鹿茸及鹿血中布鲁氏菌实时荧光定量PCR检测方法的建立

为建立可应用于快速检测鹿茸及鹿血中布鲁氏菌的方法,保证鹿产品的药用、食用安全,试验根据布鲁氏菌特异性基因IS711设计合成引物和探针,建立实时荧光定量PCR方法,对反应条件进行优化,并绘制标准动力学曲线,Y=-3.14X+37.62,R2=0.997.结果 表明:该方法具有良好的重复性、敏感性和特异性,组内、组间重复性试验Ct值标准差小于0.5,变异系数均小于2％,最小检测拷贝数为2.65× 101 Copies/μL.该方法对目的 基因检测灵敏度高,可用于鹿茸及鹿血相关样本的检测,也可用于布鲁氏菌的定性和定量检测,为相关鹿产品的质量安全评估提供重要技术保障.     

土耳其养蜂业

养蜂是土耳其的传统产业。在安纳托利亚,养蜂有9000年的历史。世界上第一条养蜂的法律被称为赫梯小报(the Hittite Tabloids),它制定于4000年前的土耳其。在赫梯朝圣者的烧瓶中发现了装有黑种草的草籽,里面混合有蜂蜜、蜂蜡和蜂胶。     

我国蔬菜作物耐低温性研究进展

低温胁迫是蔬菜生产过程中的主要逆境因子，对蔬菜作物的生长发育、商品产量形成影响极大。本文综述了蔬菜作物耐低温性的遗传模型、生理调节和分子机制，展望了蔬菜作物耐低温性的研究前景。     

日粮不同NDF/NFC水平对周岁后荷斯坦奶牛生产性能、营养物质消化率、瘤胃发酵特征和甲烷排放的影响

本试验研究了日粮中不同中性洗涤纤维/非纤维性碳水化合物（NDF/NFC）水平对周岁后荷斯坦奶牛生产性能、营养物质消化率、瘤胃发酵特征及甲烷产量的影响，并在此基础上建立了甲烷排放预测模型，旨在获得我国生产模型下的甲烷排放规律和甲烷转化因子，为提高奶牛能量利用效率、建立国家或区域性温室气体排放清单和探索减排策略提供科学依据和支撑。将45头体况良好，平均为15月龄的荷斯坦后备奶牛随机分为3组，每组15头牛：低日粮NDF/NFC组（NDF/NFC=0.60）、中日粮NDF/NFC组（NDF/NFC=0.75）和高日粮NDF/NFC组（NDF/NFC=0.90），试验期为70 d，包括14 d的预饲期和56 d的正试期。结果表明：1）提高日粮NDF/NFC水平显著降低了奶牛的干物质采食量、有机物采食量、平均日增重、干物质和粗蛋白的表观消化率（P<0.05）；2）提高日粮NDF/NFC水平显著增加了瘤胃内总挥发性脂肪酸产量、乙酸的相对含量和乙酸/丙酸比例（P<0.05），显著降低了丙酸的相对含量（P<0.05）；3）随着日粮NDF/NFC水平的提高，瘤胃甲烷和甲烷能产量、甲烷/代谢体重、甲烷/干物质采食量、甲烷/有机物采食量、甲烷/中性洗涤纤维采食量显著提高（P<0.05）。甲烷转化因子也随着日粮NDF/NFC水平的增加而显著提高（P<0.05）；4）基于体重、采食量、营养物质含量和NDF/NFC分别建立了甲烷预测模型，其中基于干物质采食量和中性洗涤纤维采食量建立的预测模型的决定系数最高（R²=0.77）。因此，提高日粮中NDF/NFC水平可显著降低周岁后荷斯坦奶牛的生产性能、营养物质消化率和瘤胃内丙酸的相对含量，可显著提高瘤胃甲烷产量和甲烷转化因子。     

开食料中性洗涤纤维水平对犊牛生长性能、血清生化指标和抗氧化功能的影响

【目的】探究开食料中性洗涤纤维（NDF）含量对犊牛生长发育、血清生化指标及抗氧化性能的影响,为犊牛开食料的合理配制提供试验依据。【方法】选取平均体重为（42±2.5）kg 的60头（包括36头公犊牛,24头母犊牛）新生荷斯坦犊牛,随机分为4个试验组,每组15头（9头公犊牛+6头母犊牛）,15日龄起依次饲喂10%（10N）、15%（15N）、20%（20N）和25%（25N）NDF水平的开食料。试验犊牛单个饲养于犊牛岛,70日龄断奶,饲喂至112 日龄。每日记录开食料采食量,每两周称量犊牛的体重,于35和112日龄测量犊牛的体尺,35、70、90和112日龄空腹颈静脉抽血测定血液生化和抗氧化指标。【结果】（1）70—112日龄,犊牛开食料采食量10N组显著低于25N组（P＜0.5）;42—70日龄,20N和25N组NDF采食量显著高于10N和15N组（P＜0.05）;70—112日龄,NDF采食量随开食料NDF水平升高而显著增加（P＜0.05）; （2）70—112和15—112日龄,15N组犊牛体增重显著高于其他三组（P＜0.05）,分别高出12.67%、43.56%、30.17%和6.16%、18.09%、15.16%;15N组体高显著高于20N和25N组（P＜0.05）,体斜长和胸围显著高于25N组。（3）90日龄,15N组血清球蛋白含量显著高于其他三组,白球比显著低于其他三组（P＜0.05）;112日龄,血清谷丙转氨酶、谷草转氨酶和碱性磷酸酶含量随NDF水平的提高而显著降低（P＜0.05）。（4）35、70和112日龄,15N、20N和25N组血清超氧化物歧化酶浓度显著高于10N（P＜0.05）组,血清丙二醛浓度低于10N组。【结论】犊牛开食料中NDF水平直接影响进食量和体增重,15—112日龄荷斯坦犊牛开食料中NDF的适宜水平为15%。     

“互联网+"背景下农村网络扶贫新思路的探讨

本文通过分析“互联网+”时代下网络扶贫的三种新模式，指出了政府、企业、农户三方力量 各自在网络扶贫中的定位和职责，进一步夯实网络扶贫基础，从而提高扶贫治理成效。     

辣椒新品种‘苏牛2号’

辣椒‘苏牛2号’是以2014X73为母本、以2014X80为父本配制的早中熟杂交一代品种。果实长牛角形，青熟果浅绿色，纵径27.3 cm，果肩宽度4.2 cm，肉厚0.43 cm左右，平均单果质量130 g，味微辣，维生素C含量1.17 mg • g-1。平均产量67 260 kg • hm-2。抗TMV和炭疽病，中抗CMV。适宜在江苏省、山东省等地作冬春季保护地栽培。     

基于模型预测控制的农机主从跟随作业控制方法

针对实际环境中由于农业机械（简称农机）作业过程的作业量以及土壤条件的变化等不确定性因素的影响，导致协同作业跟随农机的行驶工况不稳定、跟随协同作业响应慢、控制困难等问题，在综合考虑不确定性以及响应性能的基础上，提出了一种农机跟随分层控制架构，搭建农机田间作业下的纵向跟随动力学模型，并以间距保持、速度跟随、燃油经济性、加速度跟随性能为目标，进行基于模型预测控制（MPC）算法的上层控制器推导，基于前馈以及PI反馈的控制器作为下层控制，以上层控制器获得的控制加速度为目标，进行力矩（电流）跟踪，在保证抗不确定性以及干扰噪声的同时，提高跟随农机的响应能力。通过Matlab/Simulink仿真和田间试验验证，结果表明，该控制方法可以有效解决农机作业的跟随控制问题，与滑模变结构控制器相比，能够实现稳定跟随行驶，且速度误差和加速度误差更小，速度误差控制在-0.29132~0.18001m/s，加速度误差控制在-0.05678~0.05628m/s2，稳定跟随距离误差为±0.45m，具有良好的跟随效果。     

微波消解-电感耦合等离子体质谱法同时测定普洱茶中9种金属元素含量

研究建立了普洱茶中9种金属元素含量的测定方法,样品经微波消解后,采用分子量相近原则选择45Sc、73Ge、115In、209Bi之一作为内标,用电感耦合等离子体质谱法(ICP-MS)同时测定普洱茶中铅、砷、镉、铬、锰、铜、锌、镍、硒的含量。检出限为0.0034~0.3100 mg/kg;在1.0~50.0 ng/mL线性范围内,相关系数为0.9991~1.0000;0.5、2.0、4.0 mg/kg 3个加标质量分数的平均回收率均在90.3%~107.9%之间,RSD均小于5%。该方法基质干扰小、灵敏度高、重复性好、定性和定量准确可靠,能满足普洱茶中多种金属元素的测定需求,可用于普洱茶的质量控制和安全评价。     

基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。