转基因甘蔗BtG-2的T-DNA侧翼序列分析及其转化事件特异性检测

转基因甘蔗BtG-2是利用农杆菌介导法把Cry1Ac-2A-gna融合抗虫基因导入‘新台糖22号’的转基因甘蔗株系,具有良好的抗虫特性和农艺性状。为了明确转基因甘蔗BtG-2的分子特征及其检测方法,推进其生物安全性评价工作,以BtG-2的T2代为研究材料,利用Southern杂交检测外源基因在转基因甘蔗基因组内的拷贝数;利用染色体步移技术分离外源基因在甘蔗基因组中插入位点的侧翼序列,并建立了该转化体高效灵敏的特异性PCR检测方法。结果表明：Southern杂交检测证明外源T-DNA以单拷贝方式插入BtG-2株系;经过3次的热不对称巢式PCR扩增,获得外源基因T-DNA左边侧翼序列984 bp和右边侧翼序列705 bp;以这2个序列和相应的T-DNA的左右端序列分别设计3对检测引物对,建立了BtG-2株系的转化事件特异性PCR检测方法,扩增效率最高的引物对LS011/LA451和RS160/RA588分别扩增到440 bp和428 bp的特异片段。其中T-DNA左侧设计的LS011/LA451检测引物对扩增的灵敏度高、特异性强,能够在甘蔗BtG-2基因组DNA相对含量为0.1%的模板中检测出转基因目的成分,相当于9个单倍体基因组拷贝数。本研究完成了转基因株系BtG-2的分子特征及其转化事件特异性检测,为该转基因甘蔗及其衍生产品的检测和身份识别提供技术依据。     

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。     

基于逆运动学降维求解与YOLO v4的果实采摘系统研究

为提高采摘设备的执行效率，采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统，该系统可自动识别不同种类的水果，并实现自动采摘，可通过手机端远程控制采摘设备的起始和停止，并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程，从而避免了大量的矩阵运算，使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真，验证了降维求解的可行性。在果实采摘流程中，为了使机械臂运动轨迹更加稳定与协调，采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位，在Ubuntu 19.10操作系统中使用2000幅图像作为训练集，分别对不同种类的果实进行识别模型训练，在GPU环境下进行测试，结果表明，每种果实识别的准确率均在94%以上，单次果实采摘的时间约为17s。经过实际测试，该系统具有良好的稳定性、实时性以及对果实采摘的准确性。     

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。     

我国云南、湖北和山东葡萄产区霜霉病菌对甲霜灵的抗性检测

为明确我国云南省宾川县、湖北省公安县和山东省烟台市葡萄产区霜霉病菌对甲霜灵的抗性发生态势,采用叶盘漂浮法测定了这3个产区共127株葡萄霜霉病菌对甲霜灵的抗性频率及抗性水平。结果显示,不同区域间病菌的抗性频率和抗性水平均存在差异。其中,湖北省公安县霜霉病菌的抗性频率和抗性水平均较高,抗性频率达92.0%,高抗菌株占76.0%,低抗菌株占16.0%,敏感菌株占8.0%;山东省烟台市霜霉病菌的抗性频率为74.0%,低抗菌株占64.0%,高抗菌株占10.0%,敏感菌株占26.0%;云南省宾川县霜霉病菌的抗性频率和抗性水平均较低,抗性频率为29.6%,敏感菌株占70.4%,低抗菌株占29.6%,无高抗菌株。     

A rapid,simple, and sensitive immunoagglutination assay with silica nanoparticles for serotype identification of Pseudomonas aeruginosa

An agglutination test based on colored silica nanoparticles (colored SiNps) was established to detect serotypes of Pseudomonas aeruginosa. Monodisperse colored SiNps were used as agglutination test carriers. The colored SiNps were prepared through reverse microemulsion with reactive dyes, sensitized with 11 kinds of mono-specific antibodies against P. aeruginosa, and denoted as IgG-colored SiNps. Eleven kinds of IgG-colored SiNps were individually mixed with P. aeruginosa on a glass slide. Different serotypes of P. aeruginosa could be identified by agglutination test with evident agglutination. The P. aeruginosa could be detected in a range from 3.6 × 10⁵ to 3.6 × 10¹² cfu mL^?1. This new agglutination test was confirmed to be a specific, sensitive, fast, easy-to-perform, and cost-efficient tool for the routine diagnosis of P. aeruginosa.     

动物防控检测工作重要性、存在问题和对策

近年人们生活水平和生活质量日益提高,对食物安全性提出更严格的要求,尤其是对肉食品的选择上。市场上各种食品安全问题层出不穷,严重危害国民的身体健康,也影响畜牧业的经济效益。因此,动物健康状况尤为重要,相关工作人员要十分重视动物防控检测工作,了解这项工作的重要意义,对检测工作中存在的问题及时实施可行的对策。     

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%。     

基于帧间路径搜索和E-CNN的红枣定位与缺陷检测

针对红枣自动分级视频图像中红枣定位、缺陷检测难问题,提出一种基于帧间最短路径搜索的目标定位方法和集成卷积神经网络模型(Ensemble-convolution neural network,E-CNN)。通过建立图像坐标系及图像预处理,获得图像中单个红枣目标的位置坐标,并将其映射至空间坐标系中,结合帧间最短路径判定规则,实现目标位置坐标随视频时间序列更新、传递,并且运用此方法快速、有效地构建数据集。基于"Bagging"集成学习方式,采用E-CNN通过训练集构建基础卷积神经网络树模型,再根据每棵基础树模型输出结果,通过"投票"方式得出模型最终结果。试验结果表明,利用帧间最短路径搜索的目标定位方法,定位准确率达100%。同时,使用E-CNN,模型的识别正确率和召回率分别达到98. 48%和98. 39%,分类精度大于颜色特征分类模型(86. 62%)、纹理特征分类模型(86. 40%)和基础卷积神经网络模型(95. 82%)。E-CNN模型具有较高的识别正确率及较强的鲁棒性,可为其他农产品分选、检测提供参考。     

基于含水率与温度补偿的土壤pH值在线实时检测系统

针对目前常用土壤pH值传感器在测量过程中受土壤含水率和温度影响较大的问题,设计了带有温度、含水率补偿模型的锑电极土壤pH值在线实时检测系统。利用最小二乘法对pH值和测量结果进行线性分析,补偿土壤pH值测量误差。试验结果表明,经过补偿之后,由温度和含水率变化导致的pH值测量误差至少可降低84. 5%,pH值测量值随温度和含水率的变化幅度不超过±0. 1。与市场产品ZD-18型土壤酸度计、HYSWR-ARC-12V型土壤含水率传感器、水银温度计对比研究得出,3项指标线性拟合决定系数均达到0. 99以上。为了确保自然环境下土壤pH值测量的适用性,探索了系统在使用过程中土壤含水率的阈值与测量精度,表明在土壤体积含水率大于5%的情况下均可有效测量。试验表明,在pH值3. 06～10. 36范围之内,本系统可有效测量,检测误差为-1. 53%～3. 51%,满足土壤pH值实时在线测量要求。