科技文摘

20220104 基于智能手機(jī)的大腸桿菌快速、簡(jiǎn)單、低成本熒光檢測(cè)//DOI：10.25165/j.ijabe.20211403.5865

即使在世界高度工業(yè)化的地區(qū)，食物和水傳播的疾病也對(duì)公眾健康構(gòu)成相當(dāng)大的威脅。食品中這些病原體可能是大腸桿菌O157：H7、沙門氏菌和李斯特菌。快速、可靠地檢測(cè)病原體可以緩解疫情造成的嚴(yán)重健康問題和經(jīng)濟(jì)損失，并通過強(qiáng)有力的檢測(cè)保障食品供應(yīng)。在這項(xiàng)研究中，一個(gè)基于智能手機(jī)的儀器被用來對(duì)大腸桿菌E. coli作定量檢測(cè)。為了驗(yàn)證這款智能儀器的熒光裝置的適用性，從大腸桿菌K-12菌株中提取RNA，并使用兩種不同的引物（dnaK和rpoA）通過定量聚合酶鏈?zhǔn)椒磻?yīng)（qPCR）對(duì)RNA進(jìn)行擴(kuò)增。在PCR擴(kuò)增開始時(shí)，制備10至0.0001 ng/μL的RNA系列稀釋液，并通過基于CYBR Green1的熒光檢測(cè)PCR產(chǎn)物。然后分析這些PCR產(chǎn)品的樣本，以便對(duì)智能手機(jī)系統(tǒng)的概念驗(yàn)證進(jìn)行測(cè)試。檢測(cè)系統(tǒng)采用了一種新的算法來分析熒光信號(hào)并讀取大腸桿菌DNA濃度的變化。dnaK引物和rpoA引物的熒光百分比和DNA濃度之間的相關(guān)性分別為R=0.945和R=0.893。利用這種新的熒光分析技術(shù)，可獲得與實(shí)時(shí)PCR熒光信號(hào)檢測(cè)相當(dāng)?shù)木_度。這種方法的關(guān)鍵創(chuàng)新之處是將智能手機(jī)應(yīng)用程序中嵌入的高效圖像處理功能與可使細(xì)菌核酸定量化的低成本三維打印設(shè)備相結(jié)合。

[編譯自： Rojas-Barboza D，Park E，Sassenfeld R，Winder J，Smith G B，Valles-Rossalles D，et al. Rapid，simple，low-cost smartphone-based fluorescence detection of Escherichia coli. Int J Agric & Biol Eng，2021； 14（3）：189-193.]

20220105 基于高光譜反射率和偏最小二乘輔助極限學(xué)習(xí)機(jī)的蘋果樹冠層氮含量診斷//DOI：10.25165/j.ijabe.20211403.6157

氮素是蘋果種植過程中的一種重要礦質(zhì)元素。蘋果樹氮素狀況的快速估算有助于實(shí)現(xiàn)氮素的精確管理。該研究目的是探索偏最小二乘（PLS）回歸在高光譜數(shù)據(jù)降維中的應(yīng)用，并建立診斷模型。利用ASD便攜式高光譜儀采集了2018年和2019年黃土高原4個(gè)氮肥水平處理下富士蘋果樹冠層尺度的光譜反射率數(shù)據(jù)，同時(shí)獲得了冠層葉片全氮含量。對(duì)原始光譜數(shù)據(jù)（Raw spectrum，RS）采用Savitzky-Golay（SG）平滑，以及SG與一階導(dǎo)數(shù)（First-order derivative，F(xiàn)D）或二階導(dǎo)數(shù)（Second-order derivative，SD）的組合（SG_FD，SG_SD）進(jìn)行預(yù)處理。所有的樣本采用光譜—理化值共生距離法（Sample set Partitioning based on joint X-Y distance，SPXY）劃分為校正集和預(yù)測(cè)集?；赑LS回歸的4個(gè)因子，包括潛在變量（LVs）、荷載矩陣（X-loading）、變量投影重要性（VIP）和回歸系數(shù)（Regression coefficients，RC），衍生出6種方法（LVs、X-loading、VIP_01、VIP_02、RC_01和RC_02）用于變量提取，并基于這些變量建立了PLS模型和極限學(xué)習(xí)機(jī)（Extreme learning machine，ELM）模型。結(jié)果表明，SG_FD處理后的光譜數(shù)據(jù)信噪比最高，并用于后續(xù)分析。經(jīng)過LVs，X-loading，VIP_01，VIP_02，RC_01及RC_02提取的變量數(shù)分別為6，11，18，305，26和88?；谧钚MSEP確定回歸系數(shù)閾值提取變量的方法（RC_02），可有效避免相關(guān)信息的遺漏，推薦RC_02方法用于需要精確波長(zhǎng)信息作為變量的相關(guān)研究?；贚Vs方法提取變量獲得了一個(gè)結(jié)構(gòu)簡(jiǎn)單的ELM模型。ELM模型預(yù)測(cè)結(jié)果明顯優(yōu)于PLS回歸模型。其中PLS（LVs）_ELM的預(yù)測(cè)結(jié)果最優(yōu)，R2P，RMSEP和RPD分別為0.837，2.393和2.220。

[編譯自： Chen S M，Ma L H，Hu T T，Luo L H，He Q，Zhang S W. Nitrogen content diagnosis of apple trees canopies using hyperspectral reflectance combined with PLS variable extraction and extreme learning machine. Int J Agric &Biol Eng，2021； 14（3）： 181-188.]

20220106 蔬菜健壯苗智能分選移栽系統(tǒng)設(shè)計(jì)與試驗(yàn)//DOI：10.25165/j.ijabe.20211404.6169

蔬菜健壯苗是指具備良好生物特征的成活幼苗，機(jī)械化移栽過程中選擇性栽植健壯苗可有效避免漏栽造成的減產(chǎn)。針對(duì)當(dāng)前移栽機(jī)械無法做到健壯苗選擇性栽植的問題，提出了健壯苗智能分選移栽系統(tǒng)，系統(tǒng)由送苗機(jī)構(gòu)、分選機(jī)構(gòu)、光電傳感器、圖像傳感器、PLC控制系統(tǒng)以及計(jì)算機(jī)控制系統(tǒng)組成，能夠?qū)崿F(xiàn)苗盤自動(dòng)輸送，自動(dòng)識(shí)別穴盤中健壯苗信息并選擇性移栽，降低因穴盤苗品質(zhì)不佳導(dǎo)致的栽后死苗以及穴孔缺苗造成的漏栽現(xiàn)象。以工廠化培育的適齡辣椒穴盤苗為對(duì)象，進(jìn)行了穴盤苗分選試驗(yàn)，結(jié)果表明：所設(shè)計(jì)的健壯苗分選移栽系統(tǒng)在對(duì)適齡辣椒穴盤苗分選過程中，識(shí)別準(zhǔn)確率平均值為89.14%，分選成功率平均值為93.20%，整套系統(tǒng)能夠?qū)m齡穴盤苗進(jìn)行健壯信息識(shí)別，并分選移栽，可有效避免漏栽。該研究可為移栽裝備智能化升級(jí)提供技術(shù)支撐。

[編譯自： Li M Y，Jin X，Ji J T，Li P G，Du X W.Design and experiment of intelligent sorting and transplanting system for healthy vegetable seedlings. Int J Agric & Biol Eng，2021； 14（4）： 208-216.]