大众彩票下载|大众彩票计划

陕西临潼：“兔子哥”的致富经******

　　光明日报记者 张哲浩 李洁 光明日报通讯员 王三合

　　2月1日清晨，在陕西省西安市临潼区浩民养殖场上班的何寨街道村民陆续走进厂区，经过一系列消杀防护，在兔舍中开启了一天的忙碌工作。

　　“这几天正是种兔产完兔仔需要精心照顾的关键阶段，大家伙儿都忙着伺候兔子‘月子’呢！”浩民养殖场负责人付红伟介绍，养殖场除了常见的伊拉、伊高乐、大耳白等肉兔类品种，还有荷兰侏儒兔、迷你垂耳兔、熊猫兔、花巨兔等宠物兔品种。

　　“每只种兔平均每45天就可以产下10只左右的幼兔，幼兔出生65天至70天后能长到4斤半至5斤半，就可以出栏了。”讲起这些日日挂心的兔子时，付红伟有说不完的话。

　　“以前，肉兔都是散养的，集中养殖能更好地控制成本，增加收益。”自幼就喜欢饲养动物的付红伟，瞅准了兔子繁殖能力强、养殖周期短、产业见效快、市场好的特点，也希望用自己的爱好实现更多的价值。

　　2019年10月，付红伟投入500多万元建设现代化、规模化养殖场，成了村民眼中的“兔子哥”。

　　“目前，养殖场占地75亩，有兔舍13栋、种兔6000只，年出栏量达40万只，按照现在每斤11元的市场价，收益可观。”付红伟说，现代化养殖场建成后，已发展为集肉兔养殖与销售、种兔生产与经营、饲料生产与销售，及技术服务提供为一体的综合性农牧企业，产值在500万元左右，常年固定用工20多人，带动周边地区群众务工致富。

　　在兔舍，身着工作服的饲养员周小香正干得起劲。“以前就靠种地和打零工，收入不稳定。自从这个基地建起来后，我就来这里工作，每天工作时间外还能照顾孩子，每个月还有3000多元的固定收入。”周小香满意地说，村民们不仅可以在家门口的养殖场就业，还可以领取兔苗代养，在养兔产业的带动下，很多村民都过上了好日子。

　　如今，在“兔子哥”付红伟的带动下，小小的兔子养殖产业逐渐成为当地主打产业。据了解，2022年，养殖场每月兔子的销售量大约有15000只，全年帮助村民代销肉兔约10000只，还远销至四川、重庆、广东等地。

　　规模化养殖不仅降低了养殖成本，更让付红伟尝到了科学养殖带来的甜头。走进养殖场内，环境控制系统、污水处理系统、生物肥发酵池无不让人耳目一新。

　　“兔粪含有丰富的氮、磷、钾，以及多种微量元素和维生素，是用作有机肥料的优质选择。但过去兔粪处理一直是肉兔养殖的一个难题。”为了解决这一问题，付红伟成立了西安三民农业循环发展有限公司，建起50亩的蔬菜大棚基地，发展绿色生态循环农业产业链综合项目，将兔粪集中收集，进行无害化加工处理，为蔬菜等种植业发展提供有机肥料。

　　“芥蓝苗每斤8元、冰草每斤6.5元……现在养殖场不仅肉兔供不应求，蔬菜基地也因为施用兔粪有机肥，生产的优质蔬菜得到了市场和消费者的认可。”付红伟介绍，养殖场每天产生的兔粪“原材料”除了供蔬菜基地发酵使用，多余的还由有机肥厂上门收购，每天额外增加了1000多元的收入。兔粪变废为宝，实现了兔粪的资源化和减量化，也作为天然有机肥为蔬菜种植提供了质量保障。

　　“我们的农业目标就是探索走出一种生态循环种养模式，拉长产业链条，让更多的人享受到农业高质量发展的成果。”谈及未来，付红伟还有很多宏伟梦想，今年8月将完成养殖场二期建设，并尝试与乡村旅游相结合，发展“畜牧+旅游”新业态，将兔子养殖拓展至旅游、研学，让乡村振兴“畜”势勃发、“兔”飞猛进。(光明日报)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）