如何识别假劣兽药？

当前,兽药市场上存在一些制售假劣兽药的违法违规行为,为了进一步规范市场,使养殖场（户）用上优质高效的产品,从而保障养殖业健康持续的发展,提升畜产品质量安全,我们不妨从“问、看、查、验”四个角度,进行兽药产品及其质量鉴别。     

全自动种猪生产性能测定系统在生产中的应用

全自动种猪生产性能测定系统是利用电子耳牌的识别技术,从群体中识别出个体,系统在完全不干扰测定猪正常生活的方式下,通过个体测定秤记录该测定猪采食时的体重值,通过料槽秤记录该测定猪的采食量,以获取日增重和饲料报酬的原始数据;再通过计算机软件处理,输出生产性能信息.这些信息可直接用于生产实际,如种猪选择或选育,了解新品种,新品系的生长性能,猪的营养需要研究,饲料配方的筛选或用于计算猪生长发育曲线.     

刚地弓形虫GRA3基因的克隆与表达

采用PCR方法扩增弓形虫GRA3基因,将扩增产物与pMD18-T Simple载体连接,重组质粒经PCR、双酶切鉴定后测序;构建pGEX-4T-1／GRA3表达载体,经IPTG诱导表达后,进行SDS-PAGE、Western blot分析。结果显示,克隆的GRA3基因片段长687bp,含有1个669bp的开放阅读框,编码222个氨基酸,与GenBank中UK株（AF414079）的同源性为99．8％;表达的融合蛋白为50Ku,能被弓形虫阳性血清识别;表明该融合蛋白具有较好的免疫反应活性。     

基于YOLOv5深度学习的茶叶嫩芽估产方法

针对丘陵地区小规模茶园估产难度高,估产手段少等问题,采用基于YOLOv5的目标检测算法和田间抽样调查法,对丘陵地区小规模茶园估产问题进行研究。在茶园中随机抽取9个有代表性的茶叶生长点;使用目标检测算法识别抽样点茶叶嫩芽数目;利用最小二乘法拟合茶叶嫩芽产量与数目间的线性关系;结合抽样点识别出的嫩芽数目、抽样点面积、线性拟合关系和茶园整体面积估算出茶园茶叶嫩芽产量。结果表明：1)基于YOLOv5的目标检测算法对茶叶嫩芽识别的精度为99.02%,平均准确率为90.14%;2)茶叶嫩芽数目和产量间有高度线性关系,决定系数R²为0.999 8;3)通过算法估计的茶叶嫩芽产量与实际采收产量相对误差为29.56%。本研究能够较为方便的估算出茶园茶叶嫩芽产量,在茶叶生长时期为农户提供产量相关的数据支持,便于茶叶生产的前期管理。     

猪链球菌2型人源分离株EF单克隆抗体的制备与鉴定

为了解猪链球菌2型（SS2）菌株毒力相关因子的致病机理,建立高效的免疫学检测方法,将SS2胞外因子（EF）抗原性强的区域通过基因克隆、原核表达,经亲和层析纯化的EF蛋白免疫BALB/c小鼠,采用B淋巴细胞杂交瘤技术将免疫细鼠脾细胞与SP2/0骨髓瘤细胞融合,建立了4株分泌抗EF蛋白单克隆抗体（McAb）的杂交瘤细胞系2G1、5H7、3H4和1F2。间接ELISA测定杂交瘤细胞培养上清的效价为1∶128～1∶512,诱生腹水的抗体效价为1∶104～1∶105。4株McAb腹水的Western blot鉴定表明McAb能特异性的识别EF。以2G1单抗腹水与和EF多克隆抗血清建立的夹心ELISA可特异地检测EF。     

混合推荐系统方法浅析

随着Internet的迅速发展,各种信息以指数级的速度增长,类型也愈来越多.如何有效的解决信息过载带来的种种问题,如何满足各种不同用户的需求,成为新的研究课题.本文提出一种基于混合方法的推荐系统方法,经验性的比较了混合算法与单纯贴近算法之间的表现,并且说明了混合方法较纯贴近方法可以提供更准确的推荐效果.     

如何识别放心肉、劣质肉、病害肉

1．放心肉 放心肉是指经当地政府确定的定点屠宰厂（场）宰杀，并经过宰前检疫、宰后检验，确认健康无病的畜禽肉。鲜猪肉皮肤呈乳白色，脂肪洁白且有光泽。肌肉呈均匀红色，表面微干或稍湿，但不粘手，弹性好，指压凹陷立即复原，具有猪肉固有的鲜、香气味。正常冻肉呈坚实感，解冻后肌肉色泽、气味、含水量等均正常无异味。     

如何识别“不放心肉”

所谓"放心肉"不是简单地指有检验检疫合格证明的无传染病和寄生虫病侵袭、无有害药物残留的畜禽肉;还应包括肉中无注水、无以次充好和掺杂使假(如以骡马和驴肉充当牛肉销售,因牛肉价格高)、无外源性污染、不良气味。这里的药物残留是指用于预防和治疗疾病、提高饲料利用率及生产性能的兽药、激素、疫苗、添加剂在动物产品中的残留;在农药和工业"三废"污染的水源、饲料、饲草等环境中生长的     

一种实用的自动排考算法

从高校考务管理工作的实际需求出发,提出了一种实用的自动排考算法.算法应用于安徽科技学院考试安排管理系统,实践表明,算法较好地满足了组织此类考试的要求.     

分类规则挖掘算法综述

分类规则挖掘是数据挖掘中一个重要的研究领域.通过介绍当前数据挖掘中具有代表性的分类算法,总结了各种算法的优缺点,给出了分类算法的应用以及分类算法面临的挑战,并对分类算法的发展方向进行了展望,为使用者选择算法或研究者改进算法提供了借鉴.