新疆牛羊产业链中金黄色葡萄球菌的污染调查与毒力基因检测

【目的】 分析乌鲁木齐及周边地区牛羊源金黄色葡萄球菌及耐甲氧西林金黄色葡萄球菌的污染状况及常见毒力基因检测。【方法】 采集乌鲁木齐及周边地区牛养殖场和牛羊屠宰场752份样品(粪样、挤奶厅工具拭子、胴体拭子、屠宰工具拭子等),采用国家标准方法进行金黄色葡萄球菌分离和耐甲氧西林金黄色葡萄球菌的鉴定,检测10种常见毒力基因(sea、seb、sec、fnbA、fnbB、hla、hlb、clfa、pvl、tst)的编码情况。【结果】 共分离出26株金黄色葡萄球菌,分离率为3.46%,其中奶牛养殖场、牛屠宰场和羊屠宰场的分离率分别是4.39%、1.13%、3.72%、。其中有8株是耐甲氧西林金黄色葡萄球菌,占检出率的30.77%。毒力基因sea、seb、sec、fnbA、fnbB、hla、hlb、clfa、pvl、tst的检测率分别是11.54%、19.23%、3.85%、3.85%、23.08%、100%、53.85%、100%、0、15.38%,其中clfa和hla的检出率最高。 【结论】 新疆奶牛养殖场和牛羊屠宰场中均存在金黄色葡萄球菌,其中奶牛养殖场中MRSA的污染较严重,金黄色葡萄球菌主要编码hla和clfa 2种毒力基因。     

亚临界提取甜瓜籽油风味与脂肪酸关系分析

【目的】分析5个品种甜瓜籽油的挥发性风味成分与脂肪酸之间的关系。【方法】采用气相色谱-质谱联用仪测定不同品种甜瓜籽油的挥发性风味成分和脂肪酸,采用R语言分析PCA和变量投影重要性。【结果】5个品种甜瓜籽油中共鉴定出65种挥发性化合物,新蜜1号样品检测到的挥发性物质种类最多为37种,皇后品种的油脂中有30种,香瓜和86-1样品中有29种,绿宝石样品检测到最少,为26种,分析发现5个样品之间的挥发性物质有显著性差异。5个品种甜瓜籽油在挥发性物质成分共分成4大类,皇后与绿宝石较相近归为一类。5种甜瓜籽油中富含不饱和脂肪酸,平均为75.34%,其中亚油酸最高,平均含量达56.81%。【结论】二十四酸、十八碳烯酸、花生酸、棕榈酸、亚麻酸、蓖麻油酸与某些香气物质有较强相关性。     

响应面法优化杏酒发酵工艺

【目的】响应面分析法优化杏酒发酵工艺条件,为杏加工企业提供技术支撑。【方法】以新疆毛杏为原料,通过单因素和响应面分析法,研究初始糖度、初始pH值、发酵温度各自变量及其交互作用对杏酒品质的影响,并建立回归模型,得到最适杏酒发酵工艺参数。【结果】得到回归方程为:Y=89.40+3.00A+2.88B+1.63C+1.75AB-1.25AC-1.00BC-2.95A²-8.70B²-4.70C²。杏酒最适发酵工艺条件为:杏水比1∶0.5,酵母接种量0.04%,初始糖度22.5%,初始pH值3.6,发酵温度18℃,此条件下感官评分为90.3,与模型预测值吻合。【结论】响应面分析法提供的模型较真实的拟合了实际情况,证明了模型的可靠性。     

牛冠状病毒N蛋白的原核表达及核酸适配体筛选

[目的]对牛冠状病毒N蛋白进行原核表达,利用指数富集的配基系统进化技术筛选N蛋白的核酸适配体,为该病诊断方法的建立奠定基础.[方法]根据牛冠状病毒基因序列,设计N蛋白编码基因特异性引物,扩增目的基因并通过酶切、连接、转化构建原核表达载体pET-28a-N,优化N蛋白表达条件,镍柱纯化获得高纯度高浓度的N蛋白.利用微孔板法,经过包被、封闭、加文库、洗脱、提取、PCR、胶回收和反筛等步骤从原始核酸适配体文库中筛选出N蛋白特异性适配体,连接T载体转入DH5a感受态细胞后,经菌落PCR鉴定和测序获得与N蛋白特异性结合的适配体序列,测定其结合常数,并利用在线软件预测其二级结构.[结果]成功表达出约55 kD的重组蛋白;经微孔板法筛选出67条适配体序列,其中N-12、N-33和N-45出现多次重复,经测定3条核酸适配体均具有环状、发卡结构,利于与目标蛋白稳定结合.[结论]筛选的3条核酸适配体有望用于牛冠状病毒病早期诊断用酶联适配体方法的建立.     

基于无人机多时相植被指数的冬小麦产量估测

通过无人机搭载多光谱相机,对不同水分亏缺条件下冬小麦多个生育期进行遥感监测,采用不同种类多光谱植被指数表征冬小麦的生长特征,分析了植被指数与冬小麦产量的相关关系,并利用多时相植被指数构建产量估测数据集,采用偏最小二乘回归、支持向量机回归和随机森林回归3种机器学习算法进行冬小麦产量估测。结果表明,随着冬小麦的生长,多个植被指数与产量的相关性不断增强,灌浆末期相关系数达到0.7,植被指数与产量的线性回归决定系数也达到最大。多时相植被指数反映了冬小麦生长的变化特征,进一步提高了冬小麦产量估测精度,采用开花期和灌浆初期的多时相植被指数进行估产比采用单个生育期的植被指数估测产量的精度高,采用偏最小二乘回归模型的估测精度R²提高约0.021,支持向量机回归模型R²提高约0.015,随机森林回归模型R²提高约0.051。采用灌浆末期的多时相植被指数,3种模型均有较高的估测精度,偏最小二乘回归模型估测精度最高时的R²、RMSE分别为0.459、1 822.746 kg/hm²,支持向量机回归模型估测精度最高时的R²、RMSE分别为0.540、1 676.520 kg/hm²,随机森林回归模型估测精度最高时的R²、RMSE分别为0.560、1 633.896 kg/hm²,本文数据集训练的随机森林回归模型估测精度最高,且稳定性更好。     

牧草干燥太阳能聚焦吸收器机理分析与优化

目前太阳能干燥设备是以非聚焦板式空气集热器为关键工作部件,其干燥效率和生产率均较低。为此,研究了太阳能聚焦吸收器的黑腔功能,利用该功能减少聚焦光线对外二次辐射和能量损失。设计4种结构类型的太阳能聚焦吸收器,进行了性能机理研究和对比分析,其中三角形聚焦吸收器呈现出良好的黑腔效果。进一步对三角形聚焦吸收装置进行优化,得出吸收器内腔深度在4 cm左右时性能最佳。对4种吸收器进行了试验测试,结果表明,三角形优于圆弧形,圆弧形优于方形,性能最差的是半圆形。吸收器开口宽度为5 cm时的黑腔效果低于开口宽度为3 cm时的效果。盖板形状对吸收器性能产生影响,平板优于圆形,V形最差。     

家禽诊疗文本多实体关系联合抽取模型研究

针对传统实体关系抽取方法中主体特征与句向量难以有效融合、现有BIO标注策略难以有效处理重叠关系的问题,提出一种基于BERT和双重指针标注的家禽疾病诊疗文本实体关系联合抽取模型(Joint extraction of entity relationship of poultry disease diagnosis and treatment text,JEER_PD)。JEER_PD使用双重指针标注(Dual-pointer labeling, DPL)策略,建立头、尾2个指针标注器,一次性标注出所有实体的开始和结束位置;引入CLN(Conditional layer normalization)网络层,强化主体抽取任务与客体关系联合抽取任务之间的联系;利用概率平衡策略PBS对抗正负类标签类别失衡,以加速模型收敛。实验表明,JEER_PD准确率、召回率和F1分别为97.69%、97.59%和97.64%,3项指标较现有方法均有显著提升,说明JEER_PD能够快速、准确地抽取家禽疾病诊疗复杂知识文本中的实体关系三元组。     

基于DXNet模型的富士苹果外部品质分级方法研究

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法（多卷积神经网络融合DXNet模型）。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。     

酶辅助乳化制备姜黄素脂肪乳研究

选用碱性蛋白酶辅助乳化,利用酶解膨化大豆粉产生的蛋白和磷脂作为乳化剂制备了天然姜黄素脂肪乳。通过流体动力学半径及其分布的测量、激光共聚焦显微镜观察和荧光光谱分析等来表征脂肪乳粒径、电位、微观结构及脂肪乳内蛋白的荧光强度变化,以氧化稳定性、包埋率和生物利用率来评价脂肪乳的稳定性能和对姜黄素的负载效果。结果表明,随着姜黄素添加量的增加,脂肪乳平均粒径先增加、后趋于稳定,在添加量为0.6%时,平均粒径为1127.42nm,电位绝对值最大,为38.67mV。激光共聚焦显微镜观察结果表明,乳液中油滴和蛋白分布比较均匀,形成了包裹较好的液滴。在0.6%添加量下的脂肪乳储存14d时的氧化稳定性最好,POV值最小,仅为3.15mmol/kg,储存21d时TBARS值为0.56mmol/kg;姜黄素包埋率高达72.58%,经体外消化后生物利用率为55.22%。荧光光谱分析表明,过量的姜黄素会使脂肪乳中蛋白质的荧光强度显著降低。因此,在姜黄素添加量为0.6%时,通过酶辅助法可制备稳定性较高、运载效果较好的脂肪乳。     

大空间运动3-RRRU并联机器人运动学标定与误差分析

并联机器人具有高速、高刚度和大负载等明显优势,被广泛应用到农业和工业领域,但多关节导致该类机器人控制精度不高。针对大空间运动3-RRRU并联机器人的运动学建模和误差标定方法展开了系统、深入研究。综合应用DH法和空间矢量法建立了机器人的运动学模型,在此基础上,借助偏微分理论推导并建立机器人的误差模型;应用激光跟踪仪进行不同轨迹下机器人的空间位置数据采集,对一般遗传算法进行改进,以等步距搜索策略实现主要遗传算子的优化,并通过全局数值寻优获取机器人的误差补偿数据,完成标定和补偿工作。实验表明：基于直线标定方式,补偿后直线轨迹跟踪误差控制在0.14～1.34mm,但不适用于曲线轨迹补偿,其实测补偿后的最大误差高达5.08mm。曲线轨迹标定精度高于直线轨迹标定,补偿后将直线和曲线两种路径下的最大误差分别降低至1.18mm和1.56mm。该标定方法自动化程度高,适用于含有大量关节并联机器人的误差标定工作。