XiaoMi-AI文件搜索系统
World File Search SystemLOCUST
粮农组织沙漠蝗虫防治指南
粮农组织感谢编写本指南第一版的 P.M. Symmons、修订和更新本指南的 K. Cressman 和 H.M. Dobson 以及制作大部分插图的 S. Lauer。粮农组织还要感谢 T. Abate、B. Aston、F. Bahakim、L. Barrientos、T. Ben Halima、D. Brown、M. Butrous、M. Cherlet、J. Cooper、C. Dewhurst、J. Duranton、C. Elliott、A. Hafraoui、M. El Hani、T. Galledou、S. Ghaout、G. Hamilton、Z.A.Khan、M. Lecoq、J. Magor、G. Matthews、L. McCulloch、M. A. Ould Baba、J. Pender、（已故）G. Popov、T. Rachadi、J. Roffey、J. Roy、S. Simpson、P.M. Symmons 和 H. van der Valk 对本新版本的评论和批评。还要感谢 R. Mitchell 和 C. Smith-Redfern 提供的一般编辑建议、K. Whitwell 提供的索引、Medway Design Team、格林威治大学和 Andrew Jones 提供的数字艺术作品以及制造商提供的设备插图。控制指南和附录的部分内容是英国国际发展部 (DFID) 资助的一项旨在造福发展中国家并由自然资源研究所实施的项目的成果。这些部分表达的观点不一定代表 DFID 的观点。
基于视觉的集体运动：蝗虫
自然发生的集体运动是一种引人入胜的现象，其中蜂拥而至的自发和协调其运动。许多蜂群的理论模型都假定理想化，完美的感知能力，而忽略了基本的感知过程，尤其是对于依靠视觉感知的代理商而言。具体而言，许多蝗虫等许多蜂群中的生物视觉利用了单眼非镜像视觉，从而防止了距离和速度的完美获得。此外，蜂群的同伴可以在视觉上相互阻塞，从而进一步引入估计错误。在这项研究中，我们探索了使用非镜镜，单眼视觉在受限条件下出现有序集体运动的必要条件。我们提出了一种基于视觉的聚集运动模型，用于蝗虫样药：拉长形状，平行于水平平面的全向视觉传感器，缺乏立体深度感知。该模型解决了（i）距离和速度的非镜镜估计，（ii）视野中存在闭塞。我们考虑并比较代理商可能用来以视觉感知过程所需的计算复杂性为代价来解释部分视觉信息的三种策略。在各种几何环境（环形，走廊和环形领域）进行的计算机模拟实验表明，这些模型可以导致有序的或近地有序状态。同时，它们在达到顺序的速度上有所不同。此外，结果对代理的伸长敏感。在几何受限的环境中进行的实验揭示了模型之间的差异，并阐明了使用它们来控制蜂群剂时可能的权衡。这些建议用于进一步研究生物学和机器人技术的途径。
新年快乐 - Locust Hill
当美军到达普林斯顿时，英国军队开始向特伦顿进发，增援其余部队。美军出其不意，在战斗初期就击退了英军。英军集结起来，用刺刀攻击突破了美军防线，迫使他们撤退。此时华盛顿出现了。他召集部队，带领他们取得胜利。在这样做的过程中，他冲到军队的最前面，暴露在枪林弹雨中。无论战斗多么激烈，华盛顿都没有被击中。一些英国士兵跑进普林斯顿镇，把自己关在一栋学院建筑里。亚历山大·汉密尔顿派人把大炮运上来，近距离向大楼射击。数百名英国士兵出来投降。
LOCUST 定向能反无人机系统
LOCUST 系统可根据个人需求进行高度配置。该系统的模块化设计允许用户定制适合其需求的解决方案，包括系统功能，例如激光武器功率水平、电池容量、外部传感器集成和热管理系统。LOCUST 的重点是以合理的价格最大限度地提高其对客户任务的价值。我们不断投资和升级我们的能力，以确保我们的系统在日益复杂的防空环境中可靠地应对各种威胁。这确保了 LOCUST 的能力随着每次更新而不断提高。
沙漠蝗虫 Schistocerca 的首个基因组组装草图......
1 鲁汶天主教大学分子发育生理学和信号转导实验室，比利时鲁汶 3000 2 根特大学生物信息学和进化基因组学实验室，比利时根特 9000 3 根特大学植物系统生物学中心 - VIB，比利时根特 9052 4 比勒陀利亚大学生物化学、遗传学和微生物学系，南非比勒陀利亚 0002 5 根特大学制药生物技术实验室，比利时根特 9000 6 根特大学 NXTGNT，比利时根特 9000 7 法国穆利斯 09200 法国国家科学研究中心和保罗萨巴蒂尔大学理论与实验生态站 8 德克萨斯农工大学昆虫学系77843-2475，美国 9 莱斯特大学神经科学、心理学和行为学系，莱斯特，LE1 7RH，英国
CRISPR 能否帮助控制蝗虫种群以减少瘟疫爆发的影响？
沙漠蝗虫（Schistocerca gregaria）自古以来就威胁着粮食安全，并通过破坏农业影响人类的生活。肆虐的蝗灾爆发是现实，至今仍在农田和牧场造成大规模破坏。全球蝗虫袭击和爆发影响广大地区和数百万人，造成数十亿美元的经济损失。虽然通过化学农药控制蝗虫种群是目前使用的主要方法，但不幸的是，它在控制这些爆发方面效果不佳。使用 CRISPR（成簇的规律间隔的短回文重复序列）的基因工程进展及其在节肢动物上的成功实验提供了巨大的机会，可以扩展到设计蝗虫的类似遗传行为变化。CRISPR 已成为最准确、快速和经济高效的技术之一，通过编辑特定基因（特别是负责群居期不受控制繁殖的基因），它可能非常有效地管理蝗虫种群。在埃及伊蚊身上进行的实验旨在抑制 microRNA-309 (miR-309)，从而允许其在吸血触发阶段特定阶段地降低繁殖能力，这表明这些干预措施也可以成功地应用于沙漠蝗虫。通过靶向 miR-309~6 基因簇，抑制雌性蝗虫的卵巢发育并可能控制蝗虫种群，应该有可能在雌性蝗虫身上取得类似的效果。
姜提取物和盐对发酵非洲蝗虫种子（Parkia biglobosa）微生物负荷的影响的比较研究。
摘要本研究旨在获取生姜粉和盐对发酵非洲蝗虫种子（Parkia biglobosa）微生物负荷的比较效果。在存储时确定发酵豆样品中的微生物负荷。The results showed that the locust bean seeds (plain) without any preservatives have 5 5 5 5 5 high microbial load of (6.8x10 )Cfu/g and (6.5x10 ) Cfu/g, (8.5x10 ) Cfu/g and (7.2x10 )Cfu/g, (8.8x10 ) and 5 (7.4x10 ) Cfu/g in week zero, 1 and 2 respectively with no growth of fungi.在第1周的零周中，盐分揭示的TVC和TCC为4.3x10和2.4x10 cfu/g，在第1周，TVC和TCC为5 5 5 5 6.5x10 cfu/g和4.3x10 cfu/g，而第2周的第2周的TVC为3.8x10和TCC，TVC和4.3x10 cfu/g是很多，而TCC的数量太大。 在零周中用姜粉保存的发酵非洲蝗虫种子是TVC 5 5 5 5 5.2x10和第1周的TCC 4.8x10，TVC和TCC为3.3x10 cfu/gand 5.2x105，而第2周的总可行数量和大肠杆菌的总数和总体可行的数量和总数过多，无法计数。 鉴于上面的结果，与普通的蝗虫种子和加入姜粉相比，添加盐浓度来保存parkia biglobossa种子几乎没有微生物负载数。 结果暗示，盐是蝗虫种子的最佳防腐剂，用于更长的保质期，如果将姜提取物用作防腐剂，则应连续添加盐，以防止许多微生物Count Parkia Biglobossa种子的生长。在第1周的零周中，盐分揭示的TVC和TCC为4.3x10和2.4x10 cfu/g，在第1周，TVC和TCC为5 5 5 5 6.5x10 cfu/g和4.3x10 cfu/g，而第2周的第2周的TVC为3.8x10和TCC，TVC和4.3x10 cfu/g是很多，而TCC的数量太大。在零周中用姜粉保存的发酵非洲蝗虫种子是TVC 5 5 5 5 5.2x10和第1周的TCC 4.8x10，TVC和TCC为3.3x10 cfu/gand 5.2x105，而第2周的总可行数量和大肠杆菌的总数和总体可行的数量和总数过多，无法计数。 鉴于上面的结果，与普通的蝗虫种子和加入姜粉相比，添加盐浓度来保存parkia biglobossa种子几乎没有微生物负载数。 结果暗示，盐是蝗虫种子的最佳防腐剂，用于更长的保质期，如果将姜提取物用作防腐剂，则应连续添加盐，以防止许多微生物Count Parkia Biglobossa种子的生长。在零周中用姜粉保存的发酵非洲蝗虫种子是TVC 5 5 5 5 5.2x10和第1周的TCC 4.8x10，TVC和TCC为3.3x10 cfu/gand 5.2x105，而第2周的总可行数量和大肠杆菌的总数和总体可行的数量和总数过多，无法计数。鉴于上面的结果，与普通的蝗虫种子和加入姜粉相比，添加盐浓度来保存parkia biglobossa种子几乎没有微生物负载数。结果暗示，盐是蝗虫种子的最佳防腐剂，用于更长的保质期，如果将姜提取物用作防腐剂，则应连续添加盐，以防止许多微生物Count Parkia Biglobossa种子的生长。
2024 年 12 月
公司、组织和合作伙伴新闻 BlueHalo 荣获 AURP 2024 创新奖 BlueHalo 的 LOCUST 激光武器系统被评为大学研究园区协会年度卓越奖中 2024 年创新奖的两名获奖者之一。BlueHalo 在 AURP 的两个成员机构运营：位于阿拉巴马州亨茨维尔的 SS&TP 和卡明斯研究园区。BlueHalo 的 LOCUST LWS 作为托盘式高能激光计划的一部分投入使用，标志着美国军方首次确认投入使用定向能激光武器。
非洲人工智能和机器学习的研究和应用
蝗虫群可以消耗大量植被，包括农作物，牧场和树木。这导致农业土地严重损害，导致农作物衰竭，粮食生产减少以及牲畜放牧地区的丧失。销毁农作物可能会对当地社区产生毁灭性的后果，尤其是在农业是生计主要来源的地区。许多小型农民和牧民在很大程度上依靠他们的农业活动和牲畜来获得收入和生计。当蝗虫摧毁其农作物或耗尽牧草时，这些社区遭受收入损失，减少就业机会和整体经济不稳定。人工智能（AI）可以通过提供实时监控，早期检测和决策支持来在管理蝗虫入侵的传播方面发挥关键作用。现有的蝗虫管理策略是无效，不可持续且昂贵的。因此，基于AI的非洲蝗虫入侵的预警系统在检测和管理这些侵扰方面起着至关重要的作用。因此，由于蝗虫侵扰的迟到，申请杀虫剂的申请要比必要的时间迟到。基于AI的预警系统，用于非洲蝗虫入侵，可以及时，准确地提供信息，有助于积极措施，减少蝗虫侵扰对农业的影响，并实现更有效的Locust Management策略。这项研究旨在探讨如何使用IoT，地理空间，云计算和机器学习技术来检测非洲迁徙蝗虫（AML）入侵。
