Deep learning has demonstrated excellent capabilities for learning image features and is widely used in image object detection. In order to improve the performance of machine vision in fruit detection for a strawberry harvesting robot, Mask Region Convolutional Neural Network (Mask-RCNN) was introduced. Resnet50 was adopted as backbone network, combined with the Feature Pyramid Network (FPN) architecture for feature extraction. The Region Proposal Network (RPN) was trained end-to-end to create region proposals for each feature map. After generating mask images of ripe fruits from Mask R-CNN, a visual localization method for strawberry picking points was performed. Fruit detection results of 100 test images showed that the average detection precision rate was 95.78%, the recall rate was 95.41% and the mean intersection over union (MIoU) rate for instance segmentation was 89.85%. The prediction results of 573 ripe fruit picking points showed that the average error was ±1.2 mm. Compared with four traditional methods, the method proposed demonstrates improved universality and robustness in a non-structural environment, particularly for overlapping and hidden fruits, and those under varying illumination.

Abstract Pleiotropy is frequently detected in agronomic traits of wheat ( Triticum aestivum ). A locus on chromosome 4B, QTn/Ptn/Sl/Sns/Al/Tgw/Gl/Gw.caas-4B , proved to show pleiotropic effects on tiller, spike, and grain traits using a recombinant inbred line (RIL) population of Qingxinmai × 041133. The allele from Qingxinmai increased tiller numbers, and the allele from line 041133 produced better performances of spike traits and grain traits. Another 52 QTL for the eight traits investigated were detected on 18 chromosomes, except for chromosomes 5D, 6D, and 7B. Several genes in the genomic interval of the locus on chromosome 4B were differentially expressed in crown and inflorescence samples between Qingxinmai and line 041133. The development of the KASP marker specific for the locus on chromosome 4B is useful for molecular marker-assisted selection in wheat breeding.

Assessing crop seed phenotypic traits is essential for breeding innovations and germplasm enhancement. However, the tough outer layers of thin-shelled seeds present significant challenges for traditional methods aimed at the rapid assessment of their internal structures and quality attributes. This study explores the potential of combining terahertz (THz) time-domain spectroscopy and imaging with semantic segmentation models for the rapid and non-destructive examination of these traits. A total of 120 watermelon seed samples from three distinct varieties, were curated in this study, facilitating a comprehensive analysis of both their outer layers and inner kernels. Utilizing a transmission imaging modality, THz spectral images were acquired and subsequently reconstructed employing a correlation coefficient method. Deep learning-based SegNet and DeepLab V3+ models were employed for automatic tissue segmentation. Our research revealed that DeepLab V3+ significantly surpassed SegNet in both speed and accuracy. Specifically, DeepLab V3+ achieved a pixel accuracy of 96.69 % and an intersection over the union of 91.3 % for the outer layer, with the inner kernel results closely following. These results underscore the proficiency of DeepLab V3+ in distinguishing between the seed coat and kernel, thereby furnishing precise phenotypic trait analyses for seeds with thin shells. Moreover, this study accentuates the instrumental role of deep learning technologies in advancing agricultural research and practices.

In this study, the potential mechanism of aroma loss in non-smoked bacon due to excessive hot air drying (beyond 24 h) was investigated, focusing on protein conformational changes and the inhibition of heme protein-mediated lipid oxidation by oleic acid. The results showed that prolonged hot-air drying caused a stretching of the myofibrillar protein (MP) conformation in bacon before 36 h, leading to an increase in reactive sulfhydryl groups, surface hydrophobicity, and the exposure of additional hydrophobic sites. Consequently, the binding ability of MP to the eight key aroma compounds (hexanal, 1-octen-3-ol, (E)-2-nonenal, 3-methyl-butanoic acid, 2-undecenal, (E, E)-2,4-decadienal, 2,3-octanedione, and dihydro-5-pentyl-2(3H)-furanone) was enhanced, resulting in their retention. On the other hand, a sustained increase in oleic acid levels has been demonstrated to effectively inhibit heme protein-mediated lipid oxidation and the formation of these key aroma compounds. Using lipidomic techniques, 30 lipid molecules were identified as potential precursors of oleic acid during the bacon drying process. Among these precursors, triglycerides (16:0/18:0/18:1) may be the most significant.

Previous studies have demonstrated that Staphylococcus cohnii WX_M8 and S. saprophyticus MY_A10 significantly enhanced the flavor of Chinese bacon in a mixed fermentation. However, due to the complexity of the processing, the contribution of the bacteria is deceptive when investigating only the phenotypic changes at the time of fermentation. In order to clarify the metabolic mechanisms of mixed fermentation, a technological characterization, whole genome and comparative genomics analysis, and metabolites were approached in this study. Results showed that differences in tolerance characteristics existed between WX_M8 and MY_A10. And the genomes of both the two strains consisted of one chromosome and four circular plasmids. Their genome sizes were 2.74 Mp and 2.62 Mp, the GC contents were 32.45% and 33.18%, and the predicted coding genes (CDS) were 2564 and 2541, respectively. Based on the annotation of gene functions and assessment of metabolic pathways in the KEGG database, WX_M8 and MY_A10 strains were found to harbor complete protein degradation and amino acid metabolic pathways, pyruvate and butanol metabolic pathways, and isoleucine metabolic pathways, and their diverse enzyme-encoding genes superimposed the metabolic functions, whereas the alcohol dehydrogenase genes, adh and frmA, achieved complementary functions in the production of esters. Comparative genomics analysis revealed a diversity of encoding genes of aminotransferases and a greater metabolism for sulfur-containing amino acids, aromatic amino acids, and branched-chain amino acids in the mixed fermentation of strains WX_M8 and MY_A10. Metabolites analysis showed that MY_A10 focused on the production of soluble peptides and free amino acids (FAAs), while WX_M8 focused on volatile organic compounds (VOCs), resulting in a significant enhancement of the flavor of Chinese bacon when the two were mixed fermented. This result may provide direction for strains WX_M8 and MY_A10 to be used as starter cultures and targeted to regulate flavor.

Electrosorption technique is paid more attention in recovery of uranium(VI) due to its low energy consumption, green process and easy regeneration, but still is hindered by the limited accessible active sites on the electrode material, poor surface wettability and inherent ion exclusion effects. Herein, novel there dimensional porous polyethyleneimine/graphene oxide aerogel (PEI/GOA) electrode was constructed by incorporating polyethyleneimine into graphene oxide and using chitosan as binder for uranium(VI) electrosorption. The synthesized PEI/GOA had a stable three-dimensional porous structure, high specific capacitance (54.06F/G) and good charge–discharge stability. The electrosorption process of uranium(VI) by PEI/GOA electrode was affected by applied voltage and pH, fitted by the pesuo-second-order kinetics and Langmuir model. The maximum theoretical electrosorption capacity of uranium(VI) by PEI/GOA electrode at − 1.2 V was 419.71 mg/g, which was 2.2 times higher than that of pure graphene oxide electrode. PEI/GOA electrode exhibited less than 20 % loss after five cycles using 0.1 M NaHCO3 as the eluent. The efficient U(VI) electrosorption by PEI/GOA electrode was not only attributed to the formation of the electric double layer, but also due to the interaction and synergy of the –NH2, –CONH- and –OH on the PEI/GOA electrode. This research offers a new approach for the efficient removal of uranium (VI) from uranium-containing wastewater.

Abstract Background Strawberry, being an important economic crop, requires a large amount of human labor for harvesting operations. Efficient and non‐destructive harvesting by strawberry harvesting robots requires the precise location of the picking points. Current algorithms for locating picking points encounter significant issues with location errors and minimal effective information in complex situations. Results To improve the accuracy of the location of picking points, this study proposes a visual location method based on composite models. This method employs object detection and instance segmentation models to detect fruits and segment peduncles sequentially, thereby enabling the identification of picking points and inclination on the peduncle. Different object detection algorithms and instance segmentation models were validated to explore the optimal model combination, and the Convolutional Block Attention Module (CBAM) was integrated into YOLOv8s‐seg to construct YOLOv8s‐seg‐CBAM. Test results show that the composite model built with YOLOv8s and YOLOv8s‐seg‐CBAM achieved a peduncle detection accuracy of 86.2%, with an inference time of 30.6 ms per image. Conclusion The picking point visual location method based on YOLOv8s and YOLOv8s‐seg‐CBAM composite models can better balance accuracy and efficiency and can provide more accurate guidance for automated harvesting. © 2024 Society of Chemical Industry.