微生物燃料电池在环境监测中的研究进展

微生物燃料电池在环境监测领域有巨大的应用潜力.概述微生物燃料电池应用于环境监测的基本原理,对目前已有的微生物燃料电池型传感器为监测方法进行详细的介绍,包括微生物燃料电池用于易降解碳源、有毒污染物及微生物数量检测三方面的研究.最后探讨了微生物燃料电池传感器目前还未被广泛应用于实际水质监测的原因,以期为未来研究开发高性能微生物燃料电池传感器提供理论参考依据.     

抗逆樱桃番茄新品种‘红樱1号’

 樱桃番茄新品种‘红樱1号’是以自交系‘SH-0-2-0-1’为母本，‘TC-0-1-3-1’为父本杂交而成的一代杂种。无限生长类型，生长势强。成熟果深红色，椭圆形，单果质量约20 g，耐裂果，品质优。耐热，耐寒，耐旱性强，适应性广，适宜于华南地区春、秋季栽培。     

菜薹新品种‘玉田2号菜心’

 ‘玉田2号菜心’是通过雄性不育系杂交得到的中晚熟菜薹新品种。植株生长势强，紧凑直立，菜薹粗壮、匀称，颜色油绿有光泽，肉质紧实：主薹高26.2 cm，粗1.9 cm，单株主薹质量约65 g。播种至初收44 ~ 47 d，产量约18 750 kg ? hm^-2，适宜平原地区9月上旬—12月中旬及翌年3月中旬—4月上旬种植。     

广州地区种植彩椒的关键技术

从荷兰引进的彩椒（叉称甜椒）在广州地区已种植多年。由于它品质佳、商品价值高，畅销国外及港澳市场，近年来种植面积不断扩大。广州市农科所花都基地的规模种植获得了可观的经济效益，产量逐年提高，667m^2产量在3000kg以上。     

气相色谱法测定咸鱼中的敌百虫和敌敌畏

建立了咸鱼中敌百虫、敌敌畏农药残留的气相色谱分析方法。样品采用乙腈-水(1 1)溶液提取,加乙酸锌净化,用乙酸乙酯进行液液分配,最后采用DB-1701P或DB-5毛细管柱分离,使用气相色谱-火焰光度检测器分析。在4个添加水平的敌百虫、敌敌畏平均回收率(n=6)分别为91%~95%、90%~94.5%,相对标准偏差分别为3.82%~5.80%和3.57%~4.62%;方法的检出限为:敌百虫0.005 mg/kg,敌敌畏0.005 mg/kg。该方法可用于市场上咸鱼样品中敌百虫、敌敌畏的测定。     

论国有资产流失的原因与防范

近年来,随着国有企业改革的不断深化,国有资产流失问题日益凸显.究其原因是纷繁复杂的,因而其表现形式也是多种多样的.倘若任其发展必将阻碍国有企业的进程,乃至危害整个国民经济的健康发展.因此,必须尽快从改善国有资产管理体制、完善公司法人治理结构、规范企业经营管理、增强社会公众监督等方面来进行国有资产流失风险防范.     

我国蔬菜销售的传统模式与发展趋势

蔬菜在人们的日常生活中占据着重要的地位，大。为此着重阐述我国蔬菜几种主要的传统销售模式，我国蔬菜销售渠道的途径。但价格低、销售难等问题严重制约我国蔬菜产业的发展和壮并分析今后蔬菜销售渠道的发展趋势，探索出一条能够拓宽     

丝瓜新品种——夏绿3号

有棱丝瓜(广东简称丝瓜)是广东的特色蔬菜,也是主要蔬菜种类之一。丝瓜清香脆甜,营养丰富,具有生津解渴、解暑消烦之功效,深受消费者喜爱,夏秋季市场需求量大,但由于丝瓜是典型的短日照作物,夏季长日照条件下常常发育延迟且难坐果,产量较低,品质较差。广州市农业科学研究所经多年的研究,选育出耐热耐长日照有棱丝瓜新品种——夏绿3号。     

紫色长茄新品种‘紫荣8号’

‘紫荣8号’是以‘NSN’为母本、以’M55-3-6’为父本选育而成的紫色长茄杂种一代新品种。生长势强,抗性好,连续座果能力强,商品率高。果形长棒形,果皮平滑,皮色紫红,着色均匀,光泽好,果长29.6～30.3 cm,横径约5.0 cm,单果重284.9～286.1 g;果肉白色,肉质紧实,品质优,耐贮运。中早熟,耐寒,适宜华南地区春秋种植。     

采用改进SSD网络的海参目标检测算法

随着海参养殖业快速发展,利用水下机器人代替人工作业的海参智能捕捞已成为发展趋势。浅海环境复杂,海参体色与环境区分性差、海参呈现半遮蔽状态等原因,导致目标识别准确率低下。此外由于景深运动,远端海参作为小目标常常未被识别成功。为解决上述问题,该研究提出一种基于改进SSD网络的海参目标检测算法。首先通过RFB（Receptive Field Block）模块扩大浅层特征感受野,利用膨胀卷积对特征图进行下采样,增加海参细节、位置等信息,并结合注意力机制,对不同深度特征进行强化,将计算得出的权重与原特征信息相乘以此获得特征图,使结果包含最具代表性的特征,也抑制无关特征。最后实现特征图融合,进一步提升水下海参的识别精度。以实际拍摄的视频进行测试验证,在网络结构层面上,对传统算法进行改进。试验结果表明,基于改进的SSD网络的海参目标检测算法的平均精度均值为95.63%,检测帧速为10.70帧/s,相较于传统的SSD算法,在平均精度均值提高3.85个百分点的同时检测帧速仅减少2.8帧/s。与Faster R-CNN算法和YOLOv4算法进行对比试验,该研究算法在平均精度均值指标上,分别比YOLOv4、Faster R-CNN算法提高4.19个百分点、1.74个百分点。在检测速度方面,该研究算法较YOLOv4、Faster R-CNN算法分别低4.6帧/s、高3.95帧/s,试验结果表明,综合考虑准确率与运行速度,改进后的SSD算法较适合进行海参智能捕捞任务。研究结果为海参智能捕捞提供参考。