20220104 基于智能手機的大腸桿菌快速、簡單、低成本熒光檢測//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?？焖佟⒖煽康貦z測病原體可以緩解疫情造成的嚴(yán)重健康問題和經(jīng)濟損失，并通過強有力的檢測保障食品供應(yīng)。在這項研究中，一個基于智能手機的儀器被用來對大腸桿菌E. coli作定量檢測。為了驗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RNA進行擴增。在PCR擴增開始時，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PCR產(chǎn)物。然后分析這些PCR產(chǎn)品的樣本，以便對智能手機系統(tǒng)的概念驗證進行測試。檢測系統(tǒng)采用了一種新的算法來分析熒光信號并讀取大腸桿菌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)，可獲得與實時PCR熒光信號檢測相當(dāng)?shù)木_度。這種方法的關(guān)鍵創(chuàng)新之處是將智能手機應(yīng)用程序中嵌入的高效圖像處理功能與可使細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)，同時獲得了冠層葉片全氮含量。對原始光譜數(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)測集。基于PLS回歸的4個因子，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（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。基于最小RMSEP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結(jié)構(gòu)簡單的ELM模型。ELM模型預(yù)測結(jié)果明顯優(yōu)于PLS回歸模型。其中PLS（LVs）_ELM的預(yù)測結(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)計與試驗//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)。針對當(dāng)前移栽機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)由送苗機構(gòu)、分選機構(gòu)、光電傳感器、圖像傳感器、PLC控制系統(tǒng)以及計算機控制系統(tǒng)組成，能夠?qū)崿F(xiàn)苗盤自動輸送，自動識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象，進行了穴盤苗分選試驗，結(jié)果表明：所設(shè)計的健壯苗分選移栽系統(tǒng)在對適齡辣椒穴盤苗分選過程中，識別準(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齡穴盤苗進行健壯信息識別，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.]