面粉中毒麦成分检测方法研究进展

从分子技术和化学技术两方面综述了近年来面粉中毒麦成分的一些相关检测方法,包括毒麦及其近似种的分型研究等,同时也阐述了相关检测方法的应用与理论依据。     

6种木材钻蛀性昆虫的声学特征与比较

为了在口岸检疫中应用木材钻蛀害虫声检测,测试了鳞毛粉蠹(Minthea rugicollis Waller)、双钩异翅长蠹(Heterobostrychus aequalis(Waterhouse))、棕异翅长蠹(Heterobostrychus brunneus(Murray))、黑双棘长蠹(Sinoxylon conigerum Gerstaecker)、刺角楝天牛(Cordylomera spinicornis(Fabricius))和宽斑脊虎天牛(Xylotrechus colonus Fabricius)等6种昆虫幼虫蛀食声的声学特征。6个种的蛀食声均为不连续的单个声脉冲,波形包络前大后小,逐渐收敛;这些蛀食声均属于离散谱,且频带较宽,主要能量集中在10kHz以下,一般都至少有一个明显的高峰(主频)。单个脉冲的持续时间和主频在不同种间有差异,并存在这些昆虫科间主频差异的可能性。     

我国发现一新记录种——白籽草

2014年对深圳辖区内进口大宗原粮一码头做疫情本底调查时发现一种我国未曾记载的新记录种——白籽草(Leucospora multifida(Michx.)Nutt.),该草生长在港口水泥硬化地面的缝隙中,目前已经扩展到码头1/3地域(约0.3 km~2)。本文对该入侵杂草做了较为详细的形态学、分布、生长特性等描述,以期为相关部门对其鉴定提供参考。     

进境蔬菜种子杂草籽检疫及分析

本文对深圳口岸2005～2006年间进境的425批1636t蔬菜种子样品中杂草检疫所发现的杂草种类、数量、危险性杂草截获情况及有关输出国情况进行了统计和分析,并就存在问题和检疫处理提出了相应对策。     

基于卷积神经网络的昆虫和杂草标本智能全维识别方法初探

本文应用卷积神经网络技术研发了有害生物全维形态特征库和识别模型，采用激光合成干涉成像技术对100种昆虫和杂草标本进行全维高清特征进行信息获取，并进行全维整体轮廓特征和局部形态学特征识别。经过深度学习后测试识别结果，整理统计后得出该模型算法识别标本的正确率在86%～98%范围内，识别的正确率随着学习训练的样本数量增多而提高。表明卷积神经网络模型对标本的学习能力较好，利用全维立体识别技术对昆虫和杂草的鉴定具有可行性。