海豚组织中多氯联苯（PCBs）气相色谱测定的改良方法研究

研究和建立了一种测定海豚体内不同组织中多氯联苯(PCBs)前处理的改良方法,即将海豚组织分为低脂样品和高脂样品,分别经萃取、净化、浓缩等处理后,用Agilent6890N型气相色谱仪、63Ni放射源ECD检测器测定,采用保留时间定性和峰面积外标法定量。结果显示,加标回收率为75.8%~119.2%,精密度为5.6%~11.2%,方法检出限为0.126~0.642ng.g-1,说明该方法的准确性、可重复性符合海洋生物体痕量有机污染物分析要求。海豚组织样品的实际测定结果表明,该方法适合海豚体内PCBs含量的分析测定。     

凝胶渗透色谱-气相-质谱测定鲸皮脂中的多氯联苯

建立了一种测定鲸皮脂中多氯联苯(PCBs)前处理的改良方法,即将皮脂样品分别经超声波萃取、GPC净化和浓缩等处理后,用GC-MS测定.结果显示,该方法加标回收率为73%～118%,精密度为4.1%～9.7%,检出限在0.19～1.07 ng · g-1之间.该方法操作简单,净化效果好、准确性高、重复性强,适合鲸皮脂中PCBs含量的分析测定.     

复合蛋白酶在即食海参加工中的应用

用复合蛋白酶处理盐渍海参,作为加工冻干即食海参的预处理样品,研究其酶处理最适工艺。试验结果表明,酶处理温度40℃,处理50 m in,水浸泡13 h,酶用量为肉重0.075%时,处理后的海参胶原蛋白溶解度(DD%)为(38.14±0.52)%,与水发海参接近[(39.34±0.47)%],口感达到最佳。从酶处理海参和盐渍海参的红外光谱分析可知,二者的营养成分无明显差异,达到生产冻干即食海参的要求。     

水产养殖池塘底泥中氟喹诺酮类抗生素的检测方法研究

采用固相萃取-高效液相色谱荧光法,建立了水产养殖池塘底泥中两种氟喹诺酮类抗生素(恩诺沙星、环丙沙星)的检测分析方法,优化了样品的前处理方法及色谱条件。通过对比4种不同提取液发现,选用50%Mg(NO_3)_2-10%NH_3·H_2O(96∶4,v/v)为提取液时,底泥中恩诺沙星和环丙沙星的回收率较好,分别为74.9%～90.8%和68.1%～89.6%;提取液使用量为5 mL时,底泥中两种抗生素的回收率最高;在不同浓度加标条件下,两种抗生素的回收率均比较稳定。样品过HLB小柱富集净化后,用酸化乙腈洗脱。洗脱液的浓缩方式,氮吹效果优于旋转蒸发。对水产养殖池塘沉水性植物栽种前后的底泥样品进行分析检测,结果表明,本方法的检测值平行性好,能够满足实际样品的分析要求。     

高效液相色谱法测定水产品孔雀石绿残留量的优化研究

采用高效液相色谱法测定水产品中孔雀石绿的残留量,优化了检测过程中的提取方式、硼氢化钾用量、蒸馏温度、固相萃取柱选择和流动相选择等对加标回收率的影响因素。样品经匀浆与超声相结合提取,用质量分数为6%的硼氢化钾还原,40℃真空蒸干,PRS固相萃取柱净化,所得样液以V（乙腈）：V（乙酸铵）=75？25的缓冲液为流动相进行测定。结果表明,样品回收率高,且前处理简便,结果准确。     

HPLC法测定B族维生素的研究概况

综述了用HPLC法测定不同类型样品中B族维生素的方法,对样品前处理步骤和液相色谱检测条件进行了归纳和比较,提出了今后的研究方向和重点。     

暗纹东方鲀基因组DNA提取及生长激素基因Exon4扩增

以暗纹东方鲀的肌肉、尾鳍为样品,对基因组DNA的提取进行了初步研究,从尾鳍中提取的DNA质量较好。新鲜组织、无水乙醇处理的尾鳍样品得到的DNA完全满足后续实验的开展;而从10%福尔马林溶液处理的尾鳍样品中提取的DNA得率太低,10μg/mL以下。运用巢式PCR成功扩增了暗纹东方鲀生长激素基因外显子4,为下一步的SNPs检测以及克隆测序创造了必要条件。     

不同烹饪方式及体外模拟消化对凡纳滨对虾主要过敏原原肌球蛋白免疫活性的影响

本研究选用水煮、油炸和红烧3种烹饪方式分别处理凡纳滨对虾,并且对烹饪后的虾肉进行体外模拟唾—胃—肠液连续消化,以调查烹饪处理后过敏原原肌球蛋白的免疫活性变化状况。采用电泳、免疫印迹和间接ELISA方法评价样品中主要过敏原原肌球蛋白的变化情况。SDS-PAGE结果显示,3种烹饪处理虾肉样品中TM条带无明显变化,表明TM在烹饪处理时基本不发生降解;免疫印迹和间接ELISA结果显示,水煮、油炸和红烧3种烹饪处理虾肉中TM免疫活性分别降低2.08%、11.33%、15.56%;而烹饪后虾肉的体外模拟消化产物的免疫活性丢失显著,水煮、油炸和红烧处理的免疫活性分别下降86.90%、88.94%、97.39%。研究表明,虾类TM免疫活性的降低主要发生在肠液消化阶段,3种方式烹饪处理能够使TM免疫活性降低,并且红烧处理可明显降低TM的免疫活性。本实验为过敏原消减机制的研究和低致敏性水产品的开发提供了理论依据。     

水产品中五氯酚及其钠盐的高效液相色谱串联质谱检测方法的优化

对水产品中五氯酚及其钠盐的高效液相色谱串联质谱检测方法进行了深入优化。样品通过三乙胺碱化的70%乙腈水溶液提取,使目标物保持在离子态,之后采用大粒径的阴离子交换(MAX LP)小柱进行富集,依次用5%氨水(V/V)溶液、甲醇和50%的甲醇水溶液(含2%甲酸,V/V)进行淋洗,最后用5 mL的4%甲酸甲醇溶液洗脱。净化浓缩后样品采用C_(18)色谱柱进行分离,以甲醇和5 mmol/L乙酸铵水溶液为流动相进行梯度洗脱,多反应监测负离子模式扫描,采用同位素稀释内标法定量。目标化合物在相关范围内线性关系良好,相关系数r不低于0.99,方法在不同水产品基质中的定量限均为0.5μg/kg,基质加标回收率范围为92.4%～102.0%,相对标准偏差为3.21%～9.15%。经验证,本研究优化后的方法适用于水产品中五氯酚及其钠盐的残留检测,且相比标准方法,减少了前处理所需时间,同时避免了堵柱情况出现,解决了蟹类样品回收率偏低的问题。     

磁性固相萃取-超高效液相色谱串联三重四级杆质谱法测定渔业水环境中的12种磺胺类抗生素残留

建立了磁性固相萃取-超高效液相色谱串联三重四级杆质谱法分离分析渔业水域中磺胺类抗生素残留的方法。实验以改良后的磁性碳纳米管(MCNTs)为吸附剂,优化了MCNTs添加量、萃取时间及洗脱剂等前处理条件。水样加入MCNTs,调节pH,经振荡萃取永磁体分离后,甲醇洗脱待测物,磁性分离洗脱液,氮吹至近干。以色谱初始流动相定容,过有机相滤膜,经超高效液相色谱-串联三重四级杆质谱(UPLC-MS/MS)分析采集数据,用Masslynx工作站处理实验数据。结果表明:1)每100 mL水样中添加30 mg MCNTs吸附效果最佳;萃取时间20 min后萃取效果最佳;以甲醇为洗脱剂,每次1 mL,洗脱3次效果最好。2)12种磺胺类抗生素在20.00～1 000.00 ng/L范围内线性良好,相关系数均大于0.995,检出限为10.00 ng/L,加标回收率为78.06%～97.86%,日内、日间相对标准偏差在1.15%～9.59%。3)选取6个实际样品进行检测,1个样品中检出磺胺二甲基嘧啶残留。研究认为,磁性固相萃取具有方法简单、用时短、样品可批量处理、重现性好且有机试剂消耗少等优点,能够应用于实际渔业水域样品中磺胺类抗生素的检测。[中国渔业质量与标准,2020,10(1):36-42]     

甲壳类年龄鉴定方法研究进展

甲壳类特有的蜕壳现象,使其能够记录年龄信息的外骨骼周期性消失,因此甲壳类的年龄鉴定一直未得到较好的解决。年龄鉴定是评估甲壳类渔业资源的基础,鉴定甲壳类年龄的方法主要有饲养法、标记重捕法、体长频度法、脂褐素分析法、放射性同位素分析法和硬组织生长纹分析法。饲养法、标记重捕法和放射性同位素分析法较准确,然而由饲养法得到的数据不适用于实际野生环境,放射性同位素分析法花费较高,因此,这两种方法都存在较大的局限性。应用最广泛的标记重捕法和体长频度法也存在不足之处。相对于体长频度鉴龄技术而言,脂褐素分析法优势明显,但是对劳动强度和技术要求高。硬组织生长纹分析法是最近几年出现的鉴龄技术,也存在人为主观性较强等不足。本文对甲壳类年龄鉴定的方法进行了总结回顾,将不同鉴定方法进行比较,分析优缺点,以期为开展甲壳类资源评估与管理提供基础。     

GPS-RTK与测深技术在海洋工程中的应用

目前大部分陆上勘察孔位海拔高程的测量工作多采用水准高程传递的方法,但在海上由于海洋条件的限制,此方法并不适合钻探孔位高程的测量.因此为了满足海洋工程勘察中孔位高程测量的实际需要,本文采用实时动态差分全球定位系统(GPS-RTK)技术和测深技术,组成CPS-RTK和测深仪联合作业系统来测量浅海勘察孔位的标高,在实际海洋勘察中取得了良好效果,可为GPS-RTK技术在海洋工程建设中的推广及应用提供借鉴.     

底拖网配纲校核法

在分析比较目前中国各地曾使用过的各种底拖网配纲校核方法的基础上，提出了“网翼上、下边缘配纲之差与网盖缩结长度之比”（简称翼纲差比）的新配纲校核方法。翼纲差比较大的拖网，其网口易于升高而沉纲贴底程度较小些；反之，翼纲差比较小的拖网，其网口不易升高而沉纲贴底程度较大些。     

利用数码技术测定鲆鲽类体表面积的方法

提出一种快速、准确测定鲆鲽类体表面积的新方法,利用数码相机拍照获取带有标准坐标纸背景的鲆鲽类鱼体数码图像,采用图像处理软件Photosllop CS2和Adobe Acrobat Professional分别获得单位背景面积和鱼体图像的像素数,通过两者的比例计算出体表面积.30尾大菱鲆(Scophthalmus maximus)体表面积的实测表明,与传统计数方格面积法的测量结果相比,Photoshop法相对误差为-4.40%～3.08%,Acrobat法相对误差为-1.83%～1.30%.统计分析显示,2种图像处理软件所测数据与传统方法测量值间差异都不显著,测量1尾大菱鲆体表面积,传统方法约耗时15 min,Plaotoshop和Acrobat法分别只需3 min和1.5 min.新方法可以迅速和准确地测定鲆鲽类体表面积,便于鲆鲽类养殖生产中对养殖密度进行有效管理.     

张网渔具选择性模型的探讨

作为一种被动性的过滤型渔具,对张网渔具本身的选择性特点和选择性模型研究很少。通过介绍几种过滤型渔具选择性模型：Logistic：LogLog、CLogLog、Richard和Probit模型,并运用套网法作为试验方法,极大似然估计法作为模型参数确定方法进行张网渔具的选择性试验,分别对各模型进行了分析,结果显示各模型之间没有显著性差异。由于Logistic模型AIC值较小,且是传统上运用最为广泛的选择性模型,因此作者认为可以作为张网渔具选择性模型。同时探讨了套网法、套网网目大小、网次间差异以及不同的模型参数确定方法对选择性确定的影响。     

B超诊断技术在动物繁殖上的临床使用

B超诊断技术是一项最为快速、安全的、最有效的活体诊断方法。该诊断技术已广泛用于医学疾病的诊断,而且在畜牧兽医领域也开始应用。本文就其在动物繁殖上的临床使用进行简单概述,为这项新技术在动物繁殖上快速的运用和推广提供参考,从而为促进动物养殖业更稳定、健康和快速的发展提供理论和实际指导。     

A modified YOLOv3 model for fish detection based on MobileNetv1 as backbone

This paper proposes a new approach combining YOLOv3 with MobileNetv1 for fish detection in real breeding farm. The feature maps of MobileNet are reselected as per their receptive fields for better fish detection instead of fixed chosen strategy in the original YOLOv3 framework. A set of fish image data acquired in breeding farm is used to evaluate the proposed method. The high accuracy of detection results is achieved to confirm the effectiveness of the proposed method. Furthermore, taking the place of “ImageNet”, a slighter dataset including fish images with 16 species for backbone network pretraining is picked out from “ImageNet” to extract fish features. On this basis, the effect of detection of the model is further improved due to that the extracted features are more closed to fish objects. Therefore, the proposed method is proved to have the capability of providing necessary and accurate number of fish, which will then be used to determine the breeding actions accordingly.     

奶牛结核病的PCR检测方法的建立及应用

根据PCR技术的原理建立了奶牛结核病的PCR诊断方法,并测定出该方法的敏感性为30.9pg/ūL。特异性试验结果表明,除牛结核分枝杆菌的特异扩增带(242bp)外,其他的细菌均未出现特异性扩增带。用该方法对陕西省某奶牛养殖小区的121份乳样中的结核分枝杆菌进行检测,结果显示,在121份乳样中有3份为阳性,阳性检出率2.48%。本试验还用PCR方法对PPD检测和胶体金检测法进行验证,结果表明PCR方法敏感性强,特异性高,是一种提高牛结核病临床诊断的好方法。     

基于LightGBM模型的鱼类异常行为检测

针对传统理化方法分析水质污染情况耗时耗力等问题,提出一种基于鱼类异常行为识别的水质监测方法。以红色斑马鱼(red zebrafish)为研究对象,利用计算机视觉技术,首先对斑马鱼图像进行预处理,利用灰度共生矩阵获取鱼群纹理特征;然后通过Lucas-Kanade光流法计算鱼群的运动信息熵,并对获取的纹理特征和信息熵进行归一化处理;最后采用轻量化梯度促进机(LightGBM)对鱼类异常行为进行检测,与深度神经网络(DNN)和支持向量机(SVM)检测效果对比。结果显示:利用LightGBM对鱼类异常行为进行检测,准确率为98.5%,与其他模型对比分别提高0.5%和25.3%。研究表明,基于LightGBM模型的鱼类异常行为检测方法相比其他模型能更准确地识别鱼类非正常游动。该模型适用于自动水质监测。     

基于栈式自编码BP神经网络预测水体亚硝态氮浓度模型

亚硝态氮对于水产养殖动物具有毒性,对于其含量的及时监控非常重要。基于光谱法和电极法设计的亚硝态氮传感器价格昂贵,难以大面积推广,因此急需研发一种能快速预测养殖水体亚硝态氮的模型。实验通过实验室构建的水质在线检测系统测定水体中温度、pH、溶解氧、氧化还原电位4个参数,同时用α-萘胺比色法测定水体中亚硝态氮的浓度,从4种参数中选取与亚硝态氮浓度相关的参数作为预测模型的关联变量。水质参数数据及亚硝态氮浓度数据分别经预处理后作为原始数据用于SAE神经网络的训练,训练方法采用无监督逐层贪婪训练法,用学习到的特征监督训练SAE-BP神经网络,利用反向传播算法(BP)优化模型。训练得到结构为4-5-4-3-1的SAE-BP神经网络模型,建立的神经网络模型对实验数据预测的拟合优度R²为0.95,预测结果的均方根误差RMSEP为0.099 71。研究表明,亚硝态氮预测模型可以较为精准地预测水体中亚硝态氮的浓度。本模型将为开发在线快速监测养殖水体亚硝态氮浓度提供新的思路。