麦样本的土壤氮肥含量，其中土壤分析法包括但不限于包括电位法、络酸氧还滴定法、校正因数法、靛酚蓝比色法等等。
[0092]
详细地，所述获取p个样本土壤氮肥含量的预设氮肥权重，计算所述氮肥权重的氮肥加权平均值，包括：
[0093]
利用如下加权平均公式计算所述氮肥权重的氮肥加权平均值：
[0094][0095]
其中，x为所述氮肥加权平均值，p为样本的个数，xi为第i块样本的土壤氮肥含量，fi为第i块样本的预设氮肥权重，i为当前计算的样本个数。
[0096]
详细地，通过计算样本的饲草产量，根据权重推算出整块实验田的最终饲草产量，以及通过计算样本土壤的氮肥含量，根据权重推算出实验田的最终氮肥含量，计算方法简单，计算步骤简洁不易出错，大大减少人力资源的浪费，同时避免了人力资源在大规模计算上可能出现的误差。
[0097]
s4、根据所述最终氮肥含量以及最终饲草产量计算每块试验田中无芒雀麦样本的氮肥利用率以及氮肥生产力；
[0098]
本发明实施例中，根据所述最终氮肥含量以及最终饲草产量计算每块试验田中无芒雀麦样本的氮肥利用率以及氮肥生产力，包括：
[0099]
利用如下氮肥利用率公式计算所述试验田中无芒雀麦样本的氮肥利用率：
[0100][0101]
其中ae为所述无芒雀麦样本的氮肥利用率，α为无芒雀麦样本对应的试验田的最终饲草产量，β为预设的不施氮肥的试验田的最终饲草产量，γ为无芒雀麦样本对应的试验田的最终氮肥含量；
[0102]
利用如下氮肥生产力公式计算所述试验田中无芒雀麦样本的氮肥生产力：
[0103][0104]
其中，pfp为所述无芒雀麦样本的氮肥生产力，γ为无芒雀麦样本对应的试验田的最终氮肥含量，β为预设的不施氮肥的试验田的最终饲草产量。
[0105]
详细地，通过计算出每块试验田的氮肥利用率可以得出不同品种的无芒雀麦对氮肥的吸收能力，通过计算每块实验田的氮肥生产力可以得出不同品种的无芒雀麦对氮肥的转化能力，通过不同的实验对照组，能够得出不同品种的无芒雀麦面对不同氮浓度的实验土壤的氮肥吸收力以及氮肥转化力，从而筛选出无芒雀麦的优质品种。
[0106]
s5、将m组对照组中氮肥利用率与氮肥生产力都大于预设利用率阈值与生产力阈值的无芒雀麦品种确定为优质优种。
[0107]
由于氮肥利用率与氮肥生产力越高，无芒雀麦的生长状态以及饲草产量也就越高，因此筛选出优质优种的无芒雀麦需要根据所述氮肥利用率以及所述氮肥生产力的大小进行比较。
[0108]
本发明实施例中，所述将m组对照组中氮肥利用率与氮肥生产力都大于预设利用率阈值与生产力阈值的无芒雀麦品种确定为优质优种，例如a品种的氮肥利用率与氮肥生产力分别为65％以及70％，预设利用率阈值与生产力阈值分别为60％与60％，则a品种的无芒雀麦为优质优种。
[0109]
详细地，无芒雀麦是饲用价值最高的牧草之一，研究筛选出优质优种的无芒雀麦品种对畜牧业有很大的价值，一年四季为各种畜禽喜食，是一种放牧和割草兼用的优良牧草。通过氮肥利用率与氮肥生产力来筛选出优质优种，更加准确，更加实用，能够更好的满足选种的要求。
[0110]
如图4所示，是本发明一实施例提供的基于氮高效利用的无芒雀麦筛选装置的功能模块图。
[0111]
本发明所述基于氮高效利用的无芒雀麦筛选装置100据实现的功能，所述基于氮高效利用的无芒雀麦筛选装置100可以包括选种模块101、实验模块102、第一计算模块103、第二计算模块104及最终确定模块105。本发明所述模块也可以称之为单元。
[0112]
在本实施例中，关于各模块/单元的功能如下：
[0113]
所述选种模块101：选取n种不同品种或野生材料的无芒雀麦幼苗，将n种无芒雀麦幼苗分成m组对照实验，每组都有n种不同品种的无芒雀麦幼苗；
[0114]
所述实验模块102：将m组对照实验分别种进m*n*4块相同营养基础的实验田中，选取m种不同浓度的氮肥，分别施加在m组对照实验的实验田中；
[0115]
所述第一计算模块103：预设时间段后，在m*n*4块实验田中，利用螺旋线取样法采集每块试验田的p个无芒雀麦样本，检测所述p个无芒雀麦样本的土壤氮肥含量以及样本饲草产量进行加权求平均值，得到所述实验田的最终氮肥含量以及最终饲草产量；
[0116]
所述第二计算模块104：根据所述最终氮肥含量以及最终饲草产量计算每块试验田中无芒雀麦样本的氮肥利用率以及氮肥生产力；
[0117]
所述最终确定模块105：将m组对照组中氮肥利用率与氮肥生产力都大于预设利用率阈值与生产力阈值的无芒雀麦品种或种质材料确定为优质种质。
[0118]
详细地，本发明实施例中所述基于氮高效利用的无芒雀麦筛选装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于氮高效利用的无芒雀麦优良种质筛选方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0119]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0120]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。