农产品质量安全检测对现代农业发展的作用分析

农产品质量安全关系到现代农业的健康发展,而农产品检测技术、监管方法、实践措施更是改善农产品质量安全的重要环节。鉴于此,结合新疆阿阿勒泰地区农产品质量安全监督检测中心实践工作经验,进一步探讨了农产品质量安全检测对现代农业发展的作用,分析了现代农业发展中农产品质量安全检测宏观布局,同时总结了加强农产品质量安全检测促进现代农业发展的实践措施。     

烷基酚聚氧乙烯醚及相关代谢物检测方法研究进展

随着烷基酚聚氧乙烯醚这一类毒性非离子型表面活性剂的大量使用,开发其检测方法受到社会的普遍关注。本文概述了近年来烷基酚聚氧乙烯醚及相关代谢物残留检测的前处理萃取方法和检测方法。前处理萃取方法主要包括索氏提取法、液-液萃取法、微波萃取法、超声萃取法、固相萃取和QuEChERS法等。色谱类检测方法主要包括HPLC法、GC法、LC/MS法和GC/MS法。本文介绍上述方法的检测原理、研究现状、实际应用情况并分析了各方法的优缺点,同时对烷基酚聚氧乙烯醚及相关代谢物残留快速检测方法的发展趋势提出展望。     

星光农机持续发力绿色环保农机制造

2020年新年伊始,在湖州市安吉县欣农合作社的有机肥生产基地,工作人员正忙着调控一台秸秆处理发酵机,这套设备来自星光农机股份有限公司。据介绍,秸秆处理发酵机能处理废弃秸秆、尾菜和禽畜粪污,处理量3吨左右,经过两个小时80摄氏度的高温杀灭有害菌,温度调降为60摄氏度左右,混合物加入发酵菌种降解6个小时,再经过15天的堆放发酵就能成为有机肥料。     

稻瘟病菌CAAX蛋白酶MoRce1的功能研究

 蛋白质的翻译后异戊烯化修饰(CAAX修饰)能够介导真核生物中许多重要蛋白质的亚细胞定位以及蛋白与蛋白间的相互作用。稻瘟病菌(Magnaporthe oryzae)引致的稻瘟病是水稻最重要病害之一,造成全球水稻严重减产。为深入了解稻瘟病菌致病机理,更好地防控稻瘟病,我们研究了异戊烯修饰是否影响稻瘟病菌的生长发育和致病性。首先从稻瘟病菌基因组数据库中鉴定到一个稻瘟病菌的异戊烯蛋白酶MoRce1,同源比对发现MoRce1保守结构域在各物种之间变化较大,猜测在不同物种中该蛋白可能出现了功能分化。经同源重组方法敲除MoRCE1基因,发现MoRCE1缺失突变体在胁迫培养条件下细胞壁完整性明显缺陷,但是对营养生长、产孢、萌发以及致病性没有明显影响,说明MoRce1蛋白可能通过参与稻瘟病菌细胞壁合成相关蛋白的异戊烯化修饰进而影响该菌细胞壁的完整性,其具体机制还有待深入研究。     

核桃扁叶甲幼虫龄数及取食量研究

为明确核桃扁叶甲幼虫的发育状况,以便进行预测预报及采取防治措施,通过测量不同时间段核桃扁叶甲幼虫的体长、体宽、头宽和角长等4项形态指标,运用频数分布法和Crosby生长法推断核桃扁叶甲幼虫的龄数,并对其发育中各个龄期幼虫的取食量进行了测定.结果表明:核桃扁叶甲幼虫共有3龄,头宽是最佳的幼虫分龄指标,体长、体宽和角长则不适合作为分龄指标;幼虫取食量随龄期的增大而增加,且增加十分明显;幼虫取食造成危害的主要阶段为3龄幼虫期,日平均取食量随天数的增加而增大,最高峰是在孵化后的第12天.     

无公害农产品(渔业产品)检测目录评估分析

随着经济的快速发展,我国的无公害农产品事业也进入新的发展阶段。文章通过探讨无公害农产品(渔业产品)检测目录的提出背景、内容、评估手段等,对我国无公害农产品(渔业产品)检测目录的内容变化进行了详细的比对分析,旨在为我国无公害农产品的管理和控制提供技术支撑。     

猪粪中反硝化菌数量与理化指标相关性分析

本试验采集了保育(60±3)d、肥育(170±5)d和妊娠(妊娠70±4)d三个阶段的梅山猪新鲜猪粪各10份,比较三个阶段猪粪的好氧与厌氧反硝化菌数量以及粪样的理化性质。结果表明,保育猪猪粪中好氧反硝化菌和厌氧反硝化菌的数量均显著高于肥育猪猪粪(P0.05),与妊娠母猪猪粪差异不显著(P0.05);猪粪中的凯氏氮、硝酸氮、铵态氮含量、碳氮比和异戊酸含量以保育猪最高,肥育猪次之,妊娠母猪最低(P0.05);粪中的有机质和戊酸含量则以肥育猪猪粪最高,保育猪猪粪次之,妊娠母猪最低(P0.05)。相关性结果显示:猪粪中好氧反硝化菌数量仅与有机质含量呈显著负相关(P0.05),与pH、凯氏氮及碳氮比无相关性(P0.05);厌氧反硝化菌与猪粪中各项理化指标均无相关性(P0.05)。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。