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.     

电子鼻技术在肉与肉制品检测中的研究进展和应用展望

电子鼻因具备操作简单、能够快速、无损检测的特点，满足人们对肉与肉制品安全指标高效和高精确度检测提出了更高的要求。本文阐述了电子鼻技术的检测原理和其在硬件和软件系统方面的发展；从肉与肉制品的新鲜度检测、掺假检测、风味评价、病原微生物污染检测四个方向，对近年来电子鼻技术在肉与肉制品检测的应用研究进展进行了分析，突出了电子鼻技术应用的可行性和先进性；指出电子鼻技术在肉与肉制品检测中面临的检测效果参差不齐，电子鼻仪器体积大、价格高昂，模型通用性和普及性不够等不足。最后，本文从硬件系统和软件系统两方面，对未来电子鼻技术的发展及其应用前景进行了展望，包括硬件系统方面提高电子鼻传感器阵列电极膜材料的性能，增强电子鼻耐用性和识别气味的灵敏度；软件系统方面不断探索引入新的模式识别算法，使电子鼻技术实现对气味更快、更准确的识别分析。     

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。     

汽车检测与故障诊断技术课程改革及实践探讨

鉴于汽车保有量的不断增多,汽车技术日新月异,汽车维修保养等汽车后市场的人才需求逐年增加,高等职业院校需要适应时代发展,培养出高素质技能型汽车售后服务人才。理论知识学习是高职学生的薄弱之处,必须通过降低学习难度,增加实际操作训练,才能使学生更好地掌握相关知识和技能。基于此,文章介绍了汽车检测与故障诊断技术课程改革的具体内容,并结合课程教学实践,探讨课程改革的经验与不足。     

非洲猪瘟疫情下规模化猪场人员与物资入场流程的建立

自2018年我国首次发生非洲猪瘟疫情以来,各规模化猪场纷纷进行了非洲猪瘟疫情防控策略的探索,总结出了适合中国国情、适合本地区本场实际情况的生物安全管理办法。当前非洲猪瘟疫情愈加严峻复杂,非洲猪瘟病毒毒株呈现出基因缺失株、自然变异株、自然弱毒株和强毒株并存的局面,且非洲猪瘟病毒的潜伏期延长、临床症状不明显、检出率降低,为非洲猪瘟的防控工作带来巨大困难和挑战。人员和物资进出猪场、人与猪群直接接触是将非洲猪瘟病毒带入生产区,并将其传播给猪的“最后一公里”。严格控制人员和物资入场是守好猪场生物安全的关键防线。建立科学、可操作性强、便于执行的生物安全流程依然是非洲猪瘟疫情防控的唯一途径。针对目前非洲猪瘟疫情的防控形势,建议根据各场实际情况,不断优化人员和物资入场流程,以达到防控的目的。     

松阳县古松树的松材线虫病现状调查与分析

古松树是历史的见证,是文化的承载,其保护工作具有重要意义,但因松材线虫的传播侵染,其生存状况不容乐观。本研究以松阳古松树为对象,基于分子检测技术,对其松材线虫病现状进行了调查与分析。结果表明,有12个乡镇近60%的古松树均已感病,疫情较为严重,需及时开展抗病保护工作。     

血清抗体监测在猪疫病防控中的应用

血清抗体检测是一种能帮助控制动物疫情的有力工具,现如今这种检测方法已经被大面积推广。本文主要分析了在猪疫病的防控中,血清抗体检测技术的合理应用以及具体分析。     

微流控芯片在农产品安全检测中的应用

近年来,随着食品工业的迅猛发展,国内外食品安全事故也频繁发生。开发安全可靠、便携有效的检测方法对食品安全至关重要。微流控芯片集样品前处理、分离和检测等过程为一体,实现了样品前处理和检测分析的自动化、集成化、小型化、低消耗、高效率和便携化,满足了现场、实时检测的需求。本研究对微流控芯片在食品成分、农药残留、兽药残留、食品添加剂和重金属检测中的应用进行归纳总结,为农产品安全检测提供参考。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

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。