改进SSD的灵武长枣图像轻量化目标检测方法

针对加载预训练模型的传统SSD（Single Shot MultiBox Detector）模型不能更改网络结构，设备内存资源有限时便无法使用，该研究提出一种不使用预训练模型也能达到较高检测精度的灵武长枣图像轻量化目标检测方法。首先，建立灵武长枣目标检测数据集。其次，以提出的改进DenseNet网络为主干网络，并将Inception模块替换SSD模型中的前3个额外层，同时结合多级融合结构，得到改进SSD模型。然后，通过对比试验证明改进DenseNet网络和改进SSD模型的有效性。在灵武长枣数据集上的试验结果表明，不加载预训练模型的情况下，改进SSD模型的平均准确率（mAP，mean Average Precision）为96.60%，检测速度为28.05帧/s，参数量为1.99×106，比SSD模型和SSD模型（预训练）的mAP分别高出2.02个百分点和0.05个百分点，网络结构参数量比SSD模型少11.14×106，满足轻量化网络的要求。即使在不加载预训练模型的情况下，改进SSD模型也能够很好地完成灵武长枣图像的目标检测任务，研究结果也可为其他无法加载预训练模型的目标检测任务提供新方法和新思路。     

2018—2020年四川省兽医系统实验室检测能力比对

为评估四川省兽医系统实验室检测能力和水平，2018—2020年四川省动物疫病预防控制中心组织全省21个地市（州）级兽医实验室开展了检测能力比对。结果显示：2018—2020年全省整体平均正确率分别为95.59%、97.09%和97.88%，说明四川省地市（州）级兽医实验室检测能力处于较高水平，能满足非洲猪瘟、禽流感等重大动物疫病检测需要。同时，部分实验室也反映出一些问题，如设备差、检测水平不高、检测报告不规范等。建议加大兽医实验室建设力度，更新完善检测设施设备；加强实验室技术人员培训，提升其检测能力和水平；同时继续推进兽医系统实验室考核工作，加强比对考核。     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点，已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时，需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制，禽蛋图像数据的采集成本较高，针对该问题，提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间，并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别，从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果，其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题，为禽蛋图像无损检测研究提供了新的思路。     

“一管控五优化”打造现代农业产业高地

近年来,地处鄱阳湖畔的江西省南昌市恒湖垦殖场坚持“绿色、循环、低碳”理念,发展绿色生态农业,“三链同构”建立现代农业产业体系,以稻米质量提升与农产品质量安全示范区创建为目标要求,以“一管控五优化”为路径方法,深入推进产地绿色化、种植技术标准化、质量自主控制与监管体系建设、产地产品检测达标为主要内容的全面质量提升工作;建立农产品质量管理体系,树立恒湖品牌农业,质量效益显著提升、职工收入显著提高。     

不同基因型鹅星状病毒鉴别诊断RT-PCR方法的建立

鹅星状病毒(GAstV)是近年临床新发病原,也是导致当前雏鹅痛风致死的主要病因,研究显示该病毒存在两种不同基因型。为建立快速准确的核酸鉴别诊断方法,本研究针对不同基因型GAstV保守域RNA依赖性RNA聚合酶序列各设计1对特异性引物,建立以RNA为模板的双重一步法RT-PCR检测方法。条件优化试验结果显示,双重RT-PCR方法彼此无干扰;引物特异性强,对坦布苏病毒、鹅细小病毒、呼肠孤病毒、鸭瘟病毒的检测均为阴性;体系中引物适宜浓度为1 μmol,退火温度范围广,50~54 ℃皆可;敏感性高,最低检测限分别为10³拷贝数和10²拷贝数。对采集自江浙地区的73份样品进行检测,结果显示,鹅星状病毒阳性率为93.2%,主要为Ⅱ型星状病毒的单一感染(阳性率86.3%),部分样品呈现两种类型星状病毒混合感染现象(阳性率6.8%)。上述结果表明本研究建立的双重RT-PCR方法可用于GAstV的鉴别诊断和分子流行病学调查。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

实验室检测技术在动物疫病防控中的应用

随着生物科技水平的提升和畜牧业转型升级,国内动物疫病防控技术不断创新与优化,但同时疫病种类也显著增多,疫情态势日趋复杂.应用实验室检测技术,有助于动物疫病防控工作合理、规范和高效开展,推动完善科学防控体系,为我国畜牧业高质量发展提供保障.该文简述了实验室检测技术的分类及主要检测技术,并介绍了实验室检测技术在诊断动物疫病、评估动物疫病免疫效果、监测动物疫病等方面的应用,以期为推进实验室检测技术更广泛地应用于动物疫病防控工作提供参考.     

山鸡H5N1高致病性禽流感免疫效价评估试验

长期以来,山鸡H5N1高致病性禽流感的免疫一直引用了家禽的免疫程序,也未能开展系统的免疫抗体消长规律的研究,给山鸡规模化养殖带来了较大的隐患。为此,于近期组织开展了一次针对种山鸡全周期(一个世代、56周)H5N1高致病性禽流感免疫抗体的跟踪检测和免疫效价评估试验,并分析提出了山鸡专用的H5N1高致病性禽流感推荐免疫程序。     

饲料和饲料原料中致泻性大肠杆菌的检测

[目的]了解饲料及饲料原料中致泻性大肠杆菌的污染情况。[方法]2015—2016年,应用多重PCR技术对463批饲料及饲料原料中致泻性大肠杆菌进行检测。[结果]463批样品共检出12批阳性样品,检出率为2.6%,其中以EPEC、ETEC、EHEC为主。EPEC阳性样品7批,阳性率1.50%;ETEC阳性样品3批,阳性率0.65%;EHEC阳性样品2批,阳性率0.43%。[结论]饲料和饲料原料中致泻性大肠杆菌污染比较严重,应进一步加强管理。     

猪肠道杯状病毒的病原学特征及检测技术研究进展

猪肠道杯状病毒是引起猪病毒性腹泻的病原之一,给世界范围内的养猪业带来了一定的损失,应引起足够的重视。本文对猪肠道杯状病毒的病原学特征、流行特点及检测技术研究进展等方面进行了综述,以期为更好地诊断和防控本病提供参考。