发扬“钉钉子”精神在平凡中绽放

22年,让李春枝从一个完完全全的外行人变成了水产养殖户眼中的“老熟人”。作为水产技术推广人员,东莞市动物疫病预防控制中心高级工程师李春枝长期为养殖户提供鱼病诊断、水质检测等服务,并指导养殖户使用显微镜、水质检测箱等仪器设备进行养殖病害及池塘水质的检测。凭着认真负责的工作态度和“钉钉子”精神,李春枝先后获得单位先进工作者、广东省职工经济技术创新能手、广东省五一劳动奖章等荣誉称号。     

牦牛源正呼肠孤病毒2型的检测和分离鉴定

旨在调查川西北牦牛哺乳动物正呼肠孤病毒（MRV）的感染情况并分离病毒。采用RT-PCR方法，对采自川西北15个牧场的72份牦牛腹泻粪便样本和其中5个牧场的15份腹泻牦牛血清样本进行MRV检测，阳性样本进一步用分型PCR确定其血清型。结果显示，粪便样本中MRV检出率为20.83%（15/72），血清2型的比例为60%（9/15）；血清样本中MRV检出率为40%（6/15），血清2型的比例为83.33%（5/6）；未检测到其他血清型。成功地从腹泻粪便中分离到1株MRV血清2型毒株（TCID₅₀为4×10^-8.56·mL^-1），并获得长度为23 587 bp的分离株全基因组，该分离株与中国猪源毒株的遗传关系最近；与GenBank中所有的MRV S1基因相比，该分离株有4个独特的氨基酸突变。本研究从牦牛中检测到MRV，并分离到1株牛源MRV血清2型毒株，为进一步研究MRV血清2型生物学特性奠定了基础。     

我国农机产品推广鉴定检测概况

对我国旋耕机、深松机、免耕播种机、自走式饲料收获机、打捆机和喷杆式喷雾机等典型产品在推广鉴定检测过程中的试验项目及关键补贴归档参数检测进行了分析，为农机企业的产品设计开发提供参考。      

辽宁省农产品检测机构的转型与发展

基于辽宁省农产品检测机构发展历程,在全省检测机构合并的形势下,探讨农产品检测机构转型后的变化。在检验检测市场化的情况下,从全省共同发展的视角,提出规范农产品检测机构的措施,为促进检验检测市场可持续发展提供参考。     

农田环境中农药残留比例型荧光传感系统研究

为监测农业环境中有机磷农药的残留，从种养源头管控农产品安全，基于锆离子和1,2,4,5-四（4-羧苯基）苯（H-4-TCPB）合成了蓝色荧光金属-有机框架材料（MOFs）Zr-TCPB，并与红色荧光量子点QDs组装成双荧光QDs@MOFs复合物，基于Zr-TCPB对有机磷农药特异性荧光淬灭效应，构建比例型荧光化学传感器系统，实现了有机磷农药的快速、灵敏、可视化检测。甲基对硫磷与对硫磷的检测限（LOD）分别为1.9μg/L和4.9μg/L，线性检测范围为0.005~2mg/L。研究表明，该荧光分析法能有效用于农业环境水样中甲基对硫磷及对硫磷的现场快速测定，甲基对硫磷回收率为93.23%~116.46%，平均相对标准偏差（RSD）为5.29%，对硫磷回收率为92.52%~107.83%，平均RSD为5.74%。该方法在环境样品农药残留快速监测方面具有巨大的应用价值。     

基于气流脉冲和结构光成像的牛肉嫩度检测方法

针对传统牛肉嫩度检测速度慢、精度低的问题，提出了基于气流脉冲结合结构光3D成像的牛肉嫩度快速无损检测方法。首先，利用脉冲气流对牛肉表面进行冲击，同时通过结构光3D成像获取待测牛肉表面凹陷区域的三维点云信息；然后，采用去噪、点云分割、贪婪投影三角化、Delaunay三角化、曲面拟合等算法进行点云处理，获得牛肉表面凹陷区域的深度、映射面积、表面积和体积等信息；基于此,分别建立基于最小二乘支持向量机回归（LS-SVR）、BP神经网络和广义回归神经网络（GRNN）的生鲜牛肉剪切力预测模型；结果表明，GRNN模型预测表现最佳，预测集相关系数为0.975，均方根误差为5.307N。采用基于K-fold交叉验证的GRNN神经网络对牛肉嫩度等级进行预测，结果显示该方法对较嫩牛肉分级效果较好，为100%，对较老牛肉分级效果稍差，为91.3%。研究表明，基于气流脉冲结合结构光3D成像进行牛肉剪切力以及嫩度快速、无损检测是可行的。     

近红外光谱技术在家禽养殖领域应用现状

近红外光谱是一种快速光谱分析的新方法,伴随着光谱技术与化学计量法的发展,近红外光谱已广泛应用于农业、食品、医药、石油化工等行业,极大地提高了各行业信息化水平。基于近红外光谱在家禽养殖领域的应用现状,本文总结了近红外光谱技术的发展及其在饲料成分检测和禽肉检测中的应用。在饲料检测和家禽肉类检测方面,通过将禽肉样品的光谱信息与质量指标的参考值相关联,建立了预测饲料和待测肉类高精度、高稳定性的数学模型。与传统方法相比,近红外光谱技术具有信息量大、数据计算速度快等优点。本文还归纳了近红外光谱技术在饲料品质检测和肉类品质检测的应用现状,指出了近红外光谱在家禽养殖领域的大规模应用推广的可能性。同时指出近红外光谱技术存在的问题和未来发展方向,结果表明近红外光谱技术在饲料和畜产品检测领域具有良好的发展前景和应用价值。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。