柴胡口服液抑制NF-κB-NLRP3通路缓解慢性热应激诱导的肉鸡肺脏炎性损伤

用酶联免疫法检测柴胡口服液作用下5 d和10 d热应激肉鸡血清中炎性因子的表达,用蛋白免疫印迹法检测肉鸡肺脏中炎症相关因子(NF-κB p65、NLRP3、IL-1β、IL-6和TNF-α)蛋白表达,并观察肺脏病理切片.发现慢性热应激5 d与10 d显著提高了肉鸡血清中促炎因子IL-1β和IL-6、TNF-α的含量,肉...     

一种赖氨酸芽孢杆菌对凡纳滨对虾生长和水质影响

为探讨一种赖氨酸芽孢杆菌对凡纳滨对虾生长、存活和养殖水质的影响。设1个试验组和1个对照组,每组3个平行,125尾对虾/桶,初始体质量(5.18±0.13) g、体长(9.40±0.18) cm、水温(26±2)℃、盐度30、试验时间10 d。试验组定期添加浓度为0.463×10⁹ CFU/mL的赖氨酸芽孢杆菌菌液,试验组和对照组NH⁺₄-N质量浓度变化范围分别为(0.05±0.01)～(5.51±0.09) mg/L、(0.05±0.01)～(6.07±0.22) mg/L。NO^-₂-N质量浓度变化范围分别为(0.07±0.01)～(0.13±0.01) mg/L、(0.07±0.01)～(0.19±0.01) mg/L。NO^-₃-N质量浓度变化范围分别为(0.07±0.01)～(0.81±0.07) mg/L、(0.07±0.01)～(1.26±0.07) mg/L。pH的变化范围分别为(7.10±0.01)～(7.74±0.01)...     

基于ResNet模型的玉米叶片病害检测与识别

针对当前玉米病害发生量大、病情复杂、难以防治,严重影响玉米产量和质量的问题,提出了一种基于卷积神经网络和迁移学习的玉米叶片病害检测与识别方法。首先收集了3 827张玉米健康叶片图像和3种不同的玉米病害叶片图像样本,为了使模型拥有更好的泛化能力,使用生成对抗网络对样本进行处理,得到分辨率更高的样本,再对样本进行平移旋转,使样本数量达到5 153张。然后构建ResNet模型,分别对ResNet34、ResNet50及对其添加CBAM注意力机制和FPN特征金字塔网络,并通过迁移学习方法将预训练权重迁移到训练模型中。试验结果表明,ResNet50结合CBAM注意力机制模型的准确率达到了97.5%,相比ResNet50模型准确率提升了4.2百分点,相比ResNet34模型准确率提升了4.9百分点。本研究表明,提出的ResNet50结合CBAM注意力机制模型能够较精准地检测识别玉米枯萎叶、锈病叶、灰斑病叶和健康叶。并可将模型安装在无人机等移动设备上,实现对玉米叶片病害智能化防治,而且后期还会扩充更多的植物病害数据,实现对多类植物病害的检测,为智慧农业添砖加瓦,促进农业防治现代化。     

金银花提取物改善脂多糖致大鼠急性肺损伤作用机制研究

目的探讨金银花提取物(Louicera japonica Thunb.Extract,LTE)对脂多糖(LPS)诱导的大鼠急性肺损伤的保护作用及其机制。方法 LTE高、低剂量组大鼠分别按生药量70 g/kg、35 g/kg灌胃给予LTE,1次/d,连续灌胃7 d。实验于末次给药后1h开始,模型组和药物干预各组尾静脉注射LPS(5 mg/kg)复制大鼠急性肺损伤(ALI)模型。LPS作用第6 h末麻醉大鼠后进行肺泡灌洗和取肺组织。结果 LTE能减少急性肺损伤大鼠支气管肺泡灌洗液(BALF)中炎性细胞数目(中性粒细胞和巨噬细胞),降低肺组织中肿瘤坏死因子(TNF-α)与白介素-1β(IL-1β)含量,降低NF-κB p65蛋白表达,抑制NF-κB信号通道。结论 LTE对肺组织炎性因子的产生具有抑制作用,减轻了LPS致大鼠ALI的损伤程度,这种抑制作用可能与其抑制NF-κB信号通路有关。     

猪圆环病毒2型灭活疫苗种毒株的筛选

为筛选满足猪圆环病毒2型灭活疫苗制苗要求的毒株,选择河南省8个地区的8株猪圆环病毒2型分离株进行抗原性分析,将各分离株培养后用不同滴度的病毒原液和其分别稀释至同一滴度(4.233×10⁴拷贝/μL)的病毒液分别制成油佐剂灭活疫苗,免疫小鼠后采血测定其抗体动态水平,以进行免疫效力评价。结果显示,8株圆环病毒2型分离株中8#和12#分离株原液制备的疫苗免疫后诱导产生的抗体水平较高,二免后1周抗体水平即高于1∶800,达到猪圆环病毒2型灭活疫苗的国家质量标准要求,3周时达到高峰,比对照商品疫苗诱导产生的抗体水平更高;其分别稀释130倍和463倍后制备的疫苗诱导产生的抗体水平在二免后3周也能达到1∶800。提示,猪圆环病毒2型8#和12#分离株毒价高,免疫效力良好,是理想的疫苗候选株。本研究丰富了猪圆环病毒2型灭活疫苗毒株的种毒资源,为研制高质量的猪圆环病毒2型疫苗奠定了基础。     

轻量型Yolov7-TSA网络在茶叶病害检测识别中的研究与应用

针对现有茶叶病害识别方法准确率低、模型运行速度慢和缺乏检测功能等问题，提出一种新的Yolov7-TSA(Yolov7-Tiny-SiLU-Attention)轻量型网络架构对茶叶病害检测和分类。将Yolov7-T网络中的LeakReLU激活函数替换为SiLU激活函数，以提升检测精度，并防止过拟合。同时，通过融合坐标注意力机制进一步提升对目标轮廓和空间位置的特征感知能力。在含8种茶叶病害（含健康茶叶）的数据集上试验。结果表明，Yolov7-TSA网络对茶叶病害的识别准确率达到了94.2%，与Yolov7-T、Yolov7网络相比，分别提升了3.2、1.2个百分点。另外，Yolov7-TSA网络在参数量、浮点运算数、模型大小和单张图片推理时间方面表现出了显著的效果，与Yolov7网络相比，其分别降低了83%、87%、83%和34%。该网络模型实现了对茶叶病害的检测与分类，同时平衡了识别准确率和实时性能。