원래 이름 기록: 山东农业大学

本发明涉及海洋浮游生物无害处理和加工应用领域，具体提供了一种利用浒苔制备生物塑料的方法，包括以下步骤：1）将浒苔洗净自然晾干或烘干后粉碎；2）将步骤1）所得物分散在水中，经过高压微射流一次；3）将步骤2）所得物中加入甘油后，在80℃‑95℃下磁力搅拌1.5h‑3h后自然冷却至室温；4）将步骤3）所得物经过高压微射流一次后平铺至基板，自然晾干，即得到浒苔生物塑料。上述方法操作简单，绿色环保，所制备的生物塑料具有良好的机械强度、韧性、水稳定性和抗紫外性，其在土壤中可自然降解，并可作为有机肥料提升土地肥力，具有优异的可回收特性，展现出独特的闭环循环特性。

本发明公开了一种大豆基因及其编码的蛋白在提高大豆再生频率和遗传转化效率中的应用，涉及植物基因工程技术领域。本发明首次鉴定并验证了大豆B3转录因子家族中基因具有显著提升体细胞再生能力的全新功能。通过将本基因导入大豆受体细胞，过表达可显著提高大豆再生频率和遗传转化效率。这为突破大豆难再生的骨干种质遗传转化技术瓶颈，提供了一个高效、普适的内源基因。该研究结果不仅为解析大豆茎尖分生组织调控再生的分子机制提供了新的基因靶点，更为构建高效稳定的大豆遗传转化体系提供技术支撑。

本发明公开了一种来源于大叶胡颓子的EmSAMS1蛋白及其编码基因在提高植物耐盐性中的应用，属于基因工程技术领域。本发明以大叶胡颓子为材料，克隆获得受盐胁迫诱导的基因。同时构建过表达载体转化拟南芥，证明其增强了转基因拟南芥的盐胁迫抗性，在植物耐盐分子育种和品种改良方面具有重要应用价值。

本发明涉及一种与兔皮毛重量相关的分子标记、检测方法及其应用，属于家兔分子标记育种技术领域。所述分子标记为SNP，位于康大肉兔参考基因组1号染色体1222295bp处，其多态性为A/T，该标记基因型为AA的兔个体皮毛重量最大。根据本发明提供的SNP位点和检测方法，可建立家兔毛皮性状的分子标记辅助育种技术，应用于遗传改进家兔的皮毛重量和品质，提升兔皮价值和养殖效益。

本发明公开了一种与大白猪生长性状相关的TJAP1基因分子标记及其应用，属于分子遗传学技术领域。本发明通过低深度全基因组测序在大白猪群体中初步筛选到基因3′调控区的一个与猪100kg体重背膘厚、达100kg体重日龄显著关联的突变位点g.38501283（G>C）。基于该突变位点g.38501283（G>C），本发明设计了与大白猪生长性状相关的TJAP1基因分子标记和检测引物对，能够高效筛选出具有背膘厚度低、达100kg体重日龄短等优异生长性能的猪个体，为大白猪优良品种的快速选育提供技术支撑。

本发明公开了一种与小麦抗茎基腐病基因连锁的KASP标记引物组及其应用，涉及生物技术领域。该KASP标记引物组包括核苷酸序列如SEQ ID NO.1所示的上游引物F1、核苷酸序列如SEQ ID NO.2所示的上游引物F2和核苷酸序列如SEQ ID NO.3所示的通用下游引物R。本发明通过全基因组关联分析，在小麦5D染色体长臂上发现1个与茎基腐病抗病紧密关联的QTL位点，并寻找到一个抗病基因，命名为TaLRK‑D1。进一步针对TaLRK‑D1在抗、感材料中的SNP开发了可用于大规模材料筛选的KASP分子标记。经验证该分子标记与小麦茎基腐病抗病性紧密相关，可应用于筛选高抗病小麦种质。

本申请涉及土壤螨类分类领域，公开了一种自主检测种类和数量的土壤螨类提取器，包括提取器支架、提取漏斗、爬行通道、酒精收集皿、驱虫灯、微物摄像机、图像处理器及显示器。工作时，将采集到的土壤样品放置于提取漏斗中，利用土壤螨类避光避热的生物学特性，通过位于提取漏斗上方的诱集光源提供的光和热刺激，驱使螨类向下移动并进入爬行通道。微物摄像机实时拍摄通道内通过的螨类，并将视频流传输至图像处理器。图像处理器内置经过训练的图像检测算法，自动识别视频中螨类的种类和数量。本发明解决了传统土壤螨类识别需耗时耗力进行人工计数的问题，实现了提取与统计过程的自动化与可视化，显著提高了工作效率。

本发明公开了一种柔性机械手掌心耦合主动光谱的苹果品质原位检测装置，包括柔性手指、主动式多光谱传感系统、舵机模块、下壳和控制箱。所述柔性手指通过定位孔与壳上的定位销配合安装，所述多光谱传感系统包括避光圈、机械手托盘、匀光片、卤素灯珠、环形灯板、光源托架、菲涅尔透镜、AS7265X光谱传感器、机械手底座，所述匀光片、环形灯板、菲涅尔透镜和AS7265X同轴安装，所述环形灯板安装于机械手托盘内部，所述菲涅尔透镜和AS7265X安装于光源托架下方。所述主控模块负责采集、处理并解析果实品质，供电模块为各模块提供电源。本发明克服了机械手在采摘过程中难以获取果实品质的难题，为现场分级提供了有效的技术手段。

本申请公开了一种基于力感知与深度学习的球形果蔬直径预测方法，涉及智能农业技术领域，通过建立接触力模型，利用MLP精准刻画了抓取系统的物理特性，为预测提供了物理学依据；通过接触力模型输出的多源时序数据对CNN‑BiLSTM‑Attention进行训练；随后利用训练完毕的CNN‑BiLSTM‑Attention，高效融合了抓取过程中的力、行程、位姿等多模态信息在不依赖视觉的情况下，实现了对果实直径的高精度、高鲁棒性实时预测，提升了农业生产效率并降低了果实损伤率。